Cómo usar la extracción de columnas personalizadas:
Obtén solo los datos que necesitas, no toda la página
La mayoría de las herramientas de extracción de documentos funcionan como una fotocopiadora de texto: escanean la página y vuelcan todo lo que encuentran en una hoja de cálculo. Si necesitas tres campos de una orden de compra — número de OC, nombre del proveedor y total — obtienes las 47 cadenas de texto de la página, y luego tienes que seleccionar manualmente las tres que querías. La extracción de columnas personalizadas invierte esta lógica. Le dices a la IA lo que quieres primero, y ella solo te trae eso.
Por qué "extraer todo" es el punto de partida equivocado
El OCR tradicional responde una sola pregunta: "¿qué texto hay en esta página?". Convierte la imagen de un documento en un flujo de caracteres legibles por máquina: cada palabra, cada número, cada marca de agua y número de página. En una factura de una página, eso pueden ser entre 50 y 80 cadenas de texto, volcadas en una hoja de cálculo sin estructura ni etiquetas. Tu trabajo entonces es: leer el resultado, identificar qué cadena es el número de factura, cuál es la fecha, cuál es el total, y copiarlos en tu hoja de cálculo real.
Por eso "extraer todo el texto" rara vez es la respuesta correcta para el procesamiento de documentos empresariales. Casi nunca necesitas todo el texto de un documento. Necesitas de cinco a diez campos específicos. El resto es ruido, y el tiempo que dedicas a filtrar ese ruido es el mismo tiempo que intentabas ahorrar al automatizar.
La extracción personalizada por columnas parte del otro extremo. En lugar de extraer todo y filtrar después, defines tus columnas de antemano. La IA lee el documento usando tus campos objetivo como lente: busca el número de OC, el nombre del proveedor y el total, e ignora todo lo demás. El resultado es exactamente la hoja de cálculo que querías, con exactamente las columnas que nombraste.
La clave: La precisión de la extracción mejora cuando acotas el objetivo. Una IA a la que se le pide "encontrar y extraer todo el texto" no tiene un mecanismo de priorización: cada cadena de texto recibe el mismo tratamiento. Una IA a la que se le pide "encontrar el número de OC, el nombre del proveedor y el total del pedido" puede concentrarse en localizar esos valores específicos, usando pistas semánticas ("¿cómo se ve un número de OC?") y contexto ("¿dónde suele aparecer un total?") para mejorar la precisión. La especificidad es precisión.
Los Nombres de Columna Son Instrucciones: Una Estrategia de Nombrado
Los nombres de columna que escribes son el principal canal de comunicación entre tú y la IA. Un nombre de columna bien redactado es una instrucción precisa: le indica a la IA exactamente qué tipo de valor buscar y cómo formatearlo. Un nombre de columna vago ("Monto") le da muy poca orientación a la IA. Un buen nombre de columna ("Monto Total del Pedido" o "Total de Factura") reduce la búsqueda y aumenta las probabilidades de obtener el número correcto al primer intento.
Estos son los principios de nombrado que producen los resultados de extracción más precisos:
| Principio | Bueno | Mejor | Por qué |
|---|---|---|---|
| Sé específico sobre la entidad | Número | Número de OC | "Número" podría ser cualquier cosa: número de factura, número de línea, número de referencia. "Número de OC" le indica a la IA exactamente qué número encontrar. |
| Incluye contexto sobre posición o función | Fecha | Fecha de Factura | Un documento puede tener varias fechas (fecha de emisión, fecha de vencimiento, fecha de entrega). Especificar cuál evita ambigüedades. |
| Usa calificadores descriptivos | Dirección | Dirección de Envío | Las facturas y OC suelen tener direcciones de facturación y de envío. Calificar el tipo elimina confusiones. |
| Indica el formato deseado | Monto | Monto Total (Número) | Agregar "(Número)" le indica a la IA que extraiga solo el valor numérico y elimine los símbolos de moneda. |
| Usa la terminología común del documento | Cliente | Nombre de la Empresa Compradora | Usa el lenguaje que realmente aparece en tus documentos. "Comprador" es estándar en OC; "Cliente" es estándar en facturas. |
No es necesario seguir una convención de nomenclatura rígida: la IA entiende el lenguaje natural. "Fecha de vencimiento" y "Fecha de pago" funcionan igual. Pero cuanto más específico seas, menos ambigüedad tendrá que resolver la IA y mayor será la precisión de la extracción.
