Piloto documental cerrado
Elegimos una tipología de informe y un esquema estrecho. Medimos extracción campo a campo (incl. escaneos) y definimos umbrales de revisión humana.

Inicio Casos Décadas de informes técnicos convertidos en dato…
Última actualización: 2026-11-17
Caso energía: décadas de PDF (escaneos y manuscritos) a base con linaje documento→campo para modelos predictivos; resultado cualitativo; cliente anónimo.
Empresa de geociencia del sector energético (Reino Unido). Confidencial: no publicamos el nombre.
Los datos técnicos de cada pozo vivían repartidos en informes PDF de décadas distintas: tipografías modernas, escaneos de baja calidad y, en una fracción no trivial, anotaciones manuscritas. El equipo de geociencia copiaba a mano campos críticos hacia bases internas para poder analizar tendencias. Era lento, caro y imposible de escalar al ritmo que pedía el negocio.
Sin una base limpia con linaje documento→campo, cualquier modelo predictivo era frágil: entrenabas sobre tablas incompletas o inconsistentes entre campañas. El riesgo no era solo el coste de tecleo; era decidir con evidencia parcial.
El cliente necesitaba dos cosas en orden: primero, extracción fiable a un esquema acordado; después, modelos acotados solo donde la cobertura histórica lo permitiera. Invertir el orden («modelo ya») habría amplificado el error.
Montamos un pipeline de agentes (LangGraph) orientado a tipologías documentales cerradas, con revisión humana en campos críticos y carga a PostgreSQL con trazabilidad. Los modelos predictivos llegaron solo tras validar cobertura e histórico.
Trabajamos bajo confidencialidad sectorial: no publicamos el nombre ni capturas identificables. El patrón técnico (archivo→base→modelo) sí es reutilizable y es lo que documentamos aquí.
Cada campo crítico tenía dueño en el cliente: sin eso, la cola de revisión se convierte en un limbo. Acordamos umbrales de confianza por tipo de campo (numéricos, fechas, identificadores de pozo) y qué hacer cuando el documento contradice una versión anterior.
Resultado cualitativo autorizado: el equipo deja de teclear el archivo para alimentar análisis; la base estructurada pasa a ser el punto de partida de modelos y reporting. Los analistas dedican tiempo a interpretar, no a transcribir.
No inventamos porcentajes de ahorro ni accuracy globales sin un protocolo de medición público del cliente. Internamente se midió precisión campo a campo por tipología documental antes de ampliar el alcance — esa disciplina fue parte del resultado.
El efecto compuesto aparece cuando el siguiente informe ya no parte de cero: el esquema, los validadores y el linaje están listos, y el coste marginal de incorporar un lote nuevo baja de forma sostenida.
Elegimos una tipología de informe y un esquema estrecho. Medimos extracción campo a campo (incl. escaneos) y definimos umbrales de revisión humana.
Agentes LangGraph, colas, linaje y carga a base. Formación al equipo que valida excepciones. Ampliación a tipologías vecinas solo con métricas estables.
Con histórico limpio, entrenamos/validamos modelos predictivos en casos de uso priorizados por el negocio. Gobernanza: el modelo no corre donde falta cobertura.
La precisión campo a campo manda. Mejor un esquema estrecho bien medido que «extraer todo» sin dueño de dato. Los manuscritos tienen techo: se midió calidad antes de prometer cobertura total.
Encaja en energía, infraestructuras e ingeniería con archivo técnico histórico denso. Encaja menos si los documentos ya nacen estructurados en un sistema único, o si no hay nadie que pueda validar campos críticos en el piloto.
Layouts variables, excepciones y sistemas propios obligan a ingeniería con cola humana, no a un SaaS genérico.
Acordar métrica antes; muestra real; no publicar cifras sin permiso; handoff documentado.
Fases: prototipo con datos reales → validación → producción con monitorización. Enlaces a servicios relacionados en el cuerpo existente.
Antes de construir, pedimos volumen real, sistema de registro, KPI, owner y criterio de datos personales. Sin eso, el piloto muere en la semana dos aunque el modelo funcione en un notebook.
Cada fase tiene go o no-go: si falta owner o KPI, volvemos a diagnostico o formacion en lugar de lanzar un agente suelto.
Formacion y alfabetizacion del articulo 4 del Reglamento de IA forman parte del cierre a produccion cuando el equipo usara sistemas de IA en el dia a dia.
Medimos despues de acordar la metrica: tiempo por tarea, errores, coste o tasa de captura correcta. Si no hay metrica, no hay caso publicable.
El handoff a persona incluye contexto: que pregunto el usuario, que fuentes se usaron y que falta por confirmar. Sin eso, el chatbot genera mas trabajo del que ahorra.
LogIA demuestra que construimos producto en produccion, no solo slides. Cuando el caso es logistica, aceleramos; en el resto de sectores aplicamos la misma ingenieria a medida.
Enlazamos servicios, soluciones y casos para que cada busqueda aterrice en un proceso concreto: pedidos, facturas, presupuestos, WhatsApp o lectura de documentos.
El presupuesto es cerrado por fase: diagnostico, prototipo e implantacion. No hay ticket enterprise opaco. Los factores de coste estan en la pagina de precios.
El Reglamento de IA de la UE y el Omnibus 2026 marcan alfabetizacion, transparencia y plazos de alto riesgo. Los incluimos en el diseno tecnico; el dictamen juridico es externo.
Publicamos solo cifras medidas con el cliente. El 83 por ciento de acierto a la primera y el 91,8 por ciento en top-5 del caso de presupuestos son el tipo de evidencia que pedimos.
La revisión humana no es un adorno: las excepciones van a cola con motivo y quedan registradas para auditar qué decidió el sistema y qué decidió una persona.
La integración escribe en el ERP, el CRM, el correo o WhatsApp sin dobles tecleos. Si no hay API, usamos ficheros, base de datos o correo; el RPA es el último recurso.
Antes de construir, pedimos volumen real, sistema de registro, KPI, owner y criterio de datos personales. Sin eso, el piloto muere en la semana dos aunque el modelo funcione en un notebook.
Describid tipologías y volumen. Os proponemos un piloto de extracción con métricas.