Comprar software de IA para documentos o construir un pipeline de LLM a medida: cómo decide una empresa regulada y cómo pone a prueba ambas opciones

Si tus documentos no pueden salir de tu perímetro (los servidores, las redes y las cuentas en la nube que controla tu empresa), puedes comprar software de IA para documentos que se instale dentro de él, encargar a una empresa de ingeniería que construya allí un pipeline a medida en torno a un modelo de lenguaje, o combinar las dos cosas. Decide puntuando a cada candidato, comprado o construido, dentro del perímetro con un conjunto de aceptación: tus documentos reales, con el valor correcto de cada campo anotado por tu propio personal. Si vas a construir, incluye en tu lista corta empresas de ingeniería que puedan enseñarte un sistema que hayan llevado a producción dentro del perímetro de un cliente. Cada empresa debe aceptar también que se la puntúe con tus documentos antes de que firmes.

¿Entre qué estamos eligiendo?

El software de IA para documentos, que los proveedores llaman procesamiento inteligente de documentos o IDP, es un producto con licencia. Clasifica por tipo los documentos que llegan, extrae campos como fechas e importes y envía a una persona los documentos dudosos. Parte de este software se instala dentro de tu perímetro, y el código lo conserva el proveedor.

Un pipeline a medida es código que una empresa de ingeniería escribe para tus tipos de documento y tus reglas. Uno de sus pasos es un modelo de lenguaje grande (LLM), un modelo entrenado con grandes cantidades de texto. Lee cada documento y devuelve un valor para cada campo que le pidas. Otros pasos comprueban esos valores con tus reglas, envían los dudosos a tu personal y pasan el resto a tus sistemas.

¿Qué software de IA para documentos puede funcionar dentro de nuestro perímetro?

Compruébalo primero, porque parte del software de IA para documentos se vende como servicio en la nube del proveedor, y cada página que le envías sale de tu perímetro. Las preguntas frecuentes de Amazon Textract, consultadas el 15 de octubre de 2026, enumeran las regiones de AWS en las que Textract está disponible y no describen ninguna versión que puedas instalar tú mismo.

Esas mismas preguntas frecuentes indican que Textract acepta llamadas por una conexión privada desde tu propia red de AWS (AWS PrivateLink), de modo que «evitan usar la internet pública», pero las páginas las sigue procesando el servicio de Amazon. También indican que, salvo que lo rechaces expresamente (opt-out), «una parte del contenido procesado por Amazon Textract puede almacenarse en otra región de AWS» para mejorar los servicios de machine learning de Amazon.

Otros proveedores dicen en sus propias páginas, consultadas el mismo día, que su software puede funcionar dentro de tu perímetro. Nombrarlos aquí no es una recomendación, y la lista no es completa.

Microsoft vende Azure Document Intelligence como servicio en la nube y, para algunos de sus modelos, como contenedores, es decir, software empaquetado que ejecutas en tus propias máquinas. Su página sobre contenedores desconectados dice que «están pensados para escenarios en los que no se necesita conectividad con la nube para que los contenedores funcionen». Para usarlos, «primero debes rellenar y enviar un formulario de solicitud y comprar un plan de compromiso».

La página de ABBYY sobre su plataforma Vantage dice que «Vantage está diseñada como una plataforma que da prioridad a la nube» y después añade: «Como alternativa, hay opciones de despliegue flexibles para ejecutar Vantage en instalaciones propias o dentro de tu instancia de nube privada en Microsoft Azure». La página de la plataforma Hypercell de Hyperscience incluye entre sus opciones de despliegue la instalación on-premises (en tus propios servidores) y un «tenant privado del cliente (AWS, Google, Microsoft Azure)», junto a Hyperscience SaaS, una versión que la empresa aloja en AWS o en Google Cloud.

Pide por escrito la lista de funciones que se ejecutan dentro de tu perímetro, porque las propias páginas de un proveedor pueden contradecirse. Las preguntas frecuentes de Microsoft dicen que «el uso de contenedores desconectados está disponible para los modelos personalizados y de facturas de Document Intelligence», mientras que su página sobre contenedores desconectados enumera los contenedores Read, Layout, de documentos de identidad, de recibos y otros.

¿Qué documentos nuestros encajan con software comprado y cuáles necesitan un pipeline a medida?

Comprar encaja cuando la mayor parte de tu volumen corresponde a tipos de documento que el software ya sabe leer, como facturas o documentos de identidad. Además, tus reglas para esos tipos deberían parecerse a las de otras empresas. Así puedes probar con tus documentos los modelos ya hechos del software antes de pagar ningún desarrollo.

