Digitalización de facturas con OCR e IA, desde un caso en producción
Qué cambia cuando el OCR se combina con un modelo de lenguaje, cómo se ve en un caso real con facturas de suministros y por qué la validación es el verdadero producto.
La digitalización de facturas con IA consiste en que un documento escaneado se convierta solo en una fila de datos limpia, sin que nadie teclee importes ni fechas. La tecnología para leer el papel existe desde hace décadas. Lo que ha cambiado es lo de después, porque el cuello de botella nunca fue leer la factura. Fue poder fiarse de lo leído.
Lo que cambia respecto al OCR de siempre
El OCR, el reconocimiento óptico de caracteres, convierte una imagen en texto. Eso resuelve la mitad fácil. Una factura de proveedor puede venir en cien formatos distintos, con el total donde cada emisor quiso ponerlo y conceptos que no coinciden entre compañías. Ahí entra el modelo de lenguaje, que interpreta ese texto como lo haría una persona con oficio. Encuentra el importe aunque cambie de sitio, entiende que «suministro eléctrico» y «energía» son lo mismo y estructura cada campo en su columna. El OCR lee. El modelo entiende lo leído.
Así se ve en producción
Para Stanton, un gestor inmobiliario, las facturas de luz, gas y agua de los inquilinos se procesaban a mano. Cada documento llegaba en el formato de su comercializadora y alguien lo convertía en datos con los que trabajar, factura a factura. Hoy esas facturas entran por un chat de Telegram que hace de buzón, el OCR las lee, el modelo las estructura y cada una aterriza como una fila normalizada en la hoja de cálculo que el equipo ya usaba. Dos agentes de IA en producción. Y el cliente sigue ampliando la automatización a más procesos administrativos, que es la señal de que la primera pieza funcionó.
Ese detalle final importa más de lo que parece. La automatización administrativa que sobrevive no llega como un gran proyecto que lo cambia todo, llega proceso a proceso, empezando por el que más duele.
La validación es el verdadero producto
Extraer datos es la parte vistosa. La parte que decide si el sistema merece confianza es la validación, las comprobaciones que se ejecutan antes de dar un dato por bueno. Que los totales cuadren con los conceptos. Que las fechas sean posibles. Que un campo vacío se marque como duda en lugar de pasar en silencio.
Una historia nuestra explica por qué somos así de insistentes. En uno de nuestros sistemas, una doble conversión de zona horaria desplazó dos horas todas las horas de entrada, sin un solo error visible. Se detectó comparando contra el documento de origen, no porque nada fallara. Desde entonces la regla de la casa es que el error silencioso es el enemigo, porque un dato mal extraído que parece bien extraído se propaga a cada decisión que se toma con él. Los casos dudosos van a una cola de revisión humana con su dueño. Los demás pasan solos.
Proveedores, albaranes y lo que venga después
Las mismas piezas sirven para el resto del papeleo. Facturas de proveedores con sus cien plantillas, albaranes que hay que casar con pedidos, formularios escaneados que alimentan un expediente. Cada tipo de documento tiene su matiz, pero el patrón se repite, lectura, interpretación, validación y una fila limpia en tus sistemas. Por eso la conversación útil no es «digitalizar todo», es elegir el primer proceso, medirlo y crecer desde ahí.
Qué preguntar antes de contratar
Tres preguntas separan una demostración bonita de un sistema que aguanta. Qué pasa cuando llega un formato nuevo que el sistema no ha visto, se rompe en silencio o cae en la cola de dudas. Dónde aterrizan los datos, en tus sistemas y tus cuentas o en la plataforma de un tercero. Y qué comprobaciones se ejecutan antes de dar un dato por bueno, porque la extracción sin validación es teclear rápido con más pasos.
La vara sigue siendo la del principio. ¿Puedes fiarte de lo leído sin mirar el papel? El día que la respuesta sea sí, ese proceso habrá desaparecido de tu lista.
Si tu papeleo se parece a esto, mira cómo lo trabajamos en automatización de procesos con IA o directamente el vertical de gestorías y asesorías. Y si quieres entender por qué empezamos siempre por ordenar los datos, está contado en antes que el prompt, los datos.