Procesar facturas y documentos con IA: cómo automatizar la entrada de datos

El problema: datos que alguien copia a mano

En casi todas las empresas hay alguien que abre un PDF, lee un dato y lo teclea en otro sitio. Facturas, albaranes, pedidos, contratos. Es lento y propenso a errores, y no se nota hasta que falla: un pago duplicado, un IVA mal registrado, un pedido que nadie cargó.

El procesamiento de facturas con IA ataca justo eso: que las personas dejen de copiar y se ocupen de lo que necesita criterio, las excepciones. Aquí te explicamos cómo funciona, cómo se valida cada dato y por dónde empezar. Es el enfoque que aplicamos en nuestros proyectos de automatización con IA.

Qué es el procesamiento inteligente de documentos (IDP)

IDP son las siglas de intelligent document processing, procesamiento inteligente de documentos. Es un sistema que recibe documentos tal como llegan, entiende qué son, extrae los datos que te interesan, los comprueba y los entrega a tus sistemas.

La clave está en «entiende». Un escáner te da una imagen. El OCR te da texto. Un sistema de IDP te da datos con significado: este número es la base imponible, esta fecha es el vencimiento, esta línea es un producto con su cantidad y su precio.

OCR clásico frente a IA

El OCR (reconocimiento óptico de caracteres) convierte una imagen en texto. Para sacar datos de ese texto, las herramientas clásicas usan plantillas: en las facturas de este proveedor, el total está abajo a la derecha. Funciona mientras nada cambie. Pero el proveedor rediseña su factura, llega uno nuevo o alguien envía una foto torcida hecha con el móvil.

La IA trabaja de otra forma: el modelo lee el documento completo y localiza los datos por su significado, no por su posición. Sabe qué es un total aunque se llame «importe a pagar».

La última fila es la importante: un modelo puede devolver un dato equivocado con buena pinta. Por eso un buen sistema combina IA para leer y reglas para comprobar. Lo desarrollamos en automatización con IA frente a RPA.

El flujo completo, paso a paso

Extraer datos es solo una parte. Un sistema que funciona en producción tiene siete pasos.

1. Captura

Los documentos entran por donde ya llegan: un buzón de correo, un escáner, una carpeta compartida o el portal de un proveedor. El sistema los recoge, separa los adjuntos y descarta logotipos y firmas.

2. Clasificación

Antes de extraer hay que saber qué es cada cosa: factura, abono, albarán, pedido, contrato. A veces un PDF trae varios documentos juntos. La clasificación decide qué datos buscar y qué camino sigue cada uno.

3. Extracción de campos y líneas

Primero, la cabecera: proveedor, NIF, número de factura, fechas, base imponible, tipos y cuotas de IVA, retenciones y total. Después, las líneas: referencia, descripción, cantidad, precio e importe.

Las líneas son lo difícil, sobre todo en facturas de varias páginas. Si solo necesitas la cabecera para contabilizar, el proyecto es más sencillo; si necesitas cruzar líneas con un pedido, hay que diseñarlo así desde el principio.

4. Validación

Aquí está el valor real. Cada dato se contrasta antes de darlo por bueno:

• Los totales cuadran. La suma de líneas coincide con la base, y base más IVA menos retenciones da el total.
• El NIF es válido y corresponde a un proveedor dado de alta en tu ERP.
• No es un duplicado. Mismo proveedor, mismo número, mismo importe: se para.
• Corresponde a un pedido. En compras se usa el three-way match: el pedido dice lo que pediste, el albarán lo que recibiste y la factura lo que te cobran. Si coinciden cantidades y precios, la factura está lista para aprobar.

Casi todas estas comprobaciones son reglas, no IA. Y así debe ser: la IA lee, las reglas verifican.

5. Excepciones y revisión humana

Cada campo extraído lleva una medida de confianza. Si todo supera el umbral y las validaciones pasan, el documento sigue solo. Si algo falla, va a una bandeja de revisión con el documento a un lado, los datos al otro y el problema señalado: «el total no cuadra», «no hay pedido asociado».

