Integrar documentos en el workflow y el archivo

Un pipeline puede reconocer y validar datos correctamente y aun así fracasar en producción. Puede crear registros duplicados, perder el original, archivar un caso incompleto o dejar una excepción sin responsable. La automatización documental termina cuando el resultado se incorpora de forma segura al proceso, no cuando el extractor devuelve JSON.

Esta lección diseña el ciclo de vida de extremo a extremo: identidades, estados, contratos con sistemas, escritura idempotente, archivo, permisos y recuperación.

Mantén identidades relacionadas

Conserva identificadores distintos pero conectados para:

• archivo recibido;
• documento lógico;
• paquete o expediente;
• caso de proceso;
• ejecución;
• intento técnico;
• versión del resultado;
• registro creado en el sistema destino.

Estas identidades permiten recorrer el sistema en ambas direcciones. Desde una factura registrada en el ERP deberías poder localizar el documento y la versión del procesamiento. Desde el documento deberías saber qué registro operativo creó o actualizó.

No confundas reintento con nuevo caso. Si una llamada externa falla y se repite, el intento cambia, pero la intención empresarial puede ser la misma.

Conserva original, derivados y versión

El original recibido debe permanecer inalterado. OCR, imágenes corregidas, documentos separados y JSON son derivados y deben referenciarlo.

Define qué repositorio es fuente de verdad, quién puede acceder y cuánto tiempo se conserva cada artefacto. «Archivar» no significa guardar todo indefinidamente en cada aplicación.

Evita copiar documentos sensibles a sistemas que solo necesitan tres campos. Entrega el mínimo necesario y conserva una referencia controlada al original cuando el proceso lo permita.

Modela estados de extremo a extremo

Un ejemplo simplificado:

recibido → verificado → digitalizado → clasificado → extraido → validado → revision → registrado → archivado

Añade estados de error y resultados terminales. parcial, rechazado, pendiente_de_datos o registro_fallido pueden ser tan importantes como el camino feliz.

El estado debe reflejar la realidad del negocio. Si el ERP rechazó la escritura, el documento no está «procesado» aunque OCR y extracción hayan terminado.

Define contratos con los sistemas destino

Antes de escribir, especifica qué operación se invoca, qué campos necesita, qué devuelve y qué errores tienen significado empresarial.

OpenAPI define una descripción estándar y agnóstica del lenguaje para interfaces HTTP. Puede utilizarse para documentar contratos de API, pero la integración real también debe definir autenticación, autorización, idempotencia, errores, límites y reconciliación.

No diseñes el workflow alrededor de una respuesta feliz 200 OK. Describe también qué ocurre con validaciones rechazadas, conflictos, timeouts y respuestas inciertas.

Evita efectos duplicados

HTTP define idempotencia como la propiedad de que múltiples solicitudes idénticas tengan el mismo efecto previsto que una sola para métodos idempotentes. En procesos empresariales, además, muchas operaciones POST necesitan una estrategia de identidad propia porque crear dos facturas o dos expedientes no es aceptable.

Asigna una identidad de intención y conserva el identificador devuelto por el sistema remoto. Si ocurre un timeout después de enviar la petición, reconcilia antes de repetir cuando no puedas saber si el efecto se produjo.

Un hash de archivo puede ayudar a detectar duplicados técnicos, pero no siempre identifica el mismo caso de negocio. Dos versiones de una factura pueden compartir número y cambiar contenido; dos archivos idénticos pueden pertenecer a envíos diferentes. Diseña la deduplicación según el dominio.

Diseña permisos y separación de responsabilidades

Procesar, revisar, consultar, corregir y administrar son capacidades distintas. Concede a cada componente y rol únicamente las operaciones necesarias.

El extractor no debería necesitar permisos de administración del repositorio. La interfaz de revisión no debería poder cambiar configuración global. El servicio que escribe en ERP puede recibir únicamente datos ya validados.

Esta separación reduce impacto de errores y facilita auditoría.

Recupera sin perder el caso

Define qué ocurre si falta información, si una dependencia está caída o si una persona corrige un campo.

El workflow debe poder:

• solicitar un documento nuevo manteniendo el mismo caso;
• reintentar fallos transitorios de forma limitada;
• continuar desde un punto seguro;
• reconciliar estados externos;
• reabrir una versión corregida;
• detener una ruta sin perder la evidencia.

Cada transición relevante genera un evento de negocio suficiente para reconstruir el historial.

Ejemplo: expediente de intake

Un correo crea un caso y almacena original y anexos. El sistema divide documentos, valida los campos requeridos y crea un expediente en la aplicación de destino. El gestor documental conserva las piezas y la aplicación recibe campos y referencias.

Si la creación del expediente falla, el caso queda en registro_pendiente; no se marca como archivado. Si la respuesta fue incierta, el reconciliador busca el identificador de intención antes de repetir.

Ejercicio: ciclo de vida documental

Documenta:

1. identidades y correlación;
2. original y derivados;
3. repositorios y fuentes de verdad;
4. estados;
5. eventos;
6. contratos de integración;
7. estrategia de idempotencia;
8. permisos;
9. conservación;
10. errores y reconciliación;
11. recuperación y reanudación;
12. consulta de trazabilidad.

Antes de continuar

La integración está bien diseñada cuando puedes reconstruir un caso completo y reanudarlo sin duplicar efectos ni inventar el estado. A partir de aquí ya puedes evaluar el sistema como un conjunto: no solo si extrae bien, sino cuánto automatiza, cuánto cuesta, cuánto tarda y qué riesgos deja abiertos.