Sistema Inteligente de Gestión y Análisis Documental (SIGAD)

Proyecto Integrador — Desarrollo de Aplicaciones Empresariales (VI semestre) UTS — Docente: Wilson Castaño Galviz Integrantes: Joshua David Tarazona Gómez, Karen Lizeth Arenas Medina

---

Descripción del proyecto

SIGAD es un sistema web que automatiza la gestión y el análisis documental mediante inteligencia artificial. Implementa el flujo completo:

archivo → extracción de contenido (OCR) → procesamiento IA → análisis → almacenamiento → búsqueda/consulta → respuesta.

El caso de negocio corresponde a la empresa ficticia Distribuidora Andina S.A.S., que enfrentaba documentos dispersos, búsquedas manuales de 15–40 minutos y escaneos sin texto utilizable. SIGAD digitaliza, indexa, clasifica y permite consultar el acervo documental en segundos.

Capacidades principales

• Carga de documentos en PDF, DOCX, TXT, JPG y PNG (validación de tipo, tamaño y "magic bytes").
• OCR / extracción de texto para documentos escaneados e imágenes (PaddleOCR + Tesseract).
• Clasificación automática en 5 categorías: factura, guía de despacho, orden de compra, contrato y acta de recepción, con revisión humana cuando la confianza es baja (< 70%).
• Extracción de metadatos (número, fecha, proveedor/cliente, total, plazos, etc.).
• Resumen automático de cada documento.
• Búsqueda por palabras clave y búsqueda semántica (embeddings + pgvector).
• Consulta conversacional (RAG): preguntas en lenguaje natural con respuesta citando las fuentes de la base documental.
• Dashboard con estadísticas de procesamiento, clasificación y consultas.
• Seguridad: autenticación JWT, control de acceso por roles y auditoría de acciones.

Arquitectura y tecnología

Capa	Tecnología
Frontend	React 18 + TypeScript + Vite
Backend	Python 3.11 + FastAPI (REST)
Base de datos	PostgreSQL 16 + extensión pgvector (índice HNSW)
Almacenamiento	MinIO (S3) o carpeta local
IA	OCR (PaddleOCR/Tesseract) + embeddings (text-embedding-3-small) + LLM (gpt-4o-mini) vía RAG
Despliegue	Docker Compose (ambiente reproducible)

La justificación técnica de la integración de IA se encuentra en 02-Documento-Diseno/07-Diseno-integracion-IA.

Estructura del repositorio

#	Carpeta	Contenido	Estado
1	01-Documento-Analisis	Análisis del problema, alcance, actores, RF/RNF, historias, casos de uso, riesgos	✅ Documentado
2	02-Documento-Diseno	Arquitectura, modelo ER, diccionario, API, flujo documental, integración IA, seguridad	✅ Documentado
3	03-Documento-Desarrollo	Entorno, configuración, estructura, implementación por módulos, bitácora	✅ Documentado
4	04-Plan-Evidencias-Pruebas	Plan, 16 casos de prueba, defectos, matrices y conclusiones	✅ Documentado
5	05-Documento-Implementacion-Despliegue	Ambiente, requisitos, despliegue, respaldo y mantenimiento	✅ Documentado
6	06-Manual-Usuario	Manual de uso del sistema	✅ Documentado
7	07-Manual-Tecnico-Administracion	Manual técnico y de administración	✅ Documentado
8	08-Matriz-Trazabilidad	Trazabilidad general requisito → prueba	✅ Documentado
9	09-Codigo-Fuente	Código fuente (backend, frontend, IA, docker-compose)	⬜ Pendiente
10	10-Base-Datos-Scripts	Scripts SQL MySQL: esquema, datos iniciales y consultas de reportes	⬜ Pendiente
11	11-Repositorio-Documentos-Prueba	36 documentos de prueba en 5 categorías y 4 formatos	⬜ Pendiente
12	12-Evidencias-Funcionamiento	Evidencias de pruebas de funcionamiento (PDF)	⬜ Pendiente

Automatización con n8n — Revisión humana inteligente

La clasificación con confianza < 70% activa una revisión humana inteligente: SIGAD envía un webhook a n8n para notificar al analista por correo. El humano resuelve en /app/revision y SIGAD envía el evento de cierre para notificarlo.

