Guía completa de
extracción de datos de siniestros de seguros (2026)

¿Qué es la extracción de datos de reclamos de seguros?

La extracción de datos de reclamos de seguros es el proceso automatizado de leer campos clave de documentos relacionados con reclamos — avisos de pérdida ACORD, informes policiales, presupuestos de reparación, historias clínicas y otros anexos — y convertirlos en datos estructurados que una hoja de cálculo, un sistema de gestión de reclamos o una plataforma de análisis pueda procesar. A diferencia de la extracción estándar de facturas o recibos, que se enfoca en un solo tipo de documento, la extracción de reclamos debe manejar un paquete de múltiples documentos donde cada componente tiene su propio formato, sus propios campos clave y sus propios requisitos de extracción.

El alcance va más allá del Primer Aviso de Pérdida. Una estrategia completa de extracción de reclamos abarca todos los documentos que ingresan al expediente del reclamo desde la recepción hasta el cierre: el formulario ACORD inicial (ya sea de auto, propiedad, responsabilidad civil o compensación laboral), los anexos que respaldan la pérdida, y la correspondencia y facturación que se acumulan a medida que avanza el reclamo. Para un desglose detallado a nivel de campo de lo que la IA puede y no puede extraer de los formularios ACORD iniciales, consulte nuestro artículo complementario sobre ¿Puede la IA leer formularios de reclamos FNOL de seguros?

Lo que distingue a esta categoría de otras tareas de extracción de documentos es la estructura en capas de un paquete de reclamo. Los campos de encabezado estructurados del formulario ACORD — número de póliza, fecha de pérdida, nombre del asegurado, ubicación de la pérdida — siguen un patrón predecible y se extraen de forma confiable. La narrativa de texto libre en la sección de Descripción de la Pérdida no lo hace. Los documentos de respaldo — un informe policial de una jurisdicción, un presupuesto de reparación de un sistema de software diferente, historias clínicas de un tercero — cada uno requiere una estrategia de extracción independiente. Un enfoque completo considera las tres capas, no solo la más conveniente.

Por qué la entrada manual de datos de siniestros cuesta más de lo que parece

El costo visible de la entrada manual de datos de siniestros es directo: un empleado de ingreso de datos o ajustador tecleando valores de cada documento en un sistema de siniestros, un carácter a la vez. McKinsey estima que la automatización puede reducir el tiempo de procesamiento de siniestros hasta en un 50% y recortar los costos del proceso hasta en un 30%. Pero esas cifras agregadas subestiman lo que el procesamiento manual realmente le cuesta a una operación, porque el gasto real llega a través de cuatro canales distintos que la mayoría de las empresas rastrean en presupuestos separados.

Mano de obra directa de transcripción. Un ajustador o empleado de siniestros que procesa un solo paquete de siniestro — formulario ACORD más dos o tres documentos de respaldo — dedica aproximadamente de 20 a 30 minutos solo a la entrada de datos. A 50 siniestros por semana, eso son de 17 a 25 horas de puro tecleo. A un costo total de $35–45 por hora para un manejador de siniestros experimentado, eso se traduce en $600–1,100 por semana en mano de obra que no aporta ningún valor de juicio al siniestro.

El impuesto del error. La entrada manual de datos de documentos de seguros tiene una tasa de error estimada del 3–5% a nivel de campo. En un paquete de siniestro con 25–40 campos extraíbles entre el formulario ACORD y los anexos, eso significa de uno a dos errores por siniestro. Un número de póliza mal escrito retrasa la verificación de elegibilidad. Una fecha de pérdida incorrecta genera una llamada de seguimiento al asegurado. Un monto transpuesto en la estimación de reparación crea un desajuste en la reserva que lleva tiempo conciliar. Los puntos de referencia de la industria sugieren que cada error de entrada de datos en un siniestro cuesta entre $15 y $30 de corregir, y esos costos se agravan cuando los errores se descubren más adelante en el proceso y no en la recepción.

El costo de oportunidad del tiempo del ajustador. La investigación de McKinsey muestra que los suscriptores y ajustadores de siniestros pasan del 30 al 40% de su tiempo en tareas administrativas, incluida la entrada de datos y la recuperación de documentos. Para un ajustador senior que maneja de 100 a 150 siniestros abiertos, eso significa de 12 a 20 horas por semana dedicadas a teclear en lugar de investigar la cobertura, negociar acuerdos o gestionar casos complejos. El costo en dólares de ese tiempo es el salario completo del ajustador. El costo de oportunidad es la velocidad de los siniestros — y la satisfacción del cliente — que esas horas podrían haber producido si se hubieran redirigido al trabajo de juicio.