Un pipeline a medida conviene para tipos de documento propios de tu empresa, como formularios internos, cartas de contrapartes o tickets de soporte en texto libre. También encaja cuando los resultados deben seguir reglas que solo tiene tu empresa, o alimentar un sistema al que no se conecta ningún proveedor. El pipeline contiene esas reglas como código, mientras que el software comprado solo te deja configurarlas hasta donde lo permitan las herramientas del proveedor.

Una configuración combinada reparte el trabajo por tipo de documento: el software lee los formularios estándar que conoce, y un pipeline a medida se ocupa de tus propios tipos, de tus reglas y de la entrega a tus sistemas. Los resultados de las pruebas deciden qué tipo va a cada lado. Las piezas que unen los dos sistemas necesitan un responsable designado en el contrato. Entre ellas están el paso que enruta cada documento, la cola de revisión (la lista de documentos que esperan a una persona) y el registro de auditoría, el historial de lo que le pasó a cada documento.

¿Cómo probamos las dos opciones con nuestros propios documentos antes de firmar?

Prepara el conjunto de aceptación antes de reunirte con proveedores. Toma documentos recientes en la misma proporción en que los recibes, escaneos y fotos de móvil incluidos, y haz que tu propio personal anote el valor correcto de cada campo. Incluye los tipos que esperas que lea el software y los que esperas que procese un pipeline a medida, para que un solo conjunto puntúe todas las vías.

Haz todas las pruebas dentro del perímetro: el software, en una prueba de la misma versión que licenciarías, y el prototipo de la empresa, en cuentas que controlas tú.

Aun así, una prueba puede conectarse con el proveedor. Los contenedores desconectados de Microsoft exigen primero una solicitud aprobada y un plan de compromiso, así que una prueba antes de comprometerte puede funcionar con contenedores conectados. Sus preguntas frecuentes dicen que los contenedores conectados «no envían a Microsoft datos del cliente, como la imagen o el texto que se está analizando», y que «se necesita conectividad a internet para enviar la información de facturación a Azure». Tu equipo de seguridad decide si permite esa conexión.

Antes de que nadie vea el conjunto, divídelo en dos. El proveedor y la empresa de ingeniería pueden usar la primera parte para ajustar sus sistemas, y la segunda se queda contigo. Las puntuaciones finales salen solo de esa segunda parte, con cuatro medidas:

• La precisión de cada campo dentro de cada tipo de documento, como la fecha de un contrato o el importe de una factura
• La proporción de documentos que cada candidato envía a una persona con el mismo umbral de aprobación (la precisión mínima que aceptas en los campos que no revisa ninguna persona)
• El tiempo de los revisores, cronometrado mientras tu propio personal comprueba una muestra en la pantalla de revisión de cada candidato
• Qué pasa con los documentos que el candidato no puede leer, como una foto tomada en ángulo o un tipo desconocido: si cada uno llega a una persona y cuántos valores erróneos pasan sin ningún aviso

El umbral de aprobación tiene que acordarse antes de que empiece la prueba, porque un candidato puede parecer más preciso enviando más documentos a personas. El artículo sobre lo que debe preguntar un COO, enlazado arriba, explica cómo cronometrar a los revisores y cómo fijar el umbral de aprobación.

¿Qué pagamos en cada vía?

En la vía de compra pagas una licencia. Microsoft vende los contenedores desconectados en niveles de compromiso anuales, «por una tarifa fija», en palabras de su página sobre contenedores desconectados. Hay niveles distintos para los modelos precompilados (ya hechos), para la extracción personalizada y para Read, su modelo de reconocimiento de texto.

La página de precios de Microsoft, consultada el 15 de octubre de 2026, incluye un nivel para modelos precompilados de hasta 1.2 millones de páginas al año, es decir, una previsión de 100 000 páginas al mes. Su lista pública de precios muestra ese nivel, «Commitment Tier Pre-Built Disconnected 100K», a $8640 al año en la región Central US.

Las condiciones generales de suscripción de ABBYY, actualizadas por última vez el 2 de enero de 2026 y consultadas el 15 de octubre de 2026, dicen que un periodo de suscripción «se renovará automáticamente por un número ilimitado de periodos de renovación de doce (12) meses». Así ocurre salvo que tu cotización diga otra cosa o que alguna de las partes avise por escrito al menos 45 días antes de que termine el periodo en curso. Para el volumen que supere lo que compraste, las condiciones dicen que, salvo que tu cotización diga otra cosa, ABBYY «cobrará al Licenciatario los importes adicionales que se adeuden por las cantidades que excedan de las Unidades de Volumen adquiridas al final del Periodo de Suscripción».

El software comprado también hay que conectarlo al lugar por el que llegan los documentos y a tus propios sistemas. Además necesita monitorización, personal para su cola de revisión y un responsable de tu lado, así que pide precio por ese trabajo antes de firmar.