Tres escenarios reales de extracción
El mismo mecanismo de columnas personalizadas se adapta a tipos de documentos y flujos de trabajo muy distintos. Aquí hay tres escenarios comunes, cada uno con una estrategia de configuración de columnas diferente.
Escenario 1: Procesamiento de facturas
Lo que necesitas: Número de factura, Fecha de factura, Fecha de vencimiento, Nombre del proveedor, Subtotal, Monto del impuesto, Monto total, Moneda. Estos ocho campos aparecen en casi todas las facturas, independientemente del formato o diseño.
Configuración de columnas: Ingresa los nombres de los campos exactamente como se enumeran arriba. Para facturas de varias páginas con líneas de detalle, agrega columnas para "Descripción del artículo", "Cantidad", "Precio unitario" y "Total por línea". Cada línea de detalle se convierte en una fila en el resultado, con los campos del encabezado de la factura (número, fecha, proveedor) repetidos en cada fila de esa factura, lo que facilita filtrar y sumar por proveedor.
Consejo para lotes: Si procesas facturas de varios proveedores a la vez (por ejemplo, en la ejecución de cuentas por pagar de fin de mes), puedes cargar todas las facturas en un solo lote. La IA extrae los datos de cada una de forma independiente y combina los resultados en una sola hoja de cálculo con columnas uniformes en todas las filas.
Escenario 2: Procesamiento de órdenes de compra
Lo que necesitas: Número de OC, Fecha de emisión, Nombre del proveedor, Código del artículo, Descripción del artículo, Cantidad pedida, Precio unitario, Total por línea, Fecha de entrega solicitada. Estos campos cubren tanto el encabezado de la OC como el detalle de las líneas en una sola pasada.
Estrategia de configuración de columnas: Las órdenes de compra (PO) tienen más tablas que las facturas. Incluye todas las columnas de detalle que necesites — Código de artículo, Descripción, Cantidad, Precio unitario, Total por línea — en la misma lista de columnas que los campos de encabezado. La IA entiende que los campos de encabezado (Número de PO, Nombre del proveedor) aplican a todo el documento y los repite para cada fila de detalle, mientras que los campos de detalle varían por fila dentro de la tabla.
Manejo de varias páginas: Para PO que abarcan varias páginas con encabezados de columna repetidos en cada página, la IA reconoce los encabezados repetidos y los excluye del resultado. Una PO de 10 páginas con 200 artículos genera 200 filas de datos, no 10 tablas separadas que requieran unión manual.
Escenario 3: Comparación de cotizaciones de proveedores
Lo que necesitas: Nombre del proveedor, Descripción del artículo, Cantidad, Precio unitario, Total por línea, Plazo de entrega (días), Condiciones de pago, Moneda. Sube cotizaciones de cinco proveedores diferentes en un solo lote, y la IA extrae cada una usando las mismas definiciones de columna — sin importar cuán diferente sea el formato de cada proveedor.
Ventaja clave: Diferentes proveedores pueden usar nombres distintos para la misma información. Uno lo llama "SKU", otro "Número de pieza", un tercero "Código de artículo". La comprensión semántica de la IA asigna los tres a tu columna "Código de artículo" sin que necesites configurar sinónimos o asignaciones por proveedor.
Los archivos se procesan de forma segura y no se almacenan.