Ciclo de tiempo retrasado. Cada paso manual entre la recepción del documento y la disponibilidad de los datos añade horas al ciclo de vida del siniestro. En operaciones de siniestros de alto volumen — TPA que procesan más de 200 siniestros por día, equipos de respuesta a catástrofes que manejan volúmenes pico — esas horas se acumulan en días. Los estudios de satisfacción de siniestros de J.D. Power muestran consistentemente que la velocidad de procesamiento del FNOL es uno de los impulsores más fuertes de la satisfacción del cliente. Cada día adicional de procesamiento manual perjudica la experiencia del cliente y aumenta la probabilidad de litigios, quejas regulatorias y escalamiento.

Qué hace única la extracción de reclamos de seguros frente a otros tipos de documentos

La extracción de reclamos de seguros comparte ADN técnico con la extracción de facturas o recibos — los mismos modelos de visión-lenguaje, el mismo enfoque de columnas personalizadas — pero tres factores estructurales la convierten en un problema fundamentalmente más complejo.

1. Variedad de formatos según aseguradora y ramo. Un ACORD 1 (Aviso de Pérdida de Propiedad) y un ACORD 2 (Aviso de Pérdida Automovilística) se ven distintos porque recopilan información diferente. Pero el mismo ACORD 1 completado a través de un sistema de gestión de agencias Applied Epic se renderiza de forma distinta que uno de Vertafore AMS360, y a su vez diferente de uno llenado a mano en papel. ACORD mantiene más de 800 tipos de formularios estandarizados. Las aproximadamente 39,000 agencias de seguros de propiedad y accidentes en Estados Unidos producen estos formularios con sus propias configuraciones de sistema, ajustes de impresión y hábitos de llenado. La extracción basada en plantillas, que depende de coordenadas fijas de campos, falla en cuanto el diseño cambia. La extracción semántica, que lee las etiquetas de los campos para ubicar los valores, maneja esta variabilidad sin necesidad de configurar cada aseguradora. Cubrimos esta diferencia en detalle en nuestro explicador sobre OCR tradicional versus extracción basada en IA.

2. El expediente de reclamo con múltiples documentos. Una herramienta de extracción de facturas procesa una factura. Un flujo de extracción de reclamos procesa una carpeta: un formulario ACORD, un informe policial, un presupuesto de reparación, registros médicos de ingreso, fotos y, a veces, una factura de grúa o un contrato de alquiler. Cada tipo de documento tiene sus propios campos estándar, sus propias convenciones de diseño y sus propias definiciones de columnas de extracción. El desafío no es extraer un solo documento, sino extraerlos todos en un flujo de trabajo coherente que mantenga los resultados vinculados al mismo registro de reclamo.

3. Campos estructurados + texto libre narrativo en un mismo documento. El formulario ACORD es único al combinar ambos modos en una sola página. El encabezado contiene campos cortos y claramente etiquetados que la IA extrae con alta precisión. La sección de Descripción de la Pérdida es un cuadro en blanco para prosa narrativa — 50 o 500 palabras, manuscrita o mecanografiada, enfocada o divagante. Estos dos modos coexisten dentro del mismo documento y requieren un tratamiento fundamentalmente diferente.

Campos Estructurados: Lo Que Puede Extraer de Forma Fiable

Los campos de cabecera estructurados en los formularios ACORD son donde la extracción con IA ofrece el mayor valor. Estos campos tienen etiquetas impresas, espacios de valores limitados y patrones semánticos consistentes, las condiciones ideales para un modelo de lenguaje visual. A continuación, se presentan los campos clave desglosados por los cuatro tipos principales de formularios ACORD FNOL que cubren la gran mayoría de la recepción de siniestros de P&C.