Cuando es una empresa la que construye el pipeline, ese trabajo debe figurar en su contrato. Pagas el desarrollo y, después, los servidores y, si hacen falta, las GPU (los procesadores que ejecutan el modelo), las personas que vigilan el sistema y las actualizaciones cuando cambian tus documentos o el modelo. El software comprado también funciona en tus servidores: la página de Microsoft sobre contenedores desconectados recomienda 8 núcleos de procesador y 24 GB de memoria para cada contenedor que enumera.

Para comparar las vías, da a cada proveedor y a cada empresa de ingeniería los mismos volúmenes por escrito (documentos al mes, páginas por documento, proporción de tipos) y pide a cada uno el coste a tres años. Ese coste debe incluir tus servidores y el tiempo de revisión de tu personal.

¿Qué será nuestro al final de cada vía?

Cuando compras, lo que tienes es el derecho a usar el software mientras la licencia esté vigente. Tu configuración, como los tipos de documento, los campos y los modelos entrenados, queda en el formato del proveedor, así que pregunta si puedes exportarla.

La licencia puede hacer que el software deje de funcionar, incluso dentro de tu perímetro. Los contenedores desconectados de Microsoft necesitan un archivo de licencia, y Microsoft dice que ese archivo «también contiene una fecha de caducidad, a partir de la cual el archivo de licencia deja de ser válido para ejecutar el contenedor». Las condiciones de ABBYY dicen que, si no pagas el uso que exceda de las unidades de volumen que compraste, «la funcionalidad del Software de ABBYY no estará disponible para el Licenciatario».

El código de un pipeline a medida pasa a ser de tu empresa si el contrato lo transfiere, así que lee lo que el contrato excluye, como los componentes reutilizables de la empresa (código que la empresa reutiliza de un proyecto a otro). Deja por escrito que tu conjunto de aceptación y todos los resultados de las pruebas pertenecen a tu empresa en cualquiera de las vías. Con ellos podrás puntuar más adelante cualquier sustituto con los mismos documentos.

¿Qué deberíamos preguntar a un proveedor de software y a una empresa de ingeniería?

A un proveedor de software:

• ¿Qué versión estamos licenciando y pueden indicar por escrito qué funciones de esa versión se ejecutan dentro de nuestro perímetro?
• ¿Alguna parte del software se conecta con ustedes desde dentro de nuestro perímetro, para licencias, actualizaciones, informes de uso o soporte?
• ¿Puede la prueba ejecutarse dentro de nuestro perímetro, con la versión que licenciaríamos, y puntuarse con nuestro conjunto de aceptación?
• ¿Qué deja de funcionar si no renovamos y en qué formato podemos exportar nuestra configuración y nuestros modelos entrenados?

A una empresa de ingeniería:

• ¿Han llevado un sistema a producción dentro del perímetro de un cliente y qué pueden enseñarnos de él?
• ¿Construirán el prototipo dentro de nuestro perímetro, en cuentas que controlamos nosotros, y aceptarán que se les puntúe con la parte del conjunto de aceptación que no han visto?
• ¿Para cuáles de nuestros tipos de documento recomendarían comprar software y por qué?
• ¿Quién opera el sistema después del lanzamiento, qué nos transfiere el contrato y qué componentes reutilizables excluye, nombre por nombre?

¿Dónde encaja amBrain?

El único proyecto con modelos de lenguaje que amBrain describe en público es este: «Hemos llevado a producción una integración de LLM dentro del perímetro FinTech de un cliente: extracción y normalización de avisos no estructurados de brókers y de centros de negociación —eventos corporativos, cambios de instrumentos y de márgenes— en registros estructurados que consume el sistema de trading».

Este artículo no es un caso de estudio, y no se nombra al cliente. La frase citada no dice si ese proyecto usó software de IA para documentos comprado, dónde se ejecutaba su modelo ni cuáles de las prácticas descritas arriba aplicó. Nada de lo que aquí se dice indica que amBrain haya comparado software de IA para documentos con un pipeline a medida, en ese proyecto ni en ningún otro, ni que haya construido sistemas para facturas, documentos de identidad o tickets de soporte. No se dan precios, plazos ni condiciones de amBrain para un prototipo o una prueba antes de la firma.

amBrain desarrolla software desde 2019. Describe en una línea cómo trabaja con sus clientes: «Tres formatos: entrega completa, un equipo dedicado o ingenieros integrados en tu equipo». Sobre la propiedad, su frase es: «El cliente conserva la propiedad completa del producto y del código, salvo nuestros componentes reutilizables». Si amBrain está en tu lista corta, dale el mismo conjunto de aceptación y las mismas preguntas que a cualquier otra empresa, y pide la lista de esos componentes nombre por nombre.