Glosario

Procesamiento inteligente de documentos (IDP)

¿Qué es Procesamiento inteligente de documentos (IDP)?

El procesamiento inteligente de documentos (Intelligent Document Processing, IDP) lee automáticamente documentos como facturas, contratos o formularios, reconoce su tipo y convierte los datos relevantes en información estructurada. Combina reconocimiento de texto para escaneos, procesamiento del lenguaje y reglas de validación. Así reduces la captura manual y aceleras procesos como la entrada de facturas. Los campos dudosos deberían revisarlos personas.

Cómo ayuda KI.ordo

La plantilla de KI.ordo para extraer datos de documentos obtiene del texto campos como fecha, remitente, importes y plazos; en el conocimiento puedes importar PDF con capa de texto y archivos Word, pero no documentos escaneados sin reconocimiento de texto.

Más información →

Plantillas adecuadas

Extraer datos de un documentoExtrae de un texto el tipo de documento, la fecha, el remitente, el destinatario, la referencia, los importes, los plazos y un breve resumen, y los devuelve en JSON.Ver plantilla →

Temas

Documentos
Extracción de datos
Automatización

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Reconocimiento óptico de caracteres (OCR)

El reconocimiento óptico de caracteres (Optical Character Recognition, OCR) convierte el texto contenido en imágenes, como escaneos, fotos o faxes, en texto legible por máquina. Solo entonces se pueden buscar, copiar o procesar automáticamente los documentos. El OCR moderno usa redes neuronales y reconoce también tablas, maquetaciones y, en parte, escritura a mano. Usos típicos son la recepción de facturas, la digitalización de archivos y la lectura de formularios; la calidad depende mucho de la de la imagen.

documentos
reconocimiento de texto
+1

Reconocimiento de entidades nombradas (NER)

El reconocimiento de entidades nombradas (Named Entity Recognition, NER) es una técnica de procesamiento del lenguaje que localiza en un texto nombres de personas, empresas y lugares, además de fechas o importes, y los asigna a una categoría. Así, el texto libre se convierte en datos estructurados. Ejemplo: de un correo se extraen automáticamente la empresa remitente, la persona de contacto, la fecha de entrega y el importe de la factura para pasarlos al CRM.

PLN
Extracción de información
+1

Plantilla

Datos no estructurados

Los datos no estructurados no siguen un esquema de tabla fijo: correos, contratos, manuales, páginas web, presentaciones, imágenes o grabaciones de audio. Representan gran parte del conocimiento de una empresa, pero durante mucho tiempo fue difícil analizarlos automáticamente. Los modelos de lenguaje pueden leerlos, buscar en ellos y convertirlos en datos estructurados, por ejemplo extraer plazos e importes de un contrato a una tabla.

Datos
Documentos
+1

IA extractiva

La IA extractiva agrupa los métodos que sacan información ya existente de textos o documentos, en lugar de redactar contenido nuevo. El resultado procede de la fuente de forma literal o con una estructura fija: números de factura de un PDF, frases clave para un resumen o el pasaje relevante como respuesta a una pregunta. Como no se inventa nada, el riesgo de afirmaciones falsas es menor que con enfoques puramente generativos; a menudo se combinan ambos.

Extracción de información
Documentos
+1

Plantilla