ACORD 1 — Aviso de Siniestro de Propiedad

ACORD 2 — Aviso de Pérdida Automovilística

ACORD 3 — Aviso de Pérdida por Responsabilidad Civil General

El patrón en los tres tipos de formularios es consistente: campos etiquetados con valores cortos se extraen al 85–95%+, ya sea escritos a máquina o a mano. La variación proviene de la legibilidad de la escritura (un "5" apresurado leído como "S" en un VIN) y la calidad de las marcas en las casillas (una marca de lápiz ligera leída como no seleccionada), no de la incapacidad de la IA para ubicar el campo en la página. Debido a que la extracción semántica lee las etiquetas de los campos en lugar de depender de coordenadas fijas, la misma definición de columna para "Número de Póliza" funciona en un ACORD 1 de un PDF del portal de una aseguradora y en un ACORD 2 fotografiado al costado de la carretera, sin plantillas ni configuración por aseguradora.

La narrativa en texto libre: una estrategia diferente

La sección de Descripción de la Pérdida es la parte de un formulario ACORD donde la extracción por IA encuentra un límite estructural. Esta sección contiene el relato del propio reclamante sobre lo sucedido, escrito en prosa narrativa — normalmente de 200 a 500 palabras — y no sigue ningún patrón extraíble. Una descripción de accidente automovilístico podría decir: "Estaba detenido en el semáforo en Main Street. Un camión me chocó por detrás". Una descripción de pérdida de propiedad: "Noté agua en el piso de la cocina alrededor de las 3 p. m. Subí al ático y encontré una tubería rota". El mismo escenario de colisión puede ser escrito de tres formas distintas por tres reclamantes diferentes, cada uno con estructuras de oraciones, elecciones de palabras y niveles de detalle distintos.

La IA de visión moderna puede extraer el texto de esta narrativa con alta precisión — leyendo las palabras escritas a mano o mecanografiadas de la página y convirtiéndolas en un bloque de texto en una celda de hoja de cálculo. Esa parte funciona de manera confiable. Lo que no funciona es el paso que la mayoría de los equipos de siniestros realmente desean: categorizar automáticamente esa narrativa en campos estructurados como "Categoría de Causa de la Pérdida", "Parte Culpable" o "Gravedad de la Lesión". Los modelos de lenguaje que intentan esta clasificación producen tasas de error del 25–30%, lo cual es demasiado alto para cualquier proceso posterior que dependa de que el resultado sea correcto.

El enfoque recomendado para las operaciones de siniestros es extraer la narrativa como texto sin formato en un solo campo. El ajustador lee ese campo — exactamente como lo leería del formulario en papel — mientras que los campos estructurados (número de póliza, fecha del siniestro, montos, detalles del vehículo) ya están poblados en la hoja de cálculo. El ahorro de tiempo proviene de no tener que volver a escribir esos campos estructurados, no de intentar forzar la narrativa a una clasificación que no admite.

Documentos de respaldo: un siniestro, múltiples estrategias de extracción

En la práctica, un expediente de siniestro rara vez es solo el formulario ACORD. Los documentos de respaldo suelen superar en número al formulario principal en una proporción de dos a uno o tres a uno, y cada tipo exige su propio perfil de extracción. Así es como los anexos más comunes se asignan a la estrategia de extracción.

Informes Policiales

Los informes policiales son el documento de respaldo adjunto con mayor frecuencia. Contienen datos estructurados críticos: el nombre y número de placa del oficial investigador, el número del informe, la fecha y hora en que se presentó, la designación del conductor responsable, información de citaciones, notas sobre el clima y el estado de la carretera, y una sección narrativa que a menudo repite o amplía lo que el reclamante escribió en el formulario ACORD. El desafío de extracción con los informes policiales no es la complejidad de los campos, sino la variación en el formato. Hay aproximadamente 18,000 agencias de aplicación de la ley en los Estados Unidos, cada una con su propio diseño de informe. Algunas usan el informe estándar de accidentes de tránsito modelo NHTSA. Otras usan formularios específicos del estado (el CHP 555 de California, el CR-3 de Texas). Muchas usan formatos de informe personalizados generados por su sistema de gestión de registros. Un enfoque basado en plantillas requeriría una plantilla separada para cada agencia. La extracción semántica los maneja todos con una sola definición de columna porque lee las etiquetas en el informe — "Nombre del Oficial", "Número de Informe", "Responsable" — independientemente de dónde se encuentren en la página.