La persona corrige o aprueba sin teclear desde cero, y sus correcciones mejoran el sistema. Los umbrales dependen de lo que cueste equivocarse.

6. Integración con el ERP

Los datos validados llegan a tu ERP o a tu programa de contabilidad por tres vías habituales:

• API. La mejor opción cuando existe: el sistema crea el registro y recibe confirmación.
• Ficheros de importación. Muchos ERP aceptan CSV o XML con un formato definido.
• Conectores. Módulos de importación del propio ERP o, como último recurso, automatizar su interfaz, que es la vía más frágil.

La integración suele ser lo que más trabajo lleva. Revísala al principio, no al final.

7. Registro y auditoría

Cada documento deja rastro: cuándo llegó, qué se extrajo, qué validaciones pasó, quién lo revisó y cuándo entró en el ERP. Sirve para auditar, para resolver dudas meses después y para saber dónde falla el sistema.

Más allá de las facturas

El mismo flujo sirve para casi cualquier documento que hoy alguien transcribe:

• Albaranes, para confirmar recepciones y alimentar el three-way match.
• Pedidos de clientes que llegan por correo, para cargarlos en el ERP sin teclear.
• Contratos, para extraer partes, vencimientos, renovaciones y cláusulas que vigilar.
• Documentación de altas de clientes o proveedores: certificados, escrituras, justificantes.

Cuando el documento exige decidir y actuar en varios sistemas, como pedir una aclaración a un proveedor, el siguiente paso son los agentes de IA.

Cómo medir si funciona

Mide sobre una muestra real de tus documentos, no sobre ejemplos limpios:

• Precisión por campo. Una cifra global engaña: se puede acertar el proveedor y fallar la fecha de vencimiento.
• Porcentaje de documentos que pasan sin tocar. Los que llegan al ERP sin correcciones. Es lo que más dice del ahorro real.
• Errores que llegan al ERP. Los que se escaparon de la validación. Es el número que más importa.
• Tiempo de revisión por excepción. Si revisar cuesta lo mismo que teclear, algo está mal diseñado.

Antes de empezar, mide cómo se hace hoy: tiempo por documento y errores. Sin esa línea base no podrás comparar.

Datos y privacidad

Las facturas y los contratos contienen datos personales: nombres, NIF de autónomos, direcciones, cuentas bancarias. Su tratamiento debe cumplir el RGPD como cualquier otro.

La decisión clave es dónde se procesan: proveedores de modelos con acuerdos de no retención y procesamiento en la UE, o modelos en tu propia infraestructura. Y un riesgo propio de la IA: un documento puede incluir texto pensado para manipular al modelo. Por eso lo que entra se trata como dato, nunca como instrucción.

Factura electrónica y Verifactu: qué cambia y qué no

Dos normas generan dudas al automatizar facturas. Afectan a cosas distintas.

La factura electrónica obligatoria entre empresas

La Ley 18/2022, «Crea y Crece», prevé que las facturas entre empresarios y profesionales sean electrónicas. La desarrolla el Real Decreto 238/2026, y los plazos empezaron a contar el 6 de octubre de 2026, con la entrada en vigor de la orden que regula la solución pública de facturación. Según el calendario de la Agencia Tributaria, obliga a las grandes empresas, por volumen de operaciones, desde el 6 de octubre de 2027, y al resto desde el 6 de octubre de 2028.

La factura electrónica es un mensaje estructurado que sigue el modelo semántico europeo EN 16931, en sintaxis como UBL, CII, EDIFACT o Facturae. Un PDF, por sí solo, no lo es.

Qué cambia en las facturas que recibes. Cuando un proveedor te envíe una factura electrónica, los datos llegan ya en campos: no hay que extraerlos. Además, como destinatario tendrás que informar de ciertos estados, como la aceptación o el rechazo y el pago, con su propio calendario escalonado.

