Extracción de datos por lotes: Una carpeta adentro, una hoja de cálculo para revisar
Extraer datos manualmente de una pila de documentos toma aproximadamente 3 minutos por página. La extracción por lotes procesa cada página en 5-10 segundos y coloca toda la carpeta en una sola hoja de cálculo, aproximadamente 18 veces más rápido, sin plantillas y sin clasificación previa.
5-10s por página · Cualquier formato (PDF/JPG/PNG) · Lote mixto · Hasta 99% de precisión en texto impreso
Qué puede extraer de un lote de documentos
Defina las columnas que necesita una sola vez, y la IA extrae esos valores de cada documento del lote, sin importar su formato o diseño. Cada documento se convierte en una fila de una única hoja de cálculo.
Escribe estos nombres de columna una sola vez. La IA los aplica a todos los documentos del lote: PDF, escaneos, fotos, archivos de Word y archivos de texto por igual.
La extracción de datos por lotes suena simple hasta que la prueba con una carpeta real
Cada herramienta promete "sube varios archivos, obtén una hoja de cálculo". La mayoría cumple solo cuando todos los documentos comparten el mismo diseño. Las carpetas reales no llegan así: los proveedores difieren, los formatos se mezclan y algunos archivos siempre son peores que el resto. Y cuando el objetivo es el texto en sí en lugar de columnas con nombre, el OCR por lotes que lee toda la carpeta es una opción más ligera sobre esos mismos archivos.
Dónde falla el procesamiento por lotes en carpetas reales
Una plantilla por diseño de documento significa una plantilla por proveedor. Las herramientas basadas en plantillas exigen un analizador por diseño, así que cuando la factura de cada proveedor está posicionada de forma distinta, hay que crear y mantener una configuración separada para cada una. Incluso las herramientas impulsadas por IA como Nanonets o Rossum requieren entrenamiento por tipo de documento o mapeo de campos antes de poder procesar un lote. Un usuario en Reddit describió la situación sin rodeos: "Copiamos datos de PDF a Excel manualmente cada semana y nos lleva muchísimo tiempo." La solución de plantillas no elimina el trabajo; lo traslada de copiar a configurar.
Las carpetas reales no llegan ordenadas por formato. Un PDF nativo, una imagen escaneada y una foto de teléfono requieren cada uno un flujo de procesamiento distinto en las herramientas OCR tradicionales, así que se acaba ejecutando lotes separados por formato y combinando los resultados a mano. Un desarrollador en Reddit lo expresó con claridad: "El PDF es un formato de salida legible para humanos. No es un formato de entrada legible para computadoras", por eso los flujos específicos por formato fallan en cuanto una carpeta los mezcla.
El tamaño del lote y la visibilidad del progreso son secundarios. Muchas herramientas procesan archivos uno a uno detrás de una única barra de progreso. Cuando un documento falla, no hay forma de saber cuál ni por qué, así que hay que revisar todo el lote a mano. El verdadero cuello de botella no es la velocidad de la IA; es la falta de estado por documento.
Cómo un Solo Lote Cubre una Carpeta Mixta Completa
Usted define la salida, no las reglas de entrada. En lugar de crear un analizador para cada diseño, escribe los nombres de columna que necesita (por ejemplo Document Date, Vendor, Total Amount, Tax, Due Date) y la IA encuentra esos valores en cada documento al comprender su significado. "Invoice Date" en el PDF de un proveedor y "Transaction Date" en un recibo escaneado de otro se resuelven en su columna "Document Date". Los nombres de columna son la única configuración y se aplican a cada documento del lote, independientemente del proveedor, formato o diseño. Esto es Extracción de Columnas Personalizadas: la IA lee por significado en lugar de imponer reglas posicionales.
Todos los formatos comparten un mismo flujo, así que no hay paso de clasificación previa. Suelte una carpeta con facturas en PDF, recibos escaneados en JPG, fotos PNG desde el móvil y algún archivo ocasional de Word o texto en la misma carga. El modelo de lenguaje visual lee cada archivo de la misma manera: observa los píxeles y extrae las columnas que usted nombró. No existe un "flujo para PDF" frente a un "flujo para imágenes"; solo un lote, una definición de columnas y una hoja de cálculo de salida.