Presupuestos de Reparación

Los presupuestos de reparación de automóviles de talleres y los presupuestos de reparación de propiedades de contratistas contienen detalles por partida que son esenciales para el establecimiento de reservas y la negociación de acuerdos. Los campos clave extraíbles incluyen: nombre y contacto del taller o contratista, fecha del presupuesto, identificador del vehículo o propiedad, horas de mano de obra y tarifa por línea, costos de piezas (OEM vs. posventa vs. usadas), pintura y materiales, subtotal, impuesto y total. Los presupuestos de reparación son más valiosos cuando se extraen como una tabla con una fila por línea, de modo que el daño total estimado se pueda calcular a partir de la suma de todos los elementos en lugar de depender de un único total escrito a mano que puede omitir ciertas categorías de costos. El presupuesto también debe vincularse al registro de reclamo que respalda, lo que significa que el flujo de trabajo de extracción debe capturar el número de reclamo o póliza que aparece en el presupuesto, incluso si está escrito a mano en un margen.

Registros Médicos y Formularios de Admisión

En reclamos por lesiones — accidentes automovilísticos, compensación laboral, responsabilidad civil — los documentos médicos llegan rápidamente al expediente. Los formularios de admisión de urgencias, hojas de registro de ambulancias, órdenes de diagnóstico por imágenes y notas de tratamiento inicial contienen campos estructurados (nombre del paciente, fecha del servicio, NPI del proveedor, códigos de diagnóstico, códigos de facturación) mezclados con notas clínicas. La estrategia de extracción refleja el enfoque ACORD: extraer los campos estructurados (fechas, códigos, identidades del proveedor, montos facturados) con definiciones de columna, y mantener las notas clínicas como texto libre para que el ajustador o la enfermera gestora de casos las revisen.

Fotos

Las fotos de daños — colisiones vehiculares, daños por incendio, intrusión de agua, equipos rotos — no pueden extraerse para datos estructurados en el sentido tradicional. No hay un "monto en dólares" que leer de una foto. Sin embargo, los modelos de visión artificial pueden identificar y clasificar tipos de daños (por ejemplo, "colisión frontal", "daño en techo por granizo", "mancha de agua en el techo") si la operación de reclamos tiene un caso de uso para la codificación automatizada de daños. Para la mayoría de los equipos de reclamos, el enfoque práctico es tratar las fotos como evidencia de respaldo que el sistema de ingreso de reclamos recibe y vincula al expediente del reclamo, sin intentar una extracción estructurada.

La clave operativa en todos los tipos de documentos de respaldo: cada uno requiere su propia definición de columna de extracción, y el flujo de trabajo debe mantener los resultados de todos los documentos vinculados al mismo expediente de reclamo. Esto no es un problema de extracción único. Es una familia de problemas de extracción organizados en torno a un evento de reclamo.

Métodos Tradicionales vs Extracción con IA

El enfoque convencional para el ingreso de datos de reclamos de seguros tiene dos variantes: escritura manual y OCR basado en plantillas. Ambas comparten la misma limitación fundamental: tratan cada documento de reclamo como si su diseño fuera predecible, lo cual no es así en el ingreso de reclamos del mundo real.

El enfoque de IA semántica — extracción de documentos sin plantilla — es más relevante para siniestros que para cualquier otra categoría de documentos debido a la gran variedad de formatos en la recepción real de siniestros. Un ACORD 2 que llega como PDF limpio desde un portal de aseguradora y el mismo formulario que llega como copia por fax con campos escritos a mano en los márgenes son el mismo tipo de documento que requiere las mismas columnas, pero un sistema basado en plantillas necesitaría dos configuraciones. Un sistema semántico maneja ambos con una sola.

Procesamiento por lotes de formularios de siniestros de múltiples aseguradoras

El flujo de trabajo práctico para equipos de siniestros que procesan de 50 a 200 reclamos por día es el procesamiento por lotes: cargar una carpeta con expedientes de siniestros, extraer los campos estructurados de cada documento componente y exportar todo a una hoja de cálculo unificada con una clave de número de siniestro que vincule las filas de cada tipo de documento.

Un flujo de trabajo por lotes típico se ve así:

El procesamiento por lotes no es una ocurrencia tardía para las operaciones de siniestros. Es el único flujo de trabajo que escala cuando un TPA procesa reclamos de 50 aseguradoras diferentes, cada una usando una representación ACORD distinta, y los documentos de respaldo llegan a través de una docena de canales de ingreso diferentes.

Cómo elegir una herramienta de extracción de siniestros

No todas las herramientas de extracción sirven para siniestros de seguros. La combinación de documentos — formularios estructurados, narrativas en texto libre, anexos de múltiples fuentes — exige capacidades específicas que las herramientas OCR de uso general pueden no tener. Estos son los criterios que realmente importan para la operación de siniestros.

