Leer facturas de proveedor a mano es de los trabajos más caros que existen: consume horas, no aporta nada y falla justo cuando hay prisa. Es también uno de los procesos donde un modelo de lenguaje encaja bien, siempre que se monte con desconfianza.
El proceso antes
El flujo típico en una empresa pequeña: llega el PDF por correo, alguien lo abre, copia el número de factura, la fecha, la base imponible, el IVA y el total a una hoja de cálculo, y lo archiva en una carpeta. Cuarenta facturas al mes son unas doce horas de trabajo y una tasa de error que nadie mide porque nadie la revisa.
Qué automatizamos y qué no
La regla es sencilla: automatizamos la extracción, no la decisión. El modelo lee y propone; la validación es determinista y el pago sigue siendo humano.
El flujo queda así:
- Ingesta. Un buzón dedicado recibe los PDF. Cada correo se registra con su remitente, fecha y adjuntos.
- Normalización. Si el PDF es una imagen escaneada, pasa por OCR antes de nada. Un modelo de lenguaje sobre un escaneo torcido inventa cifras.
- Extracción estructurada. El modelo devuelve un JSON con esquema fijo: CIF del emisor, número, fecha, líneas, base, IVA y total. Se fuerza el esquema en la propia llamada, no se parsea texto libre.
- Validación aritmética. Aquí no hay IA. Se comprueba que las líneas sumen la base, que el IVA aplicado sea uno de los tipos legales y que base más IVA dé el total. Si no cuadra, la factura se marca para revisión.
- Contraste con el pedido. Se busca el pedido correspondiente y se comparan importes y cantidades. Diferencias por encima del umbral acordado paran el flujo.
- Escritura. Solo lo que pasa los dos filtros anteriores llega al sistema contable. El resto va a una bandeja de revisión con el motivo señalado.
Por qué la validación determinista es innegociable
Un modelo de lenguaje acierta la mayoría de las veces y falla de forma plausible: confunde el número de factura con el de pedido, o el total con el total sin impuestos. Un error así no se nota leyendo, se nota cuadrando.
Por eso toda cifra extraída pasa por comprobaciones que no dependen del modelo. La aritmética o cuadra o no cuadra. Ese filtro convierte un sistema que acierta el 95 % en un sistema en el que el 5 % restante se detecta en lugar de colarse.
Datos y proveedores
Dos condiciones antes de enviar nada a un proveedor de modelos:
- Que no entrene con lo que se le manda por API. Los principales proveedores lo garantizan por contrato para el uso empresarial; conviene tenerlo por escrito.
- Que salga el mínimo imprescindible. Si para extraer los importes no hace falta el nombre del empleado que firmó el albarán, se elimina antes de la llamada.
Cuando el cliente maneja datos especialmente sensibles, el modelo corre en su propia infraestructura. Cuesta más y rinde algo menos, pero el dato no sale de casa.
Qué se mide
Antes de automatizar se cronometra el proceso real: cuántas facturas al mes, cuántos minutos por factura, cuántos errores detectados al cuadrar el trimestre. Sin ese número de partida, cualquier promesa de ahorro es marketing.
En los flujos que hemos montado el ahorro típico está entre diez y quince horas al mes, con la ventaja añadida de que los errores aparecen el mismo día y no tres meses después.
El detalle que casi nadie monta
El registro de ejecuciones. Cada factura procesada guarda la entrada, la salida del modelo, el resultado de cada validación y quién aprobó. Sin ese registro, el día que algo falle nadie sabrá por qué. Con él, se corrige el flujo en una tarde.