DOCUMENT INTELLIGENCE: UNIVERSAL DOCUMENT ANALYSIS

Abstract

Esta tesis presenta una plataforma modular basada en esquemas para la inteligencia documental, capaz de procesar cualquier tipo de documento sin depender de plantillas ni modelos predefinidos. Combina motores OCR, modelos de lenguaje (LLMs) y flujos de trabajo ajustados para permitir una clasificación precisa y una extracción estructurada de datos a nivel de campo, adaptándose a múltiples formatos y casos de uso. Gracias a su infraestructura nativa en la nube, el sistema permite un procesamiento documental escalable, rentable y explicable en entornos empresariales reales. Los casos de uso incluyen ámbitos legales, gestión de multas de tráfico y plataformas internas, validando su precisión, adaptabilidad y preparación para entornos de producción.

This thesis presents a modular, schema-based platform for Document Intelligence—capable of processing any document type without relying on templates or predefined models. It combines OCR engines, LLMs, and fine-tuned pipelines to enable accurate classification and field-level data extraction across diverse formats and use cases. Backed by cloud-native infrastructure, the system achieves scalable, cost-effective, and explainable document processing in real-world enterprise deployments. Use cases include legal, traffic, and low code environments, validating the tool’s accuracy, adaptability, and production readiness.