Sin plantillas o basada en plantillas. Esta es la decisión más determinante. Si la herramienta requiere crear y mantener plantillas por aseguradora, tipo de formulario y canal de recepción, no resistirá la variedad de formatos de la recepción real de siniestros. Un enfoque sin plantillas — donde las definiciones de columnas funcionan entre tipos de formulario, aseguradoras y diseños — elimina la deuda de configuración que hace que los pilotos de automatización de siniestros se estanquen tras la fase de prueba de concepto.

Soporte para múltiples tipos de documento. La herramienta debe gestionar formularios ACORD, informes policiales, presupuestos de reparación e historiales médicos como tipos de documento distintos, con definiciones de columnas separadas — no tratar todo como "un solo documento".

Capacidad para escritura manual. Un porcentaje significativo de formularios de siniestros se rellenan a mano — al borde de la carretera, en un hospital, sobre una tabla. Si la precisión de la herramienta con escritura manual en campos estructurados es inferior al 85 %, la automatización de campos estructurados fracasa porque demasiadas salidas requieren corrección.

Exportación por lotes a hoja de cálculo o sistema de siniestros. La salida debe ser un archivo estructurado (Excel, CSV) que pueda cargarse en Guidewire ClaimCenter, Duck Creek Claims o cualquier plataforma de gestión de siniestros sin necesidad de reformateo manual.

Sin necesidad de entrenamiento. Los equipos de siniestros no tienen volumen para entrenar modelos personalizados. Una herramienta que requiera de 10 a 50 documentos de muestra por tipo de formulario para "aprender" sus formatos de siniestro no es adecuada para el caso de uso de recepción de seguros, donde aparecen regularmente nuevos formatos de aseguradora y variaciones de documentos de respaldo.

Preguntas Frecuentes

¿Qué tipos de documentos se incluyen en la extracción de datos de reclamos de seguros?

La extracción de reclamos abarca el expediente completo: formularios ACORD de aviso de pérdida (ACORD 1 para propiedad, ACORD 2 para autos, ACORD 3 para responsabilidad general, ACORD 4 para compensación laboral), informes policiales, presupuestos de reparación de autos y propiedad, registros y facturas médicas de ingreso, y correspondencia de respaldo. Cada tipo de documento requiere su propia definición de columna de extracción, pero todos los resultados se vinculan por el número de reclamo o póliza para un procesamiento consolidado.

¿Qué precisión tiene la extracción por IA en formularios de reclamos de seguros en comparación con el ingreso manual?

En los campos estructurados del encabezado — número de póliza, nombre del asegurado, fecha y lugar de la pérdida, montos — la extracción por IA alcanza una precisión del 90–95%+, notablemente superior a la tasa de error del 3–5% a nivel de campo del ingreso manual de datos. Los errores restantes se concentran en tipos de campo específicos (VIN manuscritos, marcas de casillas parciales) y son lo suficientemente predecibles como para construir un flujo de trabajo de verificación selectiva dirigido. Los errores manuales, por el contrario, son aleatorios — cualquier campo puede estar mal por cualquier motivo — lo que los hace más difíciles de detectar sin una relectura completa de cada documento.

¿Puede la IA extraer la descripción narrativa de la pérdida de un formulario de reclamo?

Puede extraer el texto de la narrativa con alta precisión — leyendo palabras manuscritas o escritas a máquina y presentándolas como un bloque de texto en una celda de hoja de cálculo. No puede categorizar de manera confiable esa narrativa en campos estructurados como "Causa de la Pérdida" o "Parte Culpable". Los modelos de lenguaje que intentan clasificar narrativas producen una tasa de error del 25–30% que hace que el resultado no sea confiable para decisiones de cobertura o responsabilidad. El flujo de trabajo recomendado es extraer la narrativa como texto sin formato y dejar que el ajustador la lea directamente, mientras que los campos estructurados — que representan la mayor parte de la carga de ingreso de datos — se automatizan.

¿La extracción con IA funciona en informes policiales de distintas jurisdicciones?

