Documentos e IA
Documentos muy largos
Doscientas páginas de las que os importan cuatro datos. Cómo se plantea.
Un pliego, una póliza o un contrato marco pueden tener doscientas páginas. De todas ellas, lo que necesitáis suele caber en media: cuatro fechas, dos importes y tres condiciones. El problema no es leerlo, es no tener que leerlo otra vez cada vez que alguien pregunta.
Qué cambia respecto a un documento corto
| Aspecto | Documento corto | Documento largo |
|---|---|---|
| La lectura | Directa | Igual, solo que tarda más |
| Lo que se extrae | Casi todo lo relevante | Solo los campos que decidáis |
| El riesgo | Un dato mal leído | Un dato correcto pero del sitio equivocado |
| La revisión | Se lee entero | Se comprueba campo a campo |
Importante
La tercera fila es la específica de los documentos largos. En doscientas páginas hay muchas fechas y muchos importes; el error típico no es leer mal un número, es coger el número correcto de la cláusula que no era.
Cómo se plantea
- 1
Decidid antes qué cuatro o cinco datos importan
Si la lista tiene veinte, la revisión será tan larga como leerlo.
- 2
Comprobad cada dato contra su sitio en el documento
No basta con que el valor sea plausible: tiene que venir de donde toca.
- 3
Dejadlo enlazado al expediente, no suelto
El documento vive donde se usa; los datos, donde se consultan.
- 4
Y anotad la duda si la hay
Una condición ambigua no se resuelve extrayéndola: se marca para que alguien la lea.
Ojo con esto
No uséis un resumen automático para tomar una decisión contractual. Sirve para orientarse y para saber qué cláusula abrir; lo que os obliga es el texto, no el resumen.
Cuando el documento es también escaneado
Un pliego escaneado a baja calidad y de doscientas páginas es el peor caso: mucho texto y poca fiabilidad. Si es un documento importante y va a consultarse durante años, compensa conseguir el original electrónico antes que arreglar la lectura del escaneo.
Ten en cuenta
Los límites de tamaño de subida son los mismos que para cualquier documento. Si un fichero no entra, casi siempre es porque está escaneado a una resolución mucho más alta de la necesaria, no porque tenga demasiadas páginas.
›¿Tarda mucho más?
Más que uno corto, sí. No es un problema si se sube cuando llega y no cuando hace falta.
›¿Puedo buscar dentro de él después?
Sí, y es la mitad del valor: encontrar la cláusula sin recorrerlo entero.
›¿Y si solo me interesan tres páginas?
Podéis subir el documento completo y extraer solo de esas: el resto sigue estando por si acaso.
Un caso real
La situación
Una empresa gana un contrato marco de ciento ochenta páginas y cada consulta obliga a releerlo.
Qué haces
- Extrae seis datos clave y los comprueba contra su cláusula
- Deja el documento enlazado al expediente del cliente
Qué consigues
Las consultas se responden en el momento y el pliego solo se abre cuando hay que citar el texto.
La situación
Un documento de doscientas páginas tarda en procesarse.
Qué haces
- Deja el proceso en marcha y sigue con otra cosa
Qué consigues
El tiempo de proceso no bloquea a nadie.
La situación
Solo hace falta un dato de un documento larguísimo.
Qué haces
- Extrae solo los campos que se van a usar
Qué consigues
La revisión se reduce a lo útil.
La situación
El documento supera el tamaño permitido.
Qué haces
- Lo divide por partes con sentido
Qué consigues
Cada parte entra y se localiza.
La situación
Buscar dentro del documento es imposible a mano.
Qué haces
- Busca por contenido dentro del documento
Qué consigues
Se llega al punto exacto.
La situación
Se sube entero cuando solo importaban dos anexos.
Qué haces
- Sube lo que se va a consultar
Qué consigues
El archivo no crece sin motivo.
Este artículo responde a
- extraer datos de un pdf muy largo
- documento de cientos de páginas
- leer un pliego entero
- sacar información de un contrato largo