MIKA
MIKA: análisis multimodal de documentos
En resumen
MIKA (Multi-modal Intelligent Knowledge Analysis) es el módulo de RootNia que lee e interpreta de forma conjunta el texto, las tablas, las imágenes y las páginas escaneadas de un documento. En lugar de tratar cada elemento por separado, los combina en una única capa de conocimiento estructurado sobre la que trabajan la clasificación, la extracción y el RAG.
Última actualización ·
Por qué hace falta un análisis multimodal
Los documentos reales rara vez son solo texto. Una póliza combina cláusulas con tablas de capitales; un informe técnico mezcla párrafos, figuras y tablas de especificaciones; un albarán escaneado es, en origen, una imagen. Si cada parte se procesa por separado se pierde el contexto: la cifra de una tabla deja de estar ligada a la fila y la columna que le dan sentido.
Qué hace MIKA
- Lee varios tipos de contenido a la vez: texto, tablas, imágenes y páginas escaneadas del mismo documento.
- Conserva la estructura: mantiene la relación entre encabezados, celdas, figuras y el texto que las describe.
- Produce una capa de conocimiento única: el resultado es una representación estructurada del documento, lista para clasificar, extraer y consultar.
Dónde encaja en el pipeline
- El orquestador recoge el documento de SharePoint, OneDrive o una base de datos.
- Si es un escaneo o una imagen, el OCR obtiene el texto.
- MIKA interpreta el documento completo y genera la capa estructurada.
- El clasificador asigna sector y tipo; VERA extrae datos anclados a su región; RAG usa esa capa para responder.
Ejemplo: una tabla que no pierde su contexto
Ejemplo ilustrativo del funcionamiento, no de un cliente concreto.
Un condicionado incluye una tabla con tres columnas —garantía, capital asegurado y franquicia— y una nota al pie que excluye un supuesto. Un sistema que solo extrae texto devuelve las cifras sueltas. MIKA mantiene cada cifra ligada a su fila y su columna, y relaciona la nota al pie con la garantía a la que afecta, de modo que una pregunta posterior sobre esa garantía recibe la cifra correcta y la exclusión.
Limitaciones y buenas prácticas
- Calidad de origen: un escaneo muy degradado limita lo que cualquier sistema puede leer; conviene digitalizar a una resolución razonable.
- Documentos muy visuales: gráficos o planos sin texto aportan menos información que una tabla o un párrafo.
- Verificación: para datos críticos, combina MIKA con VERA para revisar cada valor en su origen.
Ejemplos
- Tablas de capitales y franquicias en pólizas de seguros.
- Tablas de especificaciones y figuras en documentación de ingeniería.
- Informes escaneados en el sector salud.
Preguntas frecuentes
¿Qué significa MIKA?
Multi-modal Intelligent Knowledge Analysis, es decir, análisis de conocimiento inteligente multimodal. «Multimodal» indica que interpreta varios tipos de contenido —texto, tablas e imágenes— dentro del mismo documento.
¿En qué se diferencia de un OCR?
El OCR convierte imágenes en texto. MIKA va un paso más allá —interpreta la relación entre ese texto, las tablas y las figuras— para que el contenido conserve su estructura y su significado.
¿Qué módulos usan el resultado de MIKA?
La capa de conocimiento que produce MIKA alimenta la clasificación por sector, la extracción verificada de VERA y la recuperación de contexto de RAG.