Este artículo presenta el primer estudio de caso que aplica Modelos de Lenguaje Grande al proceso del Banco Central Alemán para verificar la elegibilidad de valores como garantía, pasando del Reconocimiento Tradicional de Entidades Nombradas a una pipeline generativa de Extracción de Información. El enfoque descompone la tarea en extracción, normalización e interpretación para manejar el texto ruidoso y el contenido bilingüe de manera más efectiva.
- El sistema logra una alta precisión de hasta 91% en la verificación de elegibilidad a nivel de documento.
- Utiliza una metodología de evaluación LLM-as-a-judge para la evaluación semántica en lugar de métricas basadas en ubicación.
- El modelo exhibe un perfil operativo conservador que minimiza la aceptación falsa de activos no elegibles.
Este método reduce la intensidad de recursos de la verificación manual de prospectos largos y semiestructurados al superar las limitaciones asociadas con el ruido de OCR y la variación lingüística.