La técnica es extracción a campos, comparación entre fuentes y búsqueda por embeddings. Los casos donde ya está en producción —originación, comercio y el conocimiento del sistema— enseñan el límite: el modelo propone, la regla y la persona deciden.

Dónde ya está aplicada

Cómo se gobierna

De un caso manual al sistema

1. Elegir el trabajo manual

   Un documento que se digita, una comparación que se hace en una hoja o una pregunta que siempre termina en la misma persona.

2. Fijar el contrato

   Qué campos salen, qué se considera suficiente y qué pasa cuando el modelo no está seguro: se detiene y lo ve una persona.

3. Meterlo en el flujo que ya existe

   Originación, repositorio documental o el canal de comercio. La IA no abre un sistema paralelo.

4. Corregir con casos reales

   Se observan los documentos que fallan y se ajusta la instrucción, el catálogo o la regla. El piloto no se declara cerrado el primer día.

Ciencia de datos, en este mismo trabajo, es dejar el dato confiable antes de pedir una predicción: fuente, dueño y regla. Sin eso, el modelo solo acelera un error. Si el caso es ordenar la información de la operación, sigue engestión inteligente de datos. Si el caso es no soltar un cambio que rompa el flujo, sigue enaseguramiento de calidad.