TENDENCIAS TI
Cuando el OCR lee, la IA generativa comprende
COMPARTIR EL ARTÍCULO EN
Desde hace años, las tecnologías de reconocimiento documental están transformando la forma en que los departamentos de RR. HH. gestionan la documentación. El reconocimiento óptico de caracteres (OCR) permitió dar un primer gran paso: automatizar la lectura de documentos escaneados y liberar a los equipos de RR. HH. de innumerables tareas manuales de introducción de datos.
A esta primera generación de tecnología se sumó después “la visión artificial” (Computer Vision), capaz de identificar automáticamente qué tipo de documento se ha recibido. Más adelante llegó el OCR zonal, que permite extraer información de áreas concretas en función del tipo de documento identificado. Y, más recientemente, el procesamiento inteligente de documentos (Intelligent Document Processing, IDP) ha hecho posible estructurar los datos extraídos e incorporarlos automáticamente a los procesos de RR. HH.
Todos estos avances han mejorado considerablemente la eficiencia operativa. Sin embargo, siguen teniendo una limitación importante: pueden leer, pero no siempre comprenden lo que leen. Esto puede generar errores y hacer que siga siendo necesaria la intervención humana.
Las limitaciones de los métodos tradicionales
Cuando un documento está bien estructurado y correctamente escaneado, los niveles de reconocimiento suelen ser excelentes. Las dificultades aparecen cuando contiene texto manuscrito, la calidad del escaneo es deficiente o la información resulta ambigua.
Durante la pandemia de COVID-19 pudimos comprobar de primera mano estas limitaciones. Implantamos en Estados Unidos una solución para automatizar el procesamiento de los certificados de vacunación durante el regreso de los empleados a sus centros de trabajo.
Muchos de estos certificados estaban parcialmente cumplimentados a mano, no siempre eran fáciles de descifrar y, en algunos casos, las firmas ocultaban información relevante.
En estas situaciones, los algoritmos de visión artificial y OCR podían ofrecer una lectura del documento, pero no eran capaces de determinar si la información obtenida era realmente coherente y fiable. Como consecuencia, seguía siendo necesaria una revisión manual considerable y costosa.
Los partes de baja médica: un buen ejemplo del problema
Los partes de baja médica ilustran perfectamente este desafío y la presión que este tipo de documentación puede ejercer sobre los procesos de RR. HH.
Los empleados deben comunicar la baja a su empresa sin demora y, cuando el convenio colectivo o la política de la empresa no establecen un plazo diferente, la práctica habitual suele contemplar un plazo de 48 horas. También disponen de 48 horas para informar al organismo correspondiente de la Seguridad Social.
Al mismo tiempo, las prestaciones económicas por incapacidad temporal continúan aumentando. Según la edición de 2025 de Dépenses de santé en 2024 (Gasto sanitario en 2024), publicada por la DREES, estas prestaciones aumentaron un 6,2 % en 2024, hasta alcanzar los 21.400 millones de euros, de los cuales 12.100 millones correspondieron a enfermedad. El sistema nacional de seguro de salud francés también publica datos abiertos sobre las prestaciones por baja médica abonadas hasta 2024.
Estas cifras ponen de manifiesto que la automatización de la documentación de RR. HH. responde a una necesidad real y a gran escala: agilizar la gestión, reducir los tiempos de procesamiento y garantizar la seguridad de unos procesos que afectan directamente tanto a los empleados como a los equipos de RR. HH.
En un parte de baja médica, por ejemplo, el OCR puede extraer las fechas, identificar al empleado y obtener los datos del médico. Pero el verdadero reto no consiste únicamente en leer esa información, sino en comprobar que es coherente.
¿Son coherentes las fechas entre sí?
¿Coincide la información extraída con los datos registrados en el sistema de información de RR. HH. (HRIS)?
Si un valor no se ha leído correctamente, ¿resulta plausible teniendo en cuenta el contexto? Por ejemplo, ¿la duración de la baja se corresponde realmente con el periodo comprendido entre las fechas de inicio y fin?
Un error en este tipo de documentos puede tener consecuencias en la nómina, la administración de RR. HH. o la información que debe facilitarse a los organismos reguladores.
Por tanto, el objetivo ya no consiste únicamente en leer correctamente la información, sino también en comprobar su coherencia y fiabilidad antes de automatizar cualquier proceso a partir de ella.
Una nueva capa de comprensión gracias a los modelos de lenguaje
Aquí es donde la nueva generación de modelos de lenguaje supone un verdadero cambio. Hablamos de los grandes modelos de lenguaje (LLM) y también de algunos modelos de lenguaje pequeños (SLM).
A diferencia del OCR tradicional, cuya función es reconocer caracteres, un modelo de lenguaje puede analizar la relación entre los distintos datos extraídos, interpretarlos en su contexto y determinar si son coherentes.
Nuestros equipos han probado y validado el uso de esta capa adicional de inteligencia sobre nuestros sistemas de OCR y procesamiento inteligente de documentos (IDP) para:
detectar incoherencias;
comprobar reglas de negocio;
elegir entre distintas interpretaciones posibles de un texto manuscrito;
completar determinada información;
evaluar el nivel de confianza de los datos antes de automatizar un proceso.
La IA generativa, por tanto, no sustituye al OCR. Parte de la información proporcionada por el motor de reconocimiento documental y añade algo que hasta ahora faltaba: una capa de comprensión.
Y esto no significa automatizarlo todo sin supervisión. Cuando la información no ofrece un nivel de confianza suficiente, el sistema puede solicitar la validación de una persona antes de continuar con el proceso.
El futuro del IDP: una nueva forma de entender los documentos
La combinación de OCR, visión artificial e IA generativa marca una nueva etapa en la transformación digital de los servicios de RR. HH.
Por un lado, permite aumentar considerablemente el número de documentos que pueden procesarse de forma automática. Por otro, mejora la fiabilidad de los datos que finalmente se incorporan al HRIS. Esto resulta especialmente importante cuando hablamos de información tan sensible como la nómina, los derechos de los empleados o el cumplimiento normativo.
Algunos análisis sobre inteligencia artificial cuestionan el futuro del procesamiento inteligente de documentos. La idea es que, con el tiempo, los documentos podrían llegar a desaparecer: todos los sistemas estarían conectados mediante API, la información se intercambiaría en tiempo real y los agentes de IA accederían directamente a los datos que necesitan.
En Sopra HR creemos que esta visión no se puede trasladar directamente al ámbito de los RR. HH.
Porque, antes de ser fuentes de datos, muchos documentos tienen valor legal.
Los empleados seguirán teniendo que aportar documentación con validez legal —como partes de baja médica, datos bancarios, documentos de identidad, permisos de trabajo o justificantes de domicilio— para acceder a determinados servicios de RR. HH. Además, los analistas del sector anticipan un aumento del fraude relacionado con este tipo de procesos.
Por tanto, el futuro del IDP no pasa por eliminar los documentos, sino por transformar el papel que desempeñan.
Hasta ahora, un documento era principalmente una fuente de información que el OCR debía leer y extraer. Con la incorporación de la IA, ese mismo documento puede convertirse en el punto de partida de una decisión, una comprobación o un flujo de trabajo de RR. HH.
Más que una simple evolución tecnológica, estamos ante un cambio de enfoque: pasamos de automatizar la lectura de documentos a automatizar procesos basándonos en la confianza que tenemos en la información que contienen.