Flujo

clasificación < 70% → requiere_revision → webhook n8n → correo → revisión en SIGAD (/app/revision) → decisión → proceso → notificación de cierre

Nodos

Nodo	Tipo	Rol
Webhook SIGAD	n8n-nodes-base.webhook (v2)	POST /webhook/sigad-revision. Recibe evento, documento_id, documento, categoria_sugerida, confianza, resumen, url_revision, decision, estado (cuerpo en body).
Validar payload	n8n-nodes-base.code	Normaliza (p.body ?? p). Genera asunto_*, cuerpo_* (texto plano) y cuerpo_*_html (HTML inline). Escapa contenido para evitar inyección HTML.
¿Apertura o cierre?	n8n-nodes-base.if (v2)	{{$json.evento}} == 'revision_abierta' → true=apertura, false=cierre.
Correo: nueva revisión	n8n-nodes-base.emailSend (v2)	Envía aviso pendiente (formato both: HTML + texto plano) vía SMTP.
Correo: revisión cerrada	n8n-nodes-base.emailSend (v2)	Envía aviso de cierre (formato both: HTML + texto plano) vía SMTP.

Diagrama

flowchart LR
  A[Webhook SIGAD
POST /webhook/sigad-revision] --> B[Validar payload
Normaliza + genera HTML/texto]
  B --> C{"¿Apertura o cierre?
{{$json.evento}} == 'revision_abierta'"}
  C --true--> D[Correo: nueva revisión
HTML+texto]
  C --false--> E[Correo: revisión cerrada
HTML+texto]

Loading

Conexiones

• Webhook SIGAD.main → Validar payload.main
• Validar payload.main → ¿Apertura o cierre?.main
• ¿Apertura o cierre?.main[0] → Correo: nueva revisión.main
• ¿Apertura o cierre?.main[1] → Correo: revisión cerrada.main

Notas

• Eventos: revision_abierta / revision_cerrada. Webhook fire-and-forget. Si n8n no está disponible, SIGAD registra n8n.webhook_error en auditoría.
• Workflow: workflow-sigad-revision.json (raíz). n8n v2.41.6 usa draft/published (activar tras importar). webhookId: sigad-revision.

Instalación rápida

Requiere Docker Desktop y una API key de OpenAI (para embeddings y LLM).

git clone https://github.com/JosdaTara/Gesti-n-Documental-IA.git
cd 09-Codigo-Fuente
cp backend/.env.example backend/.env   # completar OPENAI_API_KEY y JWT_SECRET
docker compose up --build -d

Servicio	URL
Frontend	http://localhost:5173
API (Swagger)	http://localhost:8000/docs
MinIO consola	http://localhost:9001

Detalle completo: 03-Documento-Desarrollo/05-Manual-tecnico-instalacion y 05-Documento-Implementacion-Despliegue/06-Proceso-instalacion.

Datos de evaluación

Entregable	Peso
Análisis	20%
Diseño	20%
Desarrollo	20%
Plan de evidencias y pruebas	15%
Implementación y despliegue	10%
Matriz de trazabilidad	5%
Presentación y sustentación	10%

Recordatorios clave del enunciado

• La IA debe demostrar el flujo real: archivo → extracción → procesamiento IA → análisis → almacenamiento → búsqueda/consulta → respuesta.
• Justificar técnicamente el modelo/API/técnica usada (RAG, embeddings, búsqueda semántica, NLP, OCR).
• Mínimo 30 documentos de prueba, 3+ categorías, sin datos personales reales sin autorización.
• Mínimo 10 casos de prueba documentados (el proyecto cuenta con 16).
• Nunca subir API keys/credenciales al repositorio — usar variables de entorno.
• Todos los integrantes deben poder sustentar el proyecto completo.