01Caso de estudio
Generación de identificadores únicos para datos no estructurados
Uso de IA para identificar identificadores únicos y llaves primarias existentes en bases de datos relacionales establecidas.
El problema
Contratos, facturas, formularios escaneados, imágenes y correos suelen vivir en carpetas compartidas y bandejas de entrada, sin nada que los vincule con el cliente, el pedido o el activo que describen.
Las bases de datos relacionales más antiguas a menudo conservan sus verdaderas llaves solo por convención: columnas que se comportan como llaves primarias y foráneas, pero que nunca se declararon. Sin identificadores confiables en ambos lados, los archivos no se pueden relacionar con los registros, los duplicados se multiplican y cada migración empieza con suposiciones.
Nuestro enfoque
-
Guardar cada archivo como un objeto con su propio ID
Los archivos originales pasan a un almacenamiento de objetos con una estructura plana en lugar de carpetas anidadas. Cada objeto recibe un identificador único generado por el sistema (UUID) que lo acompaña dondequiera que se use.
-
Agregar metadatos a cada objeto
El identificador lleva consigo metadatos personalizados: tamaño del archivo, fecha y hora, sistema de origen, etiquetas y categorías de negocio, para que cada archivo pueda localizarse, gobernarse y auditarse.
-
Indexar el contenido por llave y por significado
Una base de datos documental registra cada objeto con su llave primaria _id. Cuando se necesita buscar por significado y no por llave, un índice vectorial se vincula con el mismo identificador.
-
Extraer el contenido con IA sin perder el vínculo
Flujos de extracción basados en modelos de lenguaje, de visión o LLM leen cada archivo y obtienen nombres, fechas, montos y referencias, siempre vinculados con el identificador del archivo.
-
Encontrar las llaves que tus bases de datos ya usan
El perfilado mide qué tan únicas, completas y coincidentes son las columnas. Un análisis asistido por IA de nombres, formatos y valores ordena las llaves primarias probables y las relaciones no declaradas entre tablas, y nuestros ingenieros validan cada una antes de que algo dependa de ella.
-
Vincular los archivos con los registros
Las referencias extraídas de los archivos se cruzan con las llaves validadas, de modo que cada documento apunta al registro al que pertenece. Las coincidencias por debajo de un nivel de confianza acordado pasan a una cola de revisión en lugar de vincularse automáticamente.
Lo que recibes
- Estándar de identificadores y metadatos para contenido no estructurado
- Arquitectura de almacenamiento de objetos e indexación
- Diseño de los flujos de extracción, con umbrales de confianza y una cola de revisión
- Reporte de descubrimiento de llaves: llaves primarias y foráneas candidatas, la evidencia de cada una y si se confirmó
- Mapa validado que vincula los archivos con los registros relacionales
Cómo medimos el éxito
- Proporción de archivos con un identificador único y metadatos completos
- Proporción de referencias extraídas que coinciden con una llave validada
- Llaves candidatas confirmadas o descartadas por los ingenieros
- Tiempo para encontrar todos los documentos relacionados con un registro
Reportamos estas medidas durante todo el proyecto. Las cifras se publican solo con la aprobación del cliente.
Plataformas
- Amazon S3
- Azure Blob Storage
- Google Cloud Storage
- MongoDB
- Bases de datos vectoriales