Gartner cita a Altilia en el Magic Quadrant 2026 de IDP. Así encaja la plataforma con el mercado que describe.

El 8 de septiembre de 2026 Gartner publicó su Magic Quadrant™ for Intelligent Document Processing. El informe evalúa a quince proveedores y cita a otros cuatro como Honorable Mentions: empresas que considera dignas de mención sin haberlas incluido en el análisis formal. Altilia es uno de los cuatro, y la única empresa italiana del informe. Más que como una insignia, lo tomamos como la ocasión de contrastar la plataforma con la vara de medir que usa Gartner: caso de uso por caso de uso, funcionalidad por funcionalidad.

La vara de medir se ha movido. Gartner define hoy el IDP como una plataforma que combina varias técnicas de IA, entre ellas machine learning, modelos de lenguaje y grafos de conocimiento, para capturar y enriquecer datos de documentos complejos y dar soporte a flujos de trabajo entre aplicaciones. En los próximos tres años espera que el IDP deje de ser un paso de captura previo a un proceso y se convierta en la capa de inteligencia que suministra datos listos para la decisión a los sistemas de registro y a los sistemas de IA que cada vez más los consumen. Los proveedores que solo extraen, y no pueden conectar la captura con la acción posterior, se describen como expuestos a la comoditización. Es una definición del mercado que reconocemos, porque es aquella para la que construimos la plataforma.

Cuatro casos de uso, un solo grafo

Gartner enumera cuatro casos de uso principales para el IDP. Altilia ejecuta los cuatro sobre el mismo sistema operativo, y las diferencias entre ellos las gestiona el grafo de conocimiento, no cuatro productos separados.

Procesamiento de documentos transaccionales: documentos únicos e independientes como facturas, pedidos de compra o formularios de siniestro. Los agentes preconstruidos de Altilia Extract clasifican, extraen y validan a gran volumen; los datos validados fluyen al sistema de registro a través de Altilia Sheets o de APIs; solo las excepciones llegan a la cola de revisión en Notebook.

Procesamiento de documentos interdependientes: varios documentos relacionados que deben procesarse juntos, con la verificación know-your-customer como ejemplo de Gartner. Aquí es donde Altilia tiene su historial de producción más profundo. En crédito corporativo, los agentes leen un expediente de 27 tipos de documento, rellenan 250 datos, ejecutan las comprobaciones KYC y de titular real y concilian las cifras entre documentos, llevando el ciclo de cinco días a dos horas. En due diligence de NPL, los agentes procesaron 130 millones de páginas, extrajeron 330 datos por expediente y alcanzaron un 98,3 % de precisión en una muestra de auditoría de 10.000 documentos. Como cada extracción acaba en el grafo, la coherencia entre documentos es una consulta, no un script.

Inteligencia contextual: datos enriquecidos semánticamente que activan conocimiento para agentes y asistentes, con los manuales técnicos como ejemplo. Es el caso de uso para el que se diseñó el grafo de conocimiento. Los documentos pueblan una ontología; la recuperación se ejecuta sobre el grafo; Notebook responde a las preguntas con una cita del pasaje del que procede la respuesta; la asistencia normativa, las políticas internas y la documentación de producto se convierten en conocimiento que otros agentes pueden usar, no solo en texto que las personas pueden buscar.

Procesamiento de documentos especializados: documentos formateados para una especialización técnica, donde la maquetación lleva el significado. Aquí no lanzamos un prompt a un modelo general y esperamos que funcione. Las ontologías de dominio describen qué contiene el documento, y Altilia Model Trainer entrena modelos pequeños sobre las familias documentales del propio cliente, desde tasaciones judiciales y notas catastrales hasta los anexos técnicos de las pólizas de seguro.

Las cuatro funcionalidades obligatorias

Extracción. Gartner pide la captura, validación y correspondencia de entidades con datos estructurados. En Altilia la extracción se corresponde con las clases y propiedades de una ontología, de modo que el resultado es un grafo tipado y no un conjunto plano de campos, y cada valor conserva un enlace a la página de la que procede.

ModelOps. Gobernar el ciclo de vida de los modelos de IA compuesta y de decisión. Altilia Model Trainer cubre el ciclo completo: conjuntos de datos construidos con generación de datos sintéticos y curación de datos guiada por expertos, entrenamiento, evaluación frente a los umbrales de precisión del propio cliente, versionado y promoción a producción. Los modelos entrenados en la plataforma son propiedad del cliente.

Arquitectura componible. Altilia es un sistema operativo, no un monolito. Robots, Skills y Notebook son sus capas de usuario; los agentes se entregan como apps (Write, Sheets, Slides, Extract); el grafo de conocimiento, la capa de importación, la capa de revisión y la model foundry son módulos que pueden desplegarse y escalarse por separado.

Preprocesamiento. Integración con las aplicaciones anteriores para ingerir y preparar contenido. La capa de importación recoge documentos de buzones de correo, carpetas compartidas y sistemas de gestión documental, separa los lotes en sus documentos constituyentes, los clasifica y recupera texto y maquetación de los escaneos.

Las dieciséis funcionalidades opcionales

Las funcionalidades opcionales de Gartner describen lo que separa una herramienta de captura de una plataforma. Altilia las cubre así.

• Posprocesamiento: los datos validados se exportan a los sistemas posteriores mediante Sheets, APIs y conectores, con la procedencia adjunta.
• Human in the loop: la cola de revisión de Notebook contiene solo lo que los agentes no pudieron resolver, enrutado por confianza y por la experiencia del revisor.
• Orquestación de flujos: los procesos documentales se modelan una vez y los ejecutan agentes, de forma determinista donde las reglas se conocen y agéntica donde no.
• Orquestación agéntica: los agentes invocan skills y otros agentes para completar una tarea, y el sistema operativo autoriza y registra cada paso.
• Repositorio centralizado: el grafo de conocimiento es el repositorio, y guarda entidades, relaciones y procedencia de cada documento procesado.
• Colaboración: revisores, aprobadores y expertos de dominio comparten las mismas colas en Notebook, con roles que determinan quién valida y quién firma.
• Validación de datos: los valores extraídos se contrastan durante la extracción con datos internos y registros externos, como en las comprobaciones KYC y de titular real.
• Despliegue flexible: SaaS, nube privada en la UE u on-premises, con la misma plataforma en cada caso.
• MLOps: la pipeline del Trainer gobierna los modelos de machine learning además de los modelos de lenguaje, y la precisión se supervisa en producción.
• No/low code: los usuarios de negocio describen qué contiene un documento y qué debe hacer un agente; de lo demás se ocupa la plataforma.
• Otros modelos de lenguaje: modelos pequeños y de dominio entrenados con los datos del cliente trabajan junto a modelos grandes, cada uno vinculado a la tarea que le corresponde.
• Integraciones posteriores preconstruidas: conectores a los sistemas de registro habituales y a las apps en las que la gente ya trabaja.
• Integraciones anteriores preconstruidas: conectores a buzones de correo, almacenamiento y sistemas de gestión documental para la ingesta.
• Captura de contenido enriquecido: documentos digitales nativos, escaneos y documentos fotografiados, incluidas tablas y maquetaciones complejas.
• Componentes de terceros: modelos de terceros y de pesos abiertos, motores OCR y servicios externos pueden conectarse como skills.
• Gobernanza y gestión de flujos: cada acción de un agente está autorizada, registrada y es auditable, y las políticas las aplica el sistema operativo; así es como los clientes cumplen las obligaciones del AI Act europeo y de DORA.

Dos cosas del informe que gran parte del mercado no puede decir

La primera es el grafo de conocimiento. Gartner incluye los grafos de conocimiento en su definición de IA compuesta, pero en el informe aparecen como una técnica entre varias, no como el fundamento de una plataforma. En Altilia el grafo es el fundamento. La mayoría de las herramientas IDP producen campos; Altilia produce un grafo. Una ontología dice de qué tratan los documentos de la empresa, los agentes la pueblan, y el grafo hace entonces tres trabajos a la vez: hace posible el razonamiento entre documentos, fundamenta la recuperación para que las respuestas lleven citas en lugar de alucinaciones, y aporta el conocimiento curado sobre el que se afinan los modelos grandes y pequeños. El caso de uso de inteligencia contextual no es una funcionalidad que añadimos; es la arquitectura.

La segunda es la soberanía. El informe vuelve una y otra vez a lo que necesitan los sectores regulados: despliegue soberano, ejecución sin conectividad externa y la misma funcionalidad tanto si la plataforma se ejecuta en la nube como en un centro de datos aislado. Altilia se construyó para bancos, aseguradoras y administraciones públicas de Europa. Los modelos se entrenan y sirven dentro del perímetro del cliente, las ontologías, los modelos y los agentes siguen siendo propiedad del cliente, y la plataforma está certificada ISO/IEC 27001, 27017 y 27018. Para una institución europea, la soberanía no es una opción de despliegue; es la razón por la que la plataforma puede usarse.

Hacia dónde dice Gartner que va el mercado

Tres tendencias recorren el informe. El inference layering: dirigir las tareas de alto volumen a modelos deterministas o pequeños modelos de dominio, más baratos, reservando los modelos de frontera para el razonamiento. El IDP agéntico: agentes que deciden y actúan, no solo extraen. La IA in the loop: modelos que validan, contrastan y precorrigen antes de que una persona vea el expediente. En Altilia cada skill está vinculada al modelo que encaja con su tarea, los agentes ejecutan procesos completos y no pasos sueltos, y los agentes de validación comprueban la coherencia entre documentos antes de que nada llegue a la cola de revisión. La dirección del mercado es el diseño de la plataforma.

“Que te citen es agradable. Lo que importa es que Gartner define ahora el IDP como una capa de inteligencia construida sobre IA compuesta, grafos de conocimiento incluidos, y servida con despliegue soberano. Esa es la plataforma que construimos desde el primer día.”

Gartner, Magic Quadrant for Intelligent Document Processing, 8 de septiembre de 2026. Gartner no respalda a ningún proveedor, producto o servicio que aparezca en sus publicaciones de investigación, que expresan las opiniones de su organización de investigación y no son declaraciones de hecho. GARTNER y MAGIC QUADRANT son marcas registradas de Gartner, Inc. y/o sus filiales.