El OCR de facturas lleva años prometiendo acabar con la mecanización manual en las PYMES, pero hasta hace nada los resultados eran más bien tibios: errores en los importes, confusiones entre base y total, problemas con las facturas escaneadas torcidas... La buena noticia es que en los últimos tres o cuatro años la cosa ha cambiado bastante. Los motores actuales, sobre todo los que combinan OCR clásico con modelos de lenguaje, leen una factura en PDF con una precisión que ronda el 95-98% en campos clave si el documento está medianamente decente.
Si llevas una PYME en España y todavía tu equipo administrativo teclea facturas en Holded, Sage 50, A3 o Contasol, este artículo te interesa. Vamos a ver qué es exactamente el reconocimiento de facturas PDF hoy en día, qué piezas necesitas para montar un flujo serio, qué errores son