PROGEN
Una pyme con 400 facturas de proveedor al mes dedica, tirando por lo bajo, entre 15 y 30 horas de trabajo administrativo a teclear datos que ya vienen escritos en un PDF. Alguien abre el correo, descarga el adjunto, mira el CIF, busca el proveedor en el ERP, copia el número de factura, la base, el IVA, el total, asigna la cuenta contable y archiva el fichero en la carpeta correcta. Repetido 400 veces.
Es el caso de uso más pedido cuando alguien nos llama para hablar de automatización documental. Y también uno de los que genera más expectativas equivocadas, en las dos direcciones: quien cree que el OCR lo resuelve todo solo, y quien probó una herramienta hace cinco años, se llevó un chasco y ha decidido que esto no funciona.
Qué hace realmente un sistema de OCR de facturas
Cuando hablamos de automatizar facturas de proveedor con OCR no hablamos de un único componente, sino de una cadena de cuatro o cinco pasos. Entender dónde está cada uno importa, porque los fallos rara vez son «del OCR»: normalmente están en el eslabón anterior o posterior.
1. Captura del documento
La factura llega por correo electrónico a un buzón concreto, se sube a una carpeta compartida, entra por un portal de proveedores o llega en papel y se escanea. Este paso parece trivial y es donde más cosas se rompen: correos con cinco adjuntos de los que solo dos son facturas, firmas de correo que el sistema interpreta como documento, PDFs de 30 páginas con doce facturas concatenadas.
2. Reconocimiento del texto
Si el PDF es nativo (generado por un programa), el texto ya está ahí y no hace falta OCR propiamente dicho: se extrae directamente y la precisión del carácter es del 100%. Si es un escaneo o una foto, entra en juego el reconocimiento óptico. Los motores actuales son buenos con documentos escaneados a 300 ppp y decentes con fotos de móvil razonables.
3. Comprensión de la estructura
Aquí está la parte interesante y la que ha cambiado de verdad en los últimos años. Leer los caracteres es lo fácil; saber que ese número de nueve dígitos es el número de factura y no el de pedido, o que ese «21,00» es un porcentaje de IVA y no un importe, es el trabajo real. Los modelos actuales combinan la posición en la página, el texto de las etiquetas cercanas y el aprendizaje sobre miles de plantillas distintas.
4. Validación contra tus datos
Un sistema serio no se queda en extraer: comprueba. Que el CIF corresponda a un proveedor dado de alta, que base más IVA cuadre con el total, que el número de factura no esté ya registrado, que el importe coincida con el pedido o el albarán. Es en esta capa donde se cazan la mayoría de los errores del paso 3.
5. Integración y archivo
El asiento se propone en el ERP, el documento se guarda con una nomenclatura consistente y se enlaza al registro contable. Si esta parte no está resuelta, has cambiado teclear por revisar y copiar, que es un ahorro mucho menor.
Qué acierta bien
Con una configuración razonable y un volumen de facturas típico de pyme española, puedes esperar buenos resultados en:
- Datos de cabecera de proveedores recurrentes. CIF, nombre fiscal, número de factura, fecha, base, cuota de IVA y total. Cuando el proveedor lleva meses enviando el mismo formato, la extracción es prácticamente inmediata y fiable.
- Cuadres aritméticos. Detectar que una factura no suma, o que el IVA aplicado no corresponde al tipo declarado, es trivial para una máquina y sorprendentemente frecuente en la realidad.
- Duplicados. Uno de los ahorros menos vistosos y más rentables. Facturas que llegan dos veces, por correo y por el portal, y que se pagan dos veces.
- Clasificación por tipo de gasto en proveedores estables. Si el proveedor de material de oficina siempre va a la misma cuenta, el sistema aprende la regla y la aplica.
- Facturas electrónicas estructuradas. Facturae, XML, EDI: aquí no hay OCR ni interpretación, hay lectura directa de campos. Precisión total. Con la entrada progresiva de la factura electrónica obligatoria entre empresas, este porcentaje irá creciendo y el problema del OCR se irá reduciendo, aunque convivirás con PDFs durante años.
Qué falla, y por qué
Aquí es donde conviene ser directo, porque son los puntos que decidirán si el proyecto te sirve o te frustra.
Las líneas de detalle
Extraer la cabecera es una cosa. Extraer las 40 líneas de una factura de un distribuidor, con referencia, descripción, cantidad, precio unitario, descuento por línea y subtotal, es otra bastante más difícil. Las tablas que se parten entre páginas, las líneas con descripciones de tres renglones, los descuentos globales aplicados al final: todo eso genera errores. Si tu proceso necesita el detalle línea a línea para casarlo con pedidos, cuenta con más trabajo de ajuste y con una tasa de revisión manual más alta.
Proveedores nuevos o de bajo volumen
La cola larga de proveedores que te facturan una o dos veces al año es donde el sistema tiene menos contexto. Suele funcionar, pero con menos confianza y más revisiones.
Documentos que no son facturas
Albaranes, presupuestos, recibos, extractos, notas de abono. Un sistema mal configurado los procesa como si fueran facturas y genera ruido. La clasificación previa del documento es un paso que mucha gente se salta.
Retenciones, recargos y casos fiscales españoles
Retención de IRPF en facturas de profesionales, recargo de equivalencia, operaciones intracomunitarias, inversión del sujeto pasivo, facturas con varios tipos de IVA. Estos casos son perfectamente automatizables, pero requieren reglas explícitas. Una herramienta genérica internacional sin adaptar dará problemas aquí.
Fotos malas y escaneos peores
Una foto torcida hecha con el móvil en un almacén con poca luz, un fax reenviado tres veces, un sello estampado justo encima del importe. El OCR hace lo que puede. Aquí la solución no es tecnológica: es pedir a los proveedores que envíen PDF.
Dónde sigue hace falta una persona
La pregunta correcta no es «¿puedo eliminar el trabajo manual?», sino «¿en qué puedo convertirlo?». En un flujo bien montado, la persona que antes teclaba pasa a hacer tres cosas.
Revisar la cola de excepciones. El sistema asigna un nivel de confianza a cada campo extraído. Lo que supera el umbral pasa directo; lo que no, va a una bandeja de revisión donde la persona ve el documento a la izquierda, los campos extraídos a la derecha y corrige lo que haga falta en segundos. Ese umbral se ajusta con el tiempo: al principio conviene ser conservador y revisar mucho, y luego ir aflojando según ves dónde acierta el sistema. Este diseño del flujo de excepciones es la mitad del trabajo en un proyecto de automatización documental y lo que diferencia una implantación que se usa de una que se abandona.
Resolver discrepancias de negocio. La factura dice 1.200 € y el pedido decía 1.000 €. Eso no es un error de lectura: es una conversación con el proveedor o con el responsable de compras. Ninguna automatización resuelve eso, y no debería intentarlo.
Decidir aprobaciones. Que la factura esté bien leída no significa que deba pagarse. La validación de que el servicio se ha prestado, la autorización de gasto por encima de un umbral, la firma del responsable de área: esos son juicios humanos, aunque el flujo que los enruta y los recuerda sí se automatiza.
Cómo saber si merece la pena en tu caso
Algunos criterios prácticos, sin rodeos:
- Por debajo de unas 100 facturas al mes, el ahorro de tiempo rara vez justifica el coste de implantación y mantenimiento, salvo que tengas otro dolor asociado (auditorías, plazos de cierre, errores de pago).
- Si el 80% de tu volumen viene de 20 proveedores recurrentes, el proyecto es sencillo y el retorno rápido. Empieza por ahí y deja la cola larga para después.
- Si necesitas casar líneas de detalle con pedidos, el alcance se multiplica. Es viable, pero plantéalo como fase dos.
- Si tu ERP no tiene una vía de entrada decente (API, importación de ficheros, tabla intermedia), el cuello de botella no es el OCR. Resuelve eso primero.
El error más común que vemos no es elegir mal la herramienta, sino medir mal el punto de partida. Antes de automatizar, cuenta cuántas facturas entran, por cuántos canales, de cuántos proveedores distintos, cuánto tiempo real se dedica y cuántos errores se cometen hoy. Con esos cuatro números la decisión se toma sola, y además tendrás con qué comparar dentro de seis meses.
Preguntas frecuentes
¿Qué precisión puedo esperar de verdad?
Depende del campo y del tipo de documento, y desconfía de quien te dé una cifra única. En cabeceras de proveedores recurrentes y PDFs nativos, la extracción es muy fiable. En líneas de detalle de facturas complejas o en escaneos de mala calidad, baja de forma notable. Lo importante no es la precisión bruta sino cuántos documentos pasan sin intervención humana y cuántos errores se escapan sin detectar: el segundo número es el que de verdad te puede costar dinero, y por eso las validaciones aritméticas y contra el ERP son imprescindibles.
¿Necesito cambiar de ERP para automatizar la entrada de facturas?
Casi nunca. Lo que necesitas es una vía de entrada de datos: una API, la posibilidad de importar ficheros en un formato definido o acceso a una tabla intermedia. La mayoría de ERPs usados en España, incluidos los verticales y los desarrollos propios antiguos, tienen alguna de estas opciones. Si no la tiene ninguna, hay soluciones intermedias, pero el proyecto se encarece y conviene saberlo desde el principio.
¿La factura electrónica obligatoria hace innecesario el OCR?
A medio plazo reduce mucho su peso, porque una factura estructurada se lee sin interpretación. Pero conviviréis con PDFs y escaneos durante bastantes años: proveedores extranjeros, autónomos, tickets y gastos, sectores que se adaptarán tarde. Lo razonable es montar un sistema que trate los dos casos por el mismo flujo: los ficheros estructurados entran directos, y el resto pasa por reconocimiento y validación.
¿Cuánto tarda en implantarse algo así?
Un alcance realista para un primer arranque (un canal de entrada, los proveedores principales, extracción de cabecera, validaciones y volcado al ERP) se mueve en semanas, no en meses. Lo que lleva tiempo después es el ajuste: revisar excepciones reales, afinar umbrales, incorporar casos fiscales concretos y ampliar a más proveedores. Presupuesta ese acompañamiento posterior; los proyectos que se entregan y se abandonan son los que acaban en la carpeta de herramientas que nadie usa.