Validar, normalizar y cruzar resultados

La extracción propone datos. La validación decide si esos datos cumplen las condiciones para continuar. Mezclar ambos pasos dificulta diagnosticar errores: si el sistema devuelve un total incorrecto, necesitas saber si leyó mal, interpretó mal, normalizó mal o aplicó una regla equivocada.

La capa de validación debe ser tan determinista como sea razonable. Allí donde existe una regla explícita o una fuente de verdad, no necesitas pedir a otro modelo que «compruebe si parece correcto».

Normaliza antes de comparar

Dos valores semánticamente iguales pueden tener representaciones distintas. Define formatos canónicos para fechas, importes, monedas, unidades, identificadores y catálogos.

Ejemplos:

• importe como decimal y moneda en un campo separado;
• fecha ISO con una regla explícita de interpretación;
• identificador sin separadores cosméticos;
• unidades convertidas mediante una tabla conocida;
• catálogo interno representado por código estable.

Conserva siempre el valor observado. 01/02/26 es ambiguo si el contexto no fija el formato. No lo conviertas silenciosamente a una fecha concreta.

Aplica capas de comprobación

1. Validación estructural

Comprueba tipo, obligatoriedad, longitud, rango, patrón, cardinalidad y valores permitidos. JSON Schema u otra capa de validación puede detectar salidas mal formadas antes de que entren en reglas de negocio.

2. Coherencia interna

Comprueba relaciones dentro del propio documento: suma de líneas, subtotal, impuestos y total; fechas en orden; identificadores repetidos de forma coherente; campos condicionales presentes.

3. Reglas de negocio

Valida condiciones definidas por el proceso: proveedor autorizado, importe que necesita aprobación, contrato vigente, referencia con formato esperado o estado que permite continuar.

4. Cruces externos

Compara con ERP, CRM, maestro de proveedores, pedido, expediente u otra fuente autorizada. Registra tanto la consulta como el resultado suficiente para explicar la decisión.

Una coincidencia aproximada no debe corregir el documento por sí sola. Si el extractor produce ACNE SL y el maestro contiene ACME SL, la similitud puede generar una sugerencia, no una sustitución silenciosa.

Define estados ricos

Un campo puede estar:

• valido;
• invalido;
• ausente;
• ilegible;
• ambiguo;
• no_comprobado;
• contradictorio;
• corregido_por_regla.

El documento agrega esos estados según política. Un campo crítico inválido puede bloquear todo el caso; varios campos opcionales no comprobados quizá permitan continuar.

La salida debe explicar qué regla falló y qué evidencia estaba disponible. Un booleano valid=true/false no basta para operar una cola de excepciones.

Utiliza la confianza como señal, no como verdad

Servicios de extracción documental pueden devolver puntuaciones de confianza. AWS Textract, por ejemplo, documenta su uso como una señal que debe interpretarse considerando la sensibilidad del caso. Esa puntuación es específica del sistema y no debe tratarse como una probabilidad universal de que el dato sea correcto en tu proceso.

Calibra la relación entre puntuación y error sobre tu muestra. El umbral puede ser diferente para un campo descriptivo y para un importe. Combina confianza con validaciones, evidencia, novedad de plantilla y consecuencia.

Evita correcciones que destruyan trazabilidad

Las correcciones automáticas deben ser deterministas, reversibles y registradas. Guarda valor anterior, valor normalizado, regla aplicada y fuente utilizada.

Nunca sobrescribas el dato observado de forma que después no puedas reconstruir qué contenía el documento. La normalización es una capa, no una reescritura de la evidencia.

Ejemplo: factura contra pedido

El sistema extrae proveedor, referencia, moneda, líneas y total. Normaliza los identificadores y consulta el pedido abierto. Comprueba cantidades, precios y total.

Una tolerancia autorizada puede permitir pequeñas diferencias conocidas. Una diferencia fuera de tolerancia crea una excepción con las líneas afectadas. Si no existe pedido, el sistema no inventa una correlación porque dos referencias se parezcan: deja el estado sin resolver y aplica la ruta definida.

Ejercicio: matriz de validación

Para cada campo crítico documenta:

1. normalización;
2. validación de esquema;
3. coherencia interna;
4. regla de negocio;
5. fuente externa;
6. tolerancia;
7. estados posibles;
8. bloqueo o continuación;
9. evidencia guardada;
10. casos de prueba positivos y negativos.

Resultado de la lección

La capa está lista cuando el workflow puede explicar por qué un dato fue aceptado, corregido por una regla explícita, bloqueado o enviado a revisión. La siguiente lección utilizará estas señales para diseñar una política de intervención humana proporcional al coste del error.