De documentos clasificados a mano a la clasificación de reclamaciones con 95% de precisión en segundos
Una empresa de procesamiento de reclamaciones clasificaba a mano los documentos de numerosas aseguradoras, lo que causaba demoras, errores y archivos extraviados. Con funciones de Snowflake Cortex AI como AI_EXTRACT, Viewnear automatizó la clasificación y la extracción de datos, con lo que la precisión subió del 60% al 95% y el procesamiento por documento bajó a cuatro segundos.
El nombre del cliente se reserva a petición suya.

Entregado por Viewnear. Conocer al equipo de liderazgo
Lo que Viewnear entregó para una organización de seguros
El reto
Una empresa de procesamiento de reclamaciones clasificaba a mano PDFs y documentos digitalizados de muchas aseguradoras. Los documentos iban desde formularios estructurados hasta reportes extensos y notas manuscritas, y las reclamaciones avanzan cuando sus documentos se clasifican con precisión y a tiempo. Tres problemas dificultaban escalar el proceso manual:
- Variabilidad de los documentos. Los formatos variaban mucho, así que el OCR basado en plantillas daba resultados inconsistentes.
- Revisión manual. Cada documento tomaba de segundos a minutos, y el backlog frenaba la resolución de las reclamaciones.
- Clasificación inconsistente. El criterio humano generaba errores, recategorizaciones y métricas de volumen poco confiables.
Documentos válidos perdidos en Descarte
Los documentos entrantes se clasificaban por propósito para que cada uno pudiera enrutarse y gestionarse correctamente:
- Verificaciones confirman la cobertura.
- Denegaciones registran el rechazo de una reclamación.
- Pagos abarcan desembolsos y cheques.
- Correspondencia abarca cartas y notas.
- Descarte se reserva para elementos irrelevantes: páginas en blanco, duplicados y material no relacionado.
Bajo presión de tiempo, Descarte se convirtió en un punto de fuga de información. Verificaciones y Denegaciones válidas se descartaban por error y salían del flujo activo de reclamaciones, lo que provocaba:
- Pérdida de datos. Documentos clave salían por completo del flujo de trabajo.
- Interrupciones. Los casos debían reabrirse y reclasificarse.
- Métricas distorsionadas. Los números de volumen de trabajo quedaban distorsionados, lo que desajustaba la planeación de recursos.
Un pipeline de Cortex AI sobre Snowflake
Viewnear construyó un producto de datos y un pipeline sobre Snowflake Cortex AI que clasifica, extrae y enruta documentos de forma automática, con las funciones de IA invocadas directamente en SQL.
- Ingesta desde Azure. Los PDFs llegaban a un contenedor de Azure Blob Storage y se leían a través de un external stage de Snowflake.
- Parseo.
PARSE_DOCUMENTconvertía cada PDF, incluidos los escaneos digitalizados de forma externa, en el texto y el layout que usaban los pasos siguientes. - Clasificar y extraer. Los procedimientos almacenados invocaban funciones de Cortex AI por documento.
AI_CLASSIFYclasificaba los documentos según su contenido en Denegaciones, Verificaciones, Pagos y Correspondencia, yAI_EXTRACTextraía números de reclamación, montos de cheques, fechas y datos de clientes, con una precisión del 95%. - Enrutar según reglas de negocio. Los documentos clasificados se enviaban al sistema de destino correcto, lo que eliminó el paso de reenvío manual.
- Revisar el 5%. Los casos inciertos se marcaban para revisión humana, y esas revisiones alimentaban un ciclo de mejora continua que seguía elevando la precisión. Como las funciones de Cortex AI se ejecutan dentro de Snowflake, el equipo administra un solo stack para datos e IA.
Protección de los datos sensibles de las reclamaciones
Los documentos de reclamaciones contienen datos personales y financieros sensibles, por lo que la gobernanza se incorporó desde la primera tabla.
- Linaje con Horizon Catalog. Los documentos, las clasificaciones y los campos extraídos son trazables, así que el equipo puede mostrar de dónde provino un valor y cómo se procesó.
- Definiciones compartidas en Horizon Context. Horizon Context da a los equipos y a las funciones de IA las mismas definiciones para los tipos de documento, los campos de reclamación y los estados, y con ello la clasificación y los reportes posteriores coinciden.
- Acceso con privilegios mínimos. Los controles de acceso basados en roles (RBAC) limitan quién puede ver los documentos en bruto y los datos extraídos, con separación de funciones entre el procesamiento, la revisión y el reporte.
- PII protegida en su lugar. Los campos sensibles se clasifican y enmascaran por política. Las funciones de Cortex AI se ejecutan sobre los datos dentro de la cuenta de Snowflake del cliente, por lo que los documentos permanecen dentro de Snowflake durante todo el proceso.
- Controles auditados. El trabajo hereda los controles de Snowflake auditados de forma independiente (SOC 2 Type II, ISO 27001) y añade un historial completo de accesos para auditorías y respuesta a incidentes.
Resultados
- La precisión de la clasificación subió del 60% al 95%, una mejora de 35 puntos.
- La clasificación promedio por documento bajó a 4 segundos.
- Más del 40% de los documentos previamente descartados se recuperaron y reintegraron.
- Los errores de clasificación se redujeron casi un 90%, de una tasa de error del 40% al 5%.
Impacto en el negocio
El trabajo también creó una base para automatizar más decisiones sobre documentos:
- Automatización escalable. Menos tareas repetitivas y capacidad para absorber un volumen de documentos mucho mayor.
- Datos más confiables. Clasificación consistente, extracción confiable de los campos clave y trazabilidad completa del proceso.
- Mejora continua. Los errores marcados se revisan y alimentan la siguiente iteración del pipeline.
La clasificación de documentos ahora corre en el pipeline, y el tiempo del equipo se dedica a resolver reclamaciones.