Propuesta de un modelo de gestión documental basado en IA para la reducción de tiempos y errores en el proceso de revisión

Abstract

La gestión documental manual en entornos operativos presenta un desafío significativo, caracterizado por la ineficiencia y una alta susceptibilidad a errores. El problema central se origina en la conjunción de procesos operativos lentos, la ausencia de herramientas de automatización y la carencia de métricas objetivas de control. Este estudio tuvo como objetivo proponer un Modelo de Gestión Documental basado en Inteligencia Artificial (IA) para la reducción de tiempos y errores en el proceso de revisión. Mediante una metodología de diagnóstico mixto, se validó la situación actual (ASIS). Los hallazgos de la encuesta Likert revelaron que el 92.3% de los colaboradores perciben que el proceso consume demasiado tiempo. Los datos objetivos obtenidos mediante cronometría y lista de chequeo confirmaron que el Tiempo Promedio de Revisión por Documento es de 18.2 minutos, con una alta variabilidad, y que la Tasa de Documentos No Conformes asciende al 25.0%. Estos resultados cuantifican la grave consecuencia de la baja productividad y la alta probabilidad de errores humanos.

Manual document management in operational environments presents a significant challenge, characterized by inefficiency and a high susceptibility to errors. The core problem stems from the combination of slow operational processes, the absence of automation tools, and the lack of objective control metrics. This study aimed to propose a Document Management Model based on Artificial Intelligence (AI) to reduce time and errors in the review process. Using a mixed diagnostic methodology, the current situation (ASIS) was validated. The Likert survey findings revealed that 92.3% of employees perceive the process as excessively time-consuming. Objective data obtained through time studies and a checklist confirmed that the Average Review Time per Document is 18.2 minutes, with high variability, and that the Non-Conforming Document Rate reaches 25.0%. These results quantify the serious consequences of low productivity and the high probability of human error.