Documentación que llegaba por todos los canales
Una empresa industrial catalana, con sede en el área de Barcelona, recibía cada día un flujo constante de documentación: albaranes de proveedor, certificados de material, pedidos de clientes en distintos formatos y consultas internas sobre plazos y referencias. Parte llegaba escaneada, parte por correo y otra por portales B2B con adjuntos heterogéneos. El equipo administrativo clasificaba y derivaba cada documento a mano antes de que pudiera impactar en compras, planificación o facturación.
La dirección no buscaba sustituir procesos productivos consolidados. El objetivo era reducir trabajo repetitivo en back-office y evitar que consultas frecuentes (stock de una referencia, estado de un pedido, historial con un proveedor) dependieran siempre de interrumpir a la misma persona que sabe dónde está archivado todo. La inteligencia artificial apareció como herramienta posible para clasificación y extracción sobre documentos e historial interno ya existente.
El trabajo de abrir, leer y archivar
El cuello de botella principal estaba en la entrada y clasificación de documentos. Cada albarán o pedido requería identificar tipo, cliente o proveedor, referencias implicadas y departamento destino antes de cualquier acción en el sistema. Los formatos variaban: PDF escaneado, hojas de cálculo con columnas distintas según el emisor, imágenes enviadas por mensajería instantánea. Los errores de clasificación provocaban retrasos difíciles de detectar hasta que alguien pedía la pieza documental en una revisión de calidad o en una auditoría interna.
Consultas que interrumpían al mismo perfil
Operarios, comerciales y responsables de planta preguntaban lo mismo con distinta redacción: disponibilidad de material, fecha prevista de entrega, ubicación de un documento firmado. Responder exigía consultar varios sistemas o preguntar a quien llevaba el dato en la cabeza. No se trataba de falta de información, sino de fricción en acceder a ella. La compañía necesitaba automatizar tareas de bajo valor añadido sin tocar la lógica central de fabricación.
Colas al cierre del día y decisiones con información incompleta
Documentos pendientes de clasificar formaban colas al final del día; compras liberaba pedidos con retraso porque el albarán aún no estaba registrado; planificación consultaba stock mientras administración aún digitaba entradas del mismo material. En picos de actividad (cierre de mes, recepción de contenedores, campañas comerciales) el retraso documental se traducía en urgencias y reprocesos. El coste se manifestaba en horas extra, tensiones entre departamentos y decisiones tomadas con información incompleta.
La dependencia de personas expertas en dónde buscar limitaba la autonomía del resto del equipo. Nuevas incorporaciones tardaban semanas en entender la lógica informal de archivos y excepciones. Ampliar plantilla solo para mover papeles y responder preguntas recurrentes no era sostenible.
Un proyecto pequeño y bien delimitado
Se diseñó un proyecto acotado de automatización con inteligencia artificial aplicada a un solo frente: clasificación y enrutado de documentos entrantes. Nada de robots en línea ni predicciones sobre demanda; solo reducir el trabajo de abrir, leer y archivar. La solución se desplegó en infraestructura controlada, con reglas claras de qué podía automatizarse y qué requería validación humana.
Entrenamiento con documentos propios
Un modelo entrenado con ejemplos reales anonimizados aprendió a reconocer tipos de documento (albarán, pedido, certificado, aviso de modificación) y a extraer campos clave como referencia, cantidad, proveedor o número de lote. Un operario revisa y confirma en segundos en lugar de teclear desde cero. Cuando la confianza del sistema es alta, el registro puede completarse de forma automática; en casos ambiguos, la decisión queda pendiente de revisión explícita.
Tras los primeros meses de uso estable, la empresa redujo de forma significativa el tiempo medio de clasificación. Las colas al cierre del día disminuyeron y compras pudo liberar entradas de material con mayor celeridad. El equipo valoró la revisión asistida: confirmar propuestas ya estructuradas en lugar de interpretar cada PDF desde cero. La dirección obtuvo métricas claras (documentos procesados por día, tasa de acierto, casos con revisión manual) para decidir ampliaciones futuras con criterio.