El progreso por documento y el procesamiento independiente evitan que un archivo defectuoso arruine el lote. Cada documento se procesa de forma independiente con su propio estado actualizado en tiempo real. La vista del lote muestra exactamente qué documentos se han completado, cuáles se están procesando y cuáles presentaron problemas, en lugar de una barra de progreso que oculta los fallos individuales. El procesamiento toma 5-10 segundos por página (frente a ~3 minutos de entrada manual por página), y la salida es un único archivo XLSX o CSV consolidado con las columnas que usted definió.
Extracción de datos por lotes en la práctica: de una carpeta de archivos mixtos a una hoja de cálculo limpia
Así es como una carpeta mixta avanza en un solo lote y cómo realiza el seguimiento de cada archivo durante el proceso.
Sube el lote completo, con todos los formatos
Su carpeta de fin de mes contiene 30 archivos: 18 facturas en PDF de 10 sistemas ERP distintos, 7 recibos escaneados en JPG de las oficinas de campo y 5 fotos móviles de albaranes manuscritos. Arrastre los 30 al área de carga. Los PDF, JPG, PNG, WebP e incluso Word o archivos de texto se cargan juntos, sin clasificación previa ni paso de "seleccionar tipo de documento". La carga por lotes admite aproximadamente 30 archivos a la vez, cada uno de hasta 10 MB.
Defina sus columnas una vez y se aplicarán a todos los documentos
Escriba Fecha del documento, Proveedor, Número de factura, Importe total, Importe de impuestos, Fecha de vencimiento. Estos se convierten en los encabezados exactos de su hoja de cálculo de salida. La IA asigna "Fecha de factura" en PDF digitales, "Fecha de transacción" en recibos escaneados y "Fecha" en notas manuscritas a su columna "Fecha del documento", porque comprende el significado de cada campo en lugar de ajustarse a una plantilla de tipo de documento. Opcionalmente, añada una columna calculada como Total de línea (Cantidad × Precio unitario) y la IA realizará la aritmética durante la extracción.
Revise el lote archivo por archivo y corrija solo lo necesario
El procesamiento tarda de 5 a 10 segundos por página. La salida es un único archivo XLSX: 30 filas, una por documento, con las columnas que definió, y cada fila conserva su propio estado para que pueda ir directamente a los archivos que requieren revisión. Si la factura de un proveedor no muestra impuestos, esa celda queda vacía en lugar de un cero inventado, y esa fila puede corregirse sin tocar las otras 29. La IA también admite columna inferida: defina una columna "Categoría" con opciones como "Factura / Recibo / Albarán / OC" y la IA clasificará cada documento mientras extrae, produciendo tanto los datos como la etiqueta de tipo de documento en una sola ejecución.
Cuándo funciona mejor la extracción por lotes y cuándo tener precaución
La extracción por lotes maneja de forma fiable formatos mixtos y diseños variados cuando los campos objetivo están etiquetados. Conocer los límites mantiene sus lotes funcionando sin problemas.
Cuándo Funciona Mejor
Lotes de formatos mixtos que comparten conceptos de campo comunes. Cuando cada documento incluye una fecha, un total y un nombre de proveedor en posiciones distintas, la IA los asigna a sus columnas con nombre sin necesidad de configuración por documento.
Etiquetas impresas claras junto a los valores. Hasta un 99 % de precisión cuando los campos están etiquetados, como «Fecha de factura:» y «Total:» en cualquier posición de la página.
~30 documentos por lote con visibilidad del estado de cada archivo. El estado de cada documento (en procesamiento / completado / error) es visible en tiempo real. Los volúmenes más grandes se dividen en varios lotes, y cada uno genera una hoja de cálculo independiente.
Cuándo Tener Precaución
Calidad de origen muy degradada. Recibos térmicos desvanecidos, escaneos por debajo de 200 DPI o imágenes comprimidas con artefactos. La IA compensa usando el contexto mejor que el OCR tradicional, pero la mala calidad del origen es el mayor obstáculo para la precisión, independientemente del tipo de documento.
Campos muy específicos del documento sin un significado compartido al que anclarse. Si un documento contiene «Número de sello del contenedor» y nada más en el lote hace referencia a algo similar, la IA no tiene una señal entre documentos con la que trabajar. Los campos específicos de un tipo se extraen mejor cuando se agrupan con documentos similares.