Qué no cambia. Hay que validarla igual: ¿corresponde a un pedido?, ¿llegó la mercancía?, ¿son los precios pactados? Y aceptarla o rechazarla depende de esa validación. Hasta que la obligación alcance a todos tus proveedores convivirás con PDF, papel y facturas estructuradas. Los albaranes, pedidos y contratos seguirán llegando sin estructura.

Verifactu

Verifactu se refiere a los requisitos del Real Decreto 1007/2023 para los sistemas informáticos de facturación, que la norma define como los que se usan para expedir facturas. Afecta a cómo emites, no a cómo lees las facturas de tus proveedores. Si tu ERP también factura a tus clientes, esa parte sí tiene que cumplirlo.

Su calendario se ha aplazado más de una vez. La redacción vigente fija la obligación en 2027: el 1 de enero para los contribuyentes del Impuesto sobre Sociedades y el 1 de julio para el resto. Hacienda ha anunciado una nueva ampliación del plazo que, a la fecha de este artículo, no se ha publicado en el BOE. Consulta las fechas en la sede de la Agencia Tributaria antes de planificar.

Errores comunes

• Medir solo la extracción. Sin validación, los errores entran en el ERP con apariencia de datos correctos.
• Probar con documentos limpios. Los escaneos torcidos y los proveedores raros son los que fallan en producción.
• Dejar la integración para el final. Descubrir tarde que el ERP no tiene API lo retrasa todo.
• Eliminar la revisión humana. Siempre habrá excepciones. El objetivo es que sean pocas y fáciles de resolver.
• No estimar el coste por documento. Se calcula antes de construir. Lo explicamos en cuánto cuesta un proyecto de IA.

Cómo empezar: un tipo de documento

Empieza por un solo tipo de documento, con volumen suficiente y un resultado fácil de comprobar. Las facturas de proveedores suelen ser buen candidato.

1. Acota el alcance. Por ejemplo, facturas con pedido, solo cabecera en la primera fase.
2. Reúne una muestra real, con proveedores difíciles incluidos y los datos correctos ya registrados para comparar.
3. Define las validaciones y qué pasa con cada excepción.
4. Evalúa antes de producción con las métricas anteriores.
5. Arranca en paralelo. El sistema procesa y el equipo revisa todo. Cuando los números lo justifican, la revisión se limita a las excepciones.
6. Amplía: líneas, otro tipo de documento u otra vía de entrada.

Así es como planteamos cualquier proyecto de automatización con IA: un proceso acotado primero y crecer desde lo aprendido.

Preguntas frecuentes

¿Qué diferencia hay entre OCR e IDP?

El OCR convierte una imagen en texto. El IDP entiende el documento: lo clasifica, extrae los datos por su significado, los valida y los entrega a tus sistemas. El OCR puede ser una pieza dentro del IDP.

¿Necesito una plantilla por proveedor?

Con IA, normalmente no: el modelo localiza los datos por lo que significan. Sí conviene probar con facturas de muchos proveedores antes de pasar a producción.

¿Qué pasa cuando la IA se equivoca?

Las validaciones detectan buena parte de los errores: totales que no cuadran, NIF inexistentes, duplicados, facturas sin pedido. Lo que no las supera o tiene baja confianza va a revisión humana antes de llegar al ERP.

¿La factura electrónica obligatoria lo hace innecesario?

No del todo. Con facturas estructuradas no hará falta extraer los datos, pero sí validarlos, cruzarlos con pedidos y albaranes y decidir si las aceptas. Y durante la transición seguirán llegando PDF.

Siguiente paso: elige el primer documento

Antes de elegir herramienta, conviene saber qué documento automatizar primero y cómo se conectará con tu ERP. Es lo que revisamos en nuestro diagnóstico de IA gratuito: analizamos contigo tus procesos documentales y te decimos con franqueza si el procesamiento con IA tiene sentido, si basta con una automatización sencilla o si todavía no es el momento.