Sí, y aquí es donde la extracción sin plantillas tiene una ventaja decisiva sobre el OCR tradicional. En Estados Unidos hay aproximadamente 18 000 agencias de aplicación de la ley, cada una con un formato de informe diferente. El OCR basado en plantillas requeriría una plantilla distinta por agencia. La extracción semántica lee las etiquetas de los campos en cada informe —"Nombre del oficial", "Número de informe", "Conductor responsable"— para localizar los valores, de modo que una sola definición de columna cubre todos los formatos de agencia. El mismo principio aplica a los presupuestos de reparación, que varían según el sistema de software de estimación (CCC, Mitchell, Audatex).

¿Qué tan bien maneja la IA los formularios de reclamos escritos a mano?

En campos estructurados con etiquetas claras, los formularios manuscritos se extraen con una precisión del 85–90% para la mayoría de las calidades de escritura. El principal modo de fallo son las lecturas erróneas de caracteres individuales —un "5" manuscrito leído como "S", un "0" como "O"— más que fallos en campos completos. Los formularios llenados en condiciones adversas (al borde de la carretera tras un accidente, en una habitación con poca luz) suelen tener una escritura más apresurada que lleva la precisión hacia el extremo inferior de ese rango. Un flujo de trabajo práctico de reclamos incluye un paso de validación de 1 a 2 minutos para verificar los 2 o 3 campos más críticos de cada formulario.

¿Los datos extraídos de reclamos se pueden exportar directamente a Guidewire o Duck Creek?

Sí. El resultado de la extracción es un archivo estructurado —Excel, CSV o JSON— que se puede importar a cualquier sistema de gestión de reclamos que acepte cargas de datos por lote. Los encabezados de columna coinciden con los nombres de campo que definiste durante la configuración de extracción, por lo que los datos llegan a los campos correctos del sistema. Para equipos que procesan grandes volúmenes, la exportación por lote también se puede configurar para generar hojas o archivos separados por tipo de documento (campos ACORD, campos de informe policial, campos de presupuesto) vinculados por el número de reclamo o póliza.

¿Funciona también para formularios de indemnización laboral?

Sí. Los formularios FNOL de indemnización laboral comparten la misma estructura que otros siniestros basados en ACORD: un conjunto de campos de encabezado etiquetados (nombre del empleador, nombre del empleado, fecha de la lesión, naturaleza de la lesión, parte del cuerpo, médico tratante) más una descripción narrativa del accidente. Los campos estructurados se extraen con los mismos rangos de precisión que los siniestros de propiedad y automóviles. Los siniestros laborales también generan documentos adicionales — informe inicial del médico, formularios de reincorporación laboral, declaraciones de salario — cada uno manejable con su propio conjunto de columnas de extracción.

¿Puede la IA extraer datos de fotos de daños vehiculares?

No datos estructurados en el sentido tradicional. Los modelos de visión artificial pueden clasificar tipos de daños (colisión frontal, daño por granizo, daño por incendio) y estimar rangos de gravedad, pero no pueden generar un valor en dólares ni una lista de piezas solo a partir de una foto. Las fotos se tratan mejor como evidencia de respaldo vinculada al registro del siniestro, mientras que los presupuestos estructurados de talleres o contratistas proporcionan los datos que alimentan las reservas financieras y los cálculos de liquidación.

¿Cuántos formularios de siniestro se pueden procesar en un solo lote?

No hay un límite práctico superior para el tamaño del lote en la extracción con IA. Los equipos de siniestros procesan rutinariamente entre 100 y 200 paquetes de siniestros en un solo lote — combinando formularios ACORD de múltiples aseguradoras, informes policiales de diferentes agencias y presupuestos de reparación de varios talleres. El tiempo de procesamiento escala linealmente con la cantidad de documentos, con un promedio de 5 a 10 segundos por documento, independientemente del formato o la aseguradora. Para volúmenes más altos, el flujo de trabajo por lotes admite procesamiento concurrente a través de planes de equipo.

¿Cómo empiezo a probar la extracción con IA en mis propios formularios de siniestro?

Sube un formulario ACORD escaneado — de propiedad, automóvil o responsabilidad civil general — o una foto de un formulario de siniestro completado. No se requiere registro para la primera prueba. Define las columnas que necesita tu sistema de siniestros: Número de Póliza, Fecha del Siniestro, Nombre del Asegurado, Ubicación del Siniestro, Monto Estimado, Tipo de Siniestro. Ve los resultados de extracción en segundos. Para un tutorial completo sobre procesamiento por lotes de múltiples formularios de aseguradoras y documentos de respaldo, consulta nuestras guías paso a paso para tipos específicos de documentos de siniestros.