Valores numéricos sin etiquetar y sin nombres de campo cercanos. Una cifra en dólares que aparece sola en un párrafo sin «Total» o «Importe» cerca no le da a la IA ninguna etiqueta con la que comparar. Los pares etiqueta-valor se extraen de forma fiable; los números aislados en texto narrativo pueden no hacerlo.
Preguntas frecuentes
¿Puedo extraer datos por lotes de PDF, imágenes escaneadas y fotos de teléfono en la misma carga, o necesito separarlos por formato?
Todos los formatos van en el mismo lote. Suba PDF, JPG, PNG, WebP, AVIF, documentos de Word y archivos de texto juntos. El modelo de lenguaje visual procesa cada archivo a través de un solo flujo: lee los píxeles, comprende el contenido y extrae las columnas que usted nombró. Una Fecha de Documento encontrada en un PDF nativo se obtiene de la misma manera, ya sea que esté en un JPG escaneado o en una foto de teléfono, porque la IA lee para comprender el significado en lugar de verificar el formato del archivo. No hay lotes separados por formato ni clasificación manual previa por formato.
¿Qué sucede si un campo que definí, como Monto de Impuesto, no existe en algunos documentos del lote?
La IA deja esa celda vacía para ese documento en lugar de inventar un valor o detener el lote. Una orden de compra sin línea de impuesto mostrará una celda en blanco en la columna Monto de Impuesto, mientras que las facturas del mismo lote que sí tengan impuesto tendrán el valor completado. Ningún error detiene el lote y ningún valor inventado entra silenciosamente en su hoja de cálculo. Esto es especialmente útil cuando su lote contiene diferentes tipos de documentos o formatos de proveedor que tienen campos superpuestos pero no idénticos, porque cada documento se procesa de forma independiente dentro del mismo marco de columnas.
¿Puedo extraer líneas de detalle en modo lote cuando cada documento tiene un número diferente de filas, desde un solo artículo en una factura hasta 50 filas en una orden de compra?
Sí. La IA lee la estructura de cada documento de forma independiente y genera tantas filas de salida como contenga ese documento. Una factura de una sola línea produce una fila con los campos de encabezado (Fecha de Documento, Proveedor, Monto Total) y una fila de línea de detalle (Cantidad, Precio Unitario, Total de Línea). Una orden de compra de 50 líneas produce 50 filas, todas compartiendo los mismos encabezados de columna. No necesita predefinir recuentos de filas ni obtiene una tabla rota por contenido de longitud variable. La columna calculada como "Total de Línea (Cant. × Precio Unitario)" también funciona en lotes de longitud variable.
¿Puedo agregar columnas calculadas a una extracción por lotes, por ejemplo, Total de Línea calculado como Cant. × Precio Unitario durante la ejecución del lote?
Sí. Las columnas calculadas le permiten definir cálculos que la IA realiza durante la extracción, en lugar de requerir un paso separado de fórmula en Excel. Escriba "Total de Línea (Cant. × Precio Unitario)" como nombre de columna, y la IA multiplica los valores que encuentra para Cantidad y Precio Unitario en cada documento del lote, generando el resultado directamente. Esto funciona en todos los documentos, independientemente de cuántas líneas de detalle tenga cada uno. Para usuarios con sesión iniciada, el Formato de Regla admite cálculos de varios pasos más complejos, incluida la agregación entre filas y la lógica condicional.
¿Un documento de mala calidad en el lote afecta a los demás?
No. Cada documento se procesa de forma independiente y su estado se registra en la vista del lote. Si un archivo de un lote de 30 es un escaneo desvaído, la precisión de extracción de ese documento será menor, pero los otros 29 archivos no se verán afectados. El documento de mala calidad sigue apareciendo en el resultado con los valores que la IA pudo extraer, y su fila es fácil de identificar para su revisión. Para obtener los mejores resultados, escanee a 300 DPI o más y use el estado por documento en la vista del lote para encontrar los archivos que necesitan atención sin volver a ejecutar todo el lote.
Flujos de trabajo por lotes relacionados: procesar documentos por lotes en una sola hoja de cálculo de Excel · procesar capturas de pantalla de aplicaciones en lote · procesar por lotes facturas de distribuidores de restaurantes para informes de costos de alimentos · conectar la recopilación de documentos con la extracción por lotes