Automatizar facturas con IA: lo que aprendimos montándolo para nosotros

En CODX procesamos decenas de facturas cada mes: proveedores de cloud, licencias de software, servicios externos. Cada una llega en formato diferente: PDF escaneado, foto desde el móvil, adjunto en correo. Decidimos automatizar el proceso y nos llevamos algunas sorpresas por el camino.

Este artículo cuenta lo que aprendimos construyendo nuestro propio sistema de procesamiento de facturas con IA, los errores que cometimos y qué automatizaríamos (y qué no) si fueras nuestro cliente.

El problema real: caos de formatos y datos desperdigados

Las facturas no son documentos estandarizados. Cada proveedor tiene su plantilla: Telefónica pone el NIF arriba a la derecha, AWS lo esconde en la segunda página, el electricista local usa una plantilla de Word descargada de internet.

Nuestro flujo manual era este desastre:

• Descargar PDF del correo o hacer foto con el móvil
• Abrir Excel, crear nueva fila
• Copiar a mano: fecha, proveedor, concepto, base, IVA, total
• Archivar el documento en Drive con nombre coherente
• Rezar para no meter la pata en los decimales

Con 3-4 facturas por semana era asumible. Con 15-20, se convirtió en una pérdida de tiempo considerable.

La cadena técnica: por qué no basta con "pásale el PDF al modelo"

La tentación inicial es enviar el PDF directamente a GPT-4 Vision o Claude y pedirle que extraiga los datos. Funciona... a veces. El problema es que los modelos de lenguaje no leen PDFs nativamente.

Nuestra cadena real es esta:

Paso 1: PDF a imágenes Usamos pdf2pic para convertir cada página en PNG de alta resolución. Los PDFs escaneados (facturas fotografiadas) necesitan más resolución que los nativos.

Paso 2: OCR + Vision Model Enviamos las imágenes a GPT-4 Vision con un prompt estructurado que pide JSON con campos específicos: emisor, destinatario, fecha, líneas de factura, totales.

Paso 3: Validación y estructuración El JSON raw pasa por validadores que comprueban:

• Formato de fechas (DD/MM/YYYY vs MM/DD/YYYY)
• NIFs válidos (algoritmo de verificación)
• Coherencia matemática (base + IVA = total)

Paso 4: Revisión humana condicional Si alguna validación falla, la factura va a cola de revisión manual.

Lo que falló: errores que no esperábamos

Confundir emisor y destinatario

El primer error gordo: el modelo leía correctamente los datos, pero los asignaba mal. En facturas donde aparecen múltiples NIFs (emisor, destinatario, intermediario), GPT-4 Vision a veces nos devolvía nuestro propio NIF como "proveedor".

Solución: especificar en el prompt que busque el campo "bill_to" o equivalente, y que nuestro NIF (hardcodeado) siempre es el destinatario.

Totales que no cuadran

Segundo problema: el modelo extraía correctamente base imponible (127,50€) e IVA (26,78€), pero el total leído era 154,38€ en lugar de 154,28€. Error de décimas, pero error al fin y al cabo.

Causa: OCR impreciso en números con tipografías pequeñas o calidad de imagen baja.

Solución: validador matemático obligatorio. Si base + IVA ≠ total (con margen de ±0,05€), la factura va a revisión humana.

Facturas multi-página

Las facturas de AWS o Google Cloud pueden tener 3-4 páginas. El modelo procesaba solo la primera, perdiendo líneas de detalle importantes.

Solución: procesar todas las páginas y concatenar el contexto antes de extraer datos.

Guardarraíles: validación antes de guardar

Implementamos estas validaciones automáticas:

Coherencia matemática

def validate_totals(base, iva, total):
    calculated = round(base + iva, 2)
    return abs(calculated - total) <= 0.05

Formato de datos

• Fechas en rango lógico (no facturas de 1995 ni de 2030)
• NIFs con formato y dígito de control válidos
• Importes positivos y en rangos esperados

Revisión humana obligatoria si

• Validación matemática falla
• Proveedor no reconocido (no está en nuestra base de datos)
• Importe superior a 1000€
• Confianza del modelo inferior al 85%

Qué automatizaríamos en tu empresa (y qué no)

Si fueras nuestro cliente y quisieras un sistema similar, esto es lo que automatizaríamos:

SÍ automatizar

• Extracción de datos básicos (fechas, importes, NIFs)
• Validaciones matemáticas y de formato
• Clasificación automática por tipo de gasto
• Generación de asientos contables simples
• Archivo automático con nomenclatura estándar

NO automatizar (todavía)

• Aprobación final de facturas complejas
• Resolución de discrepancias con proveedores
• Análisis de gastos atípicos o sospechosos
• Decisiones sobre imputación de centros de coste

La clave está en automatizar lo repetitivo y dejar lo interpretativo a humanos.

Lecciones aprendidas: la IA funciona con guardarraíles

Nuestro sistema actual procesa correctamente el 78% de facturas sin intervención humana. El 22% restante va a revisión, pero con los datos pre-extraídos, el tiempo de procesamiento manual se reduce de 3-4 minutos por factura a 30-45 segundos.

Lo que funciona:

• Prompts muy específicos con ejemplos de output esperado
• Validaciones automáticas estrictas
• Revisión humana como red de seguridad, no como fallo del sistema

Lo que no funciona:

• Confiar ciegamente en el modelo sin validaciones
• Intentar automatizar el 100% desde el primer día
• Ignorar casos edge (facturas rectificativas, notas de crédito)

Conclusión: automatización gradual, no revolución

Automatizar facturas con IA no es magia: es ingeniería. Funciona cuando defines bien el problema, implementas guardarraíles sólidos y aceptas que la revisión humana sigue siendo necesaria en casos complejos.

Si estás considerando automatizar procesos similares en tu empresa, empieza por mapear exactamente qué datos necesitas extraer, qué validaciones son críticas y dónde la intervención humana añade valor real.

¿Quieres que auditemos qué procesos de tu empresa son buenos candidatos para automatización? Hablemos.

Artículo redactado con IA y revisado por el equipo técnico de CODX.