ÁLVAROMAUREIRA

Amazon Textract Insights: de un PDF mixto a datos comprobables

Publicado ·
Tres hojas separadas y un campo resaltado que se conecta a una tarjeta de datos.

AWS lanzó el 20 de noviembre Amazon Textract Insights, una función de IA generativa para convertir documentos en datos estructurados. La novedad no es solo leer un PDF: permite enviar un archivo con varios documentos, separar sus partes y extraer campos definidos por el equipo en un trabajo asíncrono. Cada valor de la extracción personalizada puede contrastarse con su ubicación en la página. La disponibilidad general comenzó en dos regiones de Estados Unidos, según el anuncio oficial de AWS.

Qué cambia frente a extraer texto

Una carpeta de compras puede llegar como un solo escaneo con facturas y anexos intercalados. Con Insights, el equipo puede activar la separación y definir plantillas de extracción, llamadas blueprints, que describen en lenguaje natural los campos esperados y sus tipos. El servicio asigna cada documento separado a la plantilla que mejor encaje cuando hay varias. El flujo documentado por AWS no exige que el equipo entrene un modelo para formular esos campos. Eso no significa que el servicio conozca de antemano los formatos internos de una empresa ni que todas las páginas deban tratarse igual.

Cómo revisar los campos antes de automatizar

En la extracción personalizada, la guía de confianza explica que cada valor final tiene una puntuación de cero a uno y, cuando se localiza, una referencia de página y coordenadas. La confianza en que el documento coincide con una plantilla es otra puntuación: no valida el monto, la moneda ni ningún otro campo por sí sola. La decisión de aceptar un dato debería combinar respaldo visible y reglas del negocio. Una cifra muy confiable pero incompatible con el detalle de la factura sigue siendo una excepción.

Qué debe revisar un equipo en Chile

La nota técnica de AWS lista español, portugués, inglés, francés, alemán e italiano. Los 40 idiomas anunciados para determinadas operaciones de Textract Core no se trasladan a Insights. Para acceder, el equipo debe usar Virginia del Norte u Oregón y mantener los buckets de entrada y salida de Amazon S3 en la región desde la que llama. Según la guía de inferencia entre regiones, AWS puede procesar la solicitud en cualquiera de cuatro regiones estadounidenses: Virginia del Norte, Ohio, norte de California u Oregón. Una solicitud hecha por una empresa chilena no implica procesamiento en Chile. Si una política exige procesamiento en una ubicación determinada, conviene resolver ese requisito antes de cargar archivos reales.

Cuánto puede procesar y cómo se cobra

La tabla de cuotas describe un máximo general de 3.000 páginas por trabajo y 500 MB por archivo. La extracción personalizada sin separación tiene un máximo de 20 páginas y la descripción de figuras reduce el tope a 1.500. La nota técnica de lanzamiento señala que AWS cobra por página, no por token, y sin compromiso mínimo. La ficha de funciones distingue el precio por cada 1.000 páginas según el tipo de salida y los complementos elegidos. La tarifa pública revisada no permitió verificar un monto específico de Insights; no corresponde usar los ejemplos de precio ni la capa gratuita de Core para presupuestarlo.

Una prueba simple para una pyme

Armaría un PDF ficticio con tres facturas en pesos chilenos y un anexo intercalado. Definiría folio, emisor, moneda y total, asignaría cada campo correcto de antemano y pediría que la prueba deje en revisión los valores que no se puedan comprobar en la página. Compararía con la revisión manual: cuántos documentos se separaron correctamente, cuántos valores coinciden con la referencia y cuánto tiempo humano queda por archivo. Separaría los costos de procesamiento, almacenamiento y revisión. El objetivo no es demostrar un ahorro con una muestra pequeña; es descubrir qué errores impedirían usarlo en un proceso real.

Preguntas frecuentes

¿Se puede enviar un documento en español?

Sí. AWS identifica español como idioma admitido en Insights; eso no acredita exactitud en una plantilla chilena concreta.

¿Hay un endpoint en Chile?

No figura en el lanzamiento. Las dos regiones de entrada publicadas están en Estados Unidos.

¿Admite archivos de Word?

No admite DOC ni DOCX. La guía lista PDF, PNG, JPEG y TIFF.

¿Una confianza alta permite omitir controles?

No por sí sola. Coteja campos críticos con su página y con reglas independientes.

¿Es gratis para probar?

No confirmé una capa gratuita de Insights. Verifica el precio específico de la salida y los cargos relacionados antes de ejecutar una prueba.

Sigue aprendiendo

Explora los recursos y continúa tu recorrido en la comunidad.

Únete gratis a la comunidad →