Guardar como Plantilla: Configura una Vez, Úsalo Siempre
Una vez que hayas definido un conjunto de columnas que funcione bien para un tipo de documento en particular — por ejemplo, tus columnas estándar de extracción de facturas — puedes guardarlo como plantilla. La próxima vez que proceses facturas, carga la plantilla con un solo clic en lugar de volver a escribir los ocho nombres de columna.
Aquí es donde la inversión inicial de configuración se amortiza continuamente. Configurar tus columnas de facturas toma dos minutos la primera vez. Cada lote posterior de facturas — ya sean cinco o cincuenta — comienza con esas columnas precargadas. Subes los archivos, la IA los procesa con tu plantilla guardada y obtienes una hoja de cálculo estructurada de forma consistente cada vez.
Las plantillas también ayudan a mantener la consistencia en el equipo. Si varias personas procesan documentos, compartir la misma plantilla asegura que todos obtengan columnas idénticas en el mismo orden, sin variaciones en nombres de campos, columnas faltantes ni desviaciones en el formato con el tiempo.
Preguntas Frecuentes
¿Cuántas columnas debo definir? ¿Hay un límite?
No hay un límite estricto, pero sí práctico. Hasta unas 15-20 columnas, la extracción es consistentemente confiable. Más allá, empiezas a cubrir campos excepcionales que quizás no aparezcan en cada documento. Un conjunto enfocado de 5-12 columnas bien nombradas casi siempre da mejores resultados que una lista exhaustiva de 30 columnas, porque la IA puede prestar más atención a cada campo. Si necesitas muchos campos, considera dividir en dos pasos: campos principales en el primero y complementarios en el segundo.
¿Qué pasa si un campo no existe en un documento en particular?
La celda queda en blanco. Por ejemplo, si tu conjunto de columnas incluye "Monto del Impuesto" pero uno de tus documentos no tiene impuesto (común en facturas B2B interestatales o documentos de exportación), esa fila en tu salida simplemente tendrá una celda vacía de Monto del Impuesto. La hoja de cálculo se mantiene estructuralmente consistente (todas las filas tienen las mismas columnas), pero los valores solo se completan donde la IA los encontró en el documento.
¿Puedo mezclar diferentes tipos de documentos en un mismo lote?
Sí, pero solo si tu conjunto de columnas tiene sentido para todos los tipos del lote. Si subes facturas, órdenes de compra y recibos juntos con columnas como "Número de Factura / Número de OC / Número de Recibo", la IA intentará encontrar cada campo en cada documento. Los documentos que no contengan un campo dado tendrán celdas en blanco para esa columna. Para mejores resultados, agrupa documentos del mismo tipo: todas las facturas en un lote, todas las OC en otro. Esto mantiene tus definiciones de columnas enfocadas y tu salida limpia.
¿Qué tan preciso es comparado con escribir los datos manualmente?
Para documentos impresos y bien formateados, la precisión a nivel de campo supera el 90% — es decir, 9 de cada 10 valores se extraen correctamente en la primera pasada. Esto se compara favorablemente con la entrada manual de datos, que tiene una tasa de error inherente del 1-3% por pulsación según investigaciones de calidad de datos. La diferencia es que los errores de IA tienden a ser predecibles (confundir nombres de campo similares, leer mal texto de baja resolución), mientras que los errores humanos son aleatorios (erratas, transposiciones, filas saltadas). Una revisión rápida de la salida de IA detecta la mayoría de los problemas; detectar tus propios errores de entrada manual requiere verificación línea por línea contra el documento fuente, lo que toma tanto tiempo como la entrada original.
¿Puede la IA manejar casillas de verificación, sellos y firmas?
Sí — puedes definir columnas para estos. Usa nombres descriptivos como "Casilla de aprobación (Marcada/No marcada)", "Sello de empresa presente (Sí/No)" o "Firma autorizada presente (Sí/No)". La IA identifica estos elementos visuales y devuelve el estado correspondiente. Para firmas, la salida suele ser "Presente" o "No presente" — verifica existencia, no identidad.