Cuando una plataforma se retira, conservar sus tablas no siempre equivale a conservar los documentos que las personas necesitan consultar.
En el proyecto descrito por Joaquín Díaz, Sebastián Beltrán y William Betancourt, el objetivo era recuperar representaciones documentales de Oracle Taleo vinculadas con requisiciones, candidatos, postulaciones y correspondencia. La exportación con Taleo Connect Client (TCC) produjo 36 archivos CSV, más de 1 GB de información y 33.787.733 registros. También se construyó una capa relacional de consulta mediante BI. Ambos caminos aportaron datos y conocimiento del modelo, pero no reconstruyeron por sí solos las vistas, adjuntos y relaciones de negocio necesarias para la consulta documental.
La diferencia clave fue definir el resultado esperado: no solo “dato exportado”, sino “documento disponible” con una asociación verificable a su identificador de negocio.
Una automatización con estado, no una macro de clics
Tras estudiar los flujos visibles del front end, el equipo diseñó bots en Python que, dentro de sesiones autorizadas, buscaban cada identificador, esperaban la generación de la representación, descargaban el artefacto y registraban el resultado. Cada unidad de trabajo combinaba un identificador de negocio y un tipo documental.
El proceso distinguía estados como descargado, no localizado, fallido por tiempo de espera y pendiente de reproceso. Las particiones de trabajo, los reintentos acotados y el inventario de salida permitieron continuar una campaña sin interpretar un reinicio como trabajo nuevo. La estructura de carpetas preservó la familia documental y el identificador para facilitar búsqueda y conciliación.
Escalar según el recurso que realmente limita
La ejecución se distribuyó entre máquinas virtuales de Oracle Cloud Infrastructure (OCI). El equipo aumentó gradualmente el número de sesiones y observó memoria, CPU, tiempos de respuesta y tasa de errores. En este caso, la memoria residente de los navegadores limitó la concurrencia antes que la CPU: la configuración más exigente llegó a 68 GB de RAM y 8 OCPU. Esa relación fue una observación de esta carga de trabajo, no una regla universal.
3.487.563 artefactos
Recuperados en una campaña automatizada documentada, entre PDF, capturas y un archivo de roles.
9.436.415 archivos
Registrados en el inventario de cierre posterior. Es una etapa y una unidad de medida distintas de la campaña anterior; las cifras no deben sumarse.
930,87 GB analizados
Volumen físico del conjunto inventariado, con conciliación por carpetas, nomenclatura y muestras funcionales.
La latencia de Taleo también influyó en la capacidad. Más bots podían aumentar la producción mientras hubiera memoria suficiente y la aplicación de origen no se degradara. Por eso el escalamiento fue gradual y sujeto a medición.
Preservar datos, documentos y consulta exige objetivos distintos
Una exportación relacional puede ser la mejor opción para análisis; un documento generado por la interfaz puede preservar mejor una evidencia histórica visible. El estudio recomienda definir por separado qué datos estructurados, qué representaciones documentales y qué capacidad de consulta deben sobrevivir al retiro de un SaaS, y validar cada objetivo con su propio mecanismo. La automatización de interfaz requiere autorización, trazabilidad, protección de datos y revisión de los términos aplicables.
Lee el estudio técnico completo
Esta entrada resume el artículo «Extracción resiliente de documentos en aplicaciones SaaS heredadas mediante RPA paralela: estudio técnico de un proyecto Taleo», de Joaquín Díaz, Sebastián Beltrán y William Betancourt. El documento contiene metodología, modelo de capacidad, figuras, límites de la validación y referencias.
Las cifras corresponden al caso documentado y no constituyen una garantía de rendimiento ni una afirmación de integridad semántica absoluta. El PDF se presenta como artículo técnico aportado por sus autores; no se afirma que haya sido publicado o revisado por IEEE.
Abrir artículo completo en PDF ↗