F55 — Motor de IA para ingesta multi-formato

Categoría: Inteligencia Artificial

Objetivo

Usar OCR, PLN y aprendizaje automático para limpiar, normalizar y validar datos que llegan en distintos formatos (sensores, PDFs, audios, narrativas comunitarias) antes de integrarlos a la base central.

Contexto

Capacidad transversal de IA, distinta del mapeo de columnas asistido ya existente para datos tabulares.

Qué hay

Hay un flujo real de mapeo de columnas asistido por IA para Excel/CSV: ia-functions/mcp_server/tools/carga_ia.py (proponer_mapeo_columnas/confirmar_mapeo_columnas) consulta el catálogo de campos del backend y deja que el LLM proponga el mapeo en el chat, con confirmación humana antes de escribir (vía agent_orchestrator.py, AUTH_REQUIRED_TOOLS). El modelo CargaArchivo/MapeoColumna (backend/app/models/datos.py:188-383) soporta este flujo con origen_mapeo ("manual" vs "ia_chat") y transformaciones (lookup, regex, escala, etc.).

Qué hace falta

Todo lo de OCR (PDFs) y procesamiento de audio/narrativas comunitarias — no se encontró ninguna referencia a OCR, tesseract, transcripción de audio o Whisper en ningún repo. Tampoco hay normalización/validación por ML más allá del mapeo de columnas asistido por LLM; el alcance actual cubre solo datos tabulares estructurados (Excel/CSV), no sensores en formatos crudos ni narrativas no estructuradas.