Del documento sin estructura al checklist auditable

El trabajo

Un informe de auditoría de seguridad ocupacional llega como un PDF denso. Alguien tiene que convertirlo en quién necesita qué formación y para cuándo. El riesgo no está en la lectura — está en la invención. Una automatización que devuelve un hallazgo que el documento nunca contuvo es peor que no tener automatización. Así que el encargo se definió solo: extraer únicamente lo que el documento dice, demostrarlo y dejar la decisión en manos de una persona.

Cómo funciona

• El modelo de lenguaje extrae cada hallazgo citando la fuente palabra por palabra — no parafrasea y no inventa hallazgos.
• Cada cita se verifica contra el documento: si la frase citada no está realmente ahí, se marca. Esa verificación es el candado anti-alucinación — un hallazgo inventado no puede llegar a una decisión.
• Reglas deterministas asignan a cada hallazgo verificado la formación que le corresponde y un plazo según la severidad. Mismo input, mismo resultado, siempre.
• Para lo que las reglas no cubren, una capa RAG — retrieval-augmented generation, búsqueda semántica sobre el catálogo de cursos — propone la coincidencia más cercana. Nunca decide sola: propone y el caso pasa a revisión humana.
• Todo lo que queda en duda llega a un paso de revisión, para que una persona lo apruebe antes de que algo sea definitivo.

El principio se sostiene en todo el sistema: la IA cita, las reglas deciden, la persona aprueba.

Construido para correr en cualquier plataforma

El mismo workflow, construido de tres formas:

• n8n + Python — n8n orquesta el flujo; Python lleva la lógica de control y la verificación de las citas.
• n8n nativo — todo dentro de n8n, sin Python, incluido el agente RAG que recupera del catálogo por búsqueda semántica.
• Power Platform — el mismo resultado reconstruido en la nube de Microsoft, sobre un entorno montado desde cero.

Distintas herramientas, el mismo resultado. El criterio nunca estuvo en la herramienta.