En una PyME que recibe muchas facturas y remitos —distribuidoras, comercios con múltiples proveedores, estudios contables que cargan datos de sus clientes, empresas logísticas— hay un proceso que se repite todos los días: alguien abre el mail o revisa la mesa de entrada, imprime o abre los PDFs, copia a mano CUIT, razón social, fecha, importe, detalle, condición de IVA, y los carga al sistema.
Una distribuidora típica puede recibir 200-500 facturas al mes. A 3 minutos cada una, son entre 10 y 25 horas mensuales solo en esa tarea. Un estudio contable grande con varios clientes puede estar varias veces por encima. Esas horas son caras cuando se multiplican por doce meses, y encima son las más aburridas y las más propensas a errores.
Durante años, la única alternativa era un software de OCR (reconocimiento óptico de caracteres) tradicional que funcionaba mal con formatos variados. Hoy, con herramientas que combinan OCR clásico y modelos de inteligencia artificial, el trabajo se hace de forma mucho más confiable.
Cómo funciona hoy un procesamiento automático de facturas
El flujo típico de una solución moderna tiene cuatro pasos:
1. Captura. El archivo llega por email, se sube a una carpeta compartida o se escanea. El sistema lo detecta automáticamente.
2. OCR + estructuración. El documento se pasa por un motor de OCR que extrae texto. La IA (un modelo tipo GPT-4, Claude, Gemini, o modelos especializados) lee ese texto y lo estructura: identifica CUIT emisor, razón social, número de comprobante, fecha, detalle de ítems, subtotal, impuestos, total, condición frente a IVA, CAE.
3. Validación. El sistema hace controles básicos: el CUIT existe en AFIP (vía constancia de inscripción), los números suman, el formato de CAE es válido. Si algo no cuadra, se marca para revisión humana.
4. Integración. El dato estructurado se carga al ERP (vía API si existe, o por importación CSV), se archiva el PDF original con nombre estandarizado y se notifica al responsable que la carga fue exitosa o que hay algo para revisar.
El resultado: lo que tardaba 3 minutos por factura, ahora tarda 10 segundos de revisión humana sobre casos dudosos. El resto es automático.
Niveles de precisión que se logran hoy
Con herramientas modernas, los resultados típicos en un set variado de facturas argentinas son:
– Factura electrónica formal (tipo A, B, C con CAE): 95-98% de extracción correcta sin intervención humana.
– Facturas impresas o escaneadas con buena calidad: 85-92%.
– Facturas manuscritas o con calidad baja: 60-75%, con revisión humana necesaria para el resto.
– Remitos con formato variable: 70-85%, depende mucho de la diversidad de proveedores.
Esos números varían con el set de datos real de cada empresa. La forma correcta de evaluar es probar con 50-100 documentos reales y medir.
Las opciones disponibles
Tres caminos, con costos y niveles de complejidad distintos.
Servicios comerciales ya armados. Productos como Mendel, Dext, Xelco, o los módulos específicos de ERPs (Tango, Odoo, etc.) ofrecen procesamiento de facturas como servicio. Se paga por documento procesado (típicamente entre 0,05 y 0,30 dólares por comprobante) o por plan mensual. Ventaja: puesta en marcha rápida. Desventaja: menos flexibilidad, datos salen de la empresa.
Plataformas de automatización con modelos de IA. n8n (open source, auto-alojable), Make, o Zapier conectados a servicios de IA (OpenAI, Claude, Gemini). Se arma un flujo que toma el mail, llama al modelo, parsea la respuesta y carga al sistema. Costo variable (10-100 dólares al mes según volumen). Mayor control y flexibilidad.
Solución propia con modelos locales. Ollama con un modelo Qwen, Llama o Mistral corriendo en un servidor propio. Procesa facturas sin que los datos salgan de la empresa. Costo: hardware inicial (una placa de video gama media) y tiempo de desarrollo. Máxima privacidad, costo operativo casi cero.
Para la mayoría de las PyMEs, el segundo camino —plataforma de automatización con API de IA en la nube— ofrece el mejor balance entre simplicidad, costo y resultados.
Un caso concreto
Distribuidora con 350 facturas mensuales recibidas. Proceso actual: dos personas de administración dedican aproximadamente 20 horas al mes a la carga manual. Errores detectados posteriormente: alrededor de 5-10 por mes, lo que genera retrabajo y ocasionalmente problemas contables.
Implementación con n8n + Claude API:
– Tiempo de desarrollo: 25 horas (con proveedor externo).
– Costo de API: estimado en 20-30 dólares mensuales.
– Precisión inicial: 91% sin intervención, 7% requiere validación rápida, 2% requiere carga manual.
– Tiempo administrativo después: 2 horas semanales de revisión y atención de casos dudosos.
El retorno: las 18 horas mensuales liberadas se pueden dedicar a tareas de mayor valor (conciliación, análisis de cobranzas, atención al cliente), o pueden evitar contrataciones adicionales cuando la empresa crece. Amortización del desarrollo en 3-4 meses.
Los cuidados a tomar
Cuatro precauciones para que el proyecto tenga éxito:
No automatizar todo de una. Empezar con un subconjunto (por ejemplo, un solo proveedor recurrente o un solo tipo de comprobante), medir precisión real, expandir. Automatizar 350 facturas el primer día sin haber validado es invitar al caos.
Diseñar el flujo para tolerar errores. Los casos con baja confianza tienen que ir a revisión humana, no cargarse ciegos. El sistema debería estar pensado como asistente, no como reemplazo total.
Mantener trazabilidad. Cada factura procesada automáticamente debería tener registro del original (PDF archivado), del dato extraído y de quién validó (si hubo intervención). Si en seis meses aparece una duda, hay que poder reconstruir qué pasó.
Privacidad de los datos. Las facturas tienen datos de proveedores, clientes y montos. Si se usan servicios de IA en la nube, revisar las políticas del proveedor. Para casos sensibles, los modelos locales (Ollama) evitan que los datos salgan de la empresa.
¿Cuántas horas mensuales dedica tu equipo administrativo a cargar comprobantes recibidos a mano? Si la cuenta se acerca a las 20 horas o más, probablemente estás frente a uno de los mejores candidatos para automatizar hoy. La tecnología ya está disponible y el retorno suele aparecer dentro del primer semestre.
