La gestión de documentos en empresas siempre fue un terreno complicado. Contratos con firmas incrustadas, facturas escaneadas en ángulos poco prácticos y archivos de cumplimiento llenos de casillas, sellos y estampillas son parte del escenario habitual. Aunque los modelos de lenguaje de gran escala (LLM, por sus siglas en inglés) demostraron ser útiles y potentes en entornos corporativos, muchas veces fallan ante este tipo de desafíos.

Sin embargo, el científico informático y empresario tecnológico Andrew Ng cree que la solución no pasa por forzar al máximo la inteligencia artificial de uso general, sino por desarrollar sistemas especializados de inteligencia agente. Su empresa, Landing AI, presentó ADE DPT-2, una nueva versión de su plataforma de extracción de documentos, impulsada por un modelo de inteligencia artificial llamado Document Pre-trained Transformer (DPT-2).

"Al trabajar con documentos prácticos, desarrollamos el DPT, que podemos implementar y utilizar para atender a los clientes rápidamente", me comentó Andrew Ng, presidente ejecutivo y fundador de Landing AI. "Los flujos de trabajo agentísticos pueden muestrear iterativamente los datos de entrada y ofrecer resultados mucho mejores que los flujos de trabajo no agentísticos. Al igual que una persona examina un documento dividiéndolo en subpartes y luego examinándolo, llega a una comprensión mucho mejor, nuestro sistema ADE también lo hace", agregó.

Los documentos siguen siendo el eje de la toma de decisiones en las empresas. El problema es que muchos datos clave están ocultos en formatos poco estandarizados. Una firma que falta puede demorar la aprobación de un préstamo, y una cifra malinterpretada en una historia clínica puede provocar errores en el tratamiento.

Dan Maloney, CEO de Landing AI, señaló que la inteligencia documental antes se consideraba un problema secundario porque las tecnologías disponibles solo podían procesar un conjunto limitado de documentos y con una precisión modesta. Pero, aseguró, eso ya cambió.

"Con enfoques como el razonamiento agente, la inteligencia documental pasó de ser una solución puntual a una capacidad empresarial central, resolviendo desafíos de datos no estructurados a gran escala en los sectores de la salud, los servicios financieros, el derecho y el cumplimiento normativo", afirmó.

IA especializada frente a modelos universales

La nueva versión de la plataforma no es solo una actualización técnica. En lugar de apoyarse en un único modelo masivo para sortear el ruido, el modelo de IA DPT-2 aplica estrategias específicas que le permiten captar los matices con precisión. Lanzado apenas seis meses después de la versión inicial, ADE DPT-2 puede interpretar tablas sin cuadrículas, reconstruir celdas fusionadas y conservar los valores de manera que los usuarios puedan rastrear cada dato hasta su origen.

Reconoce logotipos, sellos y figuras pequeñas sin incorporar información irrelevante. Gracias a una detección de diseño más precisa, también identifica sellos en tablas dentro de procesos vinculados al cumplimiento normativo. Además, el modelo de IA agentic reconoce firmas, casillas de verificación, códigos de barras, códigos QR y credenciales.

Andrew Ng explicó la filosofía detrás de esta propuesta: "Hemos superado la era de los modelos universales. Así como hoy usamos diferentes procesadores para distintas cargas de trabajo (tu reloj inteligente tiene un procesador menos potente que tu portátil, que a su vez es menos potente que el centro de datos), también para las cargas de trabajo de IA necesitamos diferentes tipos y cantidades de inteligencia para hacer cosas diferentes".

Según la empresa, las industrias mejor posicionadas para adoptar esta tecnología son también las que exigen mayor precisión. El sector financiero puede acelerar la aprobación de préstamos al extraer y validar contratos. Salud tiene la posibilidad de capturar formularios de pacientes e informes de laboratorio con exactitud. Y en seguros, se pueden procesar reclamaciones manuscritas o selladas sin perder contexto. Para los directores ejecutivos, esto se traduce en ciclos más cortos, menos riesgos regulatorios y un cumplimiento más riguroso.

"Para los proveedores de HealthTech y FinTech, ADE se convierte en la capa de inteligencia integrada que permite a sus plataformas diferenciarse con una incorporación más rápida, informes más precisos y una mayor garantía de cumplimiento", comentó Maloney.

Detalló que para alcanzar esta escala fue necesario tomar decisiones exigentes tanto en el diseño del producto como en la infraestructura. El equipo desarrolló canales que reconocen esquemas con el objetivo de mantener la precisión de la extracción frente a millones de variantes documentales, y adoptó el escalado horizontal de GPU para procesar picos de millones de páginas por día sin perder rendimiento. Para facilitar su adopción, la compañía sumó integraciones nativas con plataformas como ServiceNow, Snowflake y SAP, lo que permite a los clientes manejar los datos extraídos directamente en sus sistemas de registro. Además, incorporó un modelo de medición basado en créditos dentro de la plataforma que ayuda a las empresas a gestionar cargas de trabajo variables.

Ya disponible vía API, Landing AI asegura que los primeros usuarios de ADE lograron un ahorro de tiempo significativo. Algunas organizaciones redujeron hasta en un 90 % las horas dedicadas a buscar información dentro de los documentos. Además, la empresa posicionó su API Parse como una herramienta para convertir documentos en formato markdown estructurado y fragmentos semánticos, lo que hace que la información sea más accesible. Por su parte, la API Extract se enfoca en la extracción de campos según esquemas definidos. Ambas soluciones garantizan que los resultados conserven la fidelidad del documento original, lo que refuerza la confianza en los datos procesados.

La inteligencia documental como parte central de la empresa

Gigantes tecnológicos como OpenAI, Microsoft y Google siguen incorporando sus modelos básicos en los flujos de trabajo de las compañías, mientras Salesforce expande sus plataformas con inteligencia artificial integrada. En ese contexto, Landing AI elige otro camino.

Su estrategia apunta a la especialización, no a la escala. La empresa sostiene que lo que las organizaciones necesitan es precisión, explicabilidad y soluciones diseñadas para problemas concretos, no modelos universales. Su apuesta es que, en la etapa de la inteligencia artificial agente, los modelos no solo procesen datos, sino que lleguen a comprenderlos. Esa comprensión, aseguran, podría ser la clave para que las empresas tomen decisiones más informadas, escalen sus operaciones y fortalezcan la confianza en esta nueva etapa de la tecnología.

"La inteligencia documental es un componente clave, entre otros. La IA ahora puede procesar información no estructurada de una manera que no era posible hace dos años. Por lo tanto, el valor de extraer esos datos de los documentos es ahora muchísimo mayor", afirmó Andrew Ng. "Es un componente clave que se utilizará junto con muchos otros (como los LLM de propósito general, RAG, etc.)", concluyó.

Nota publicada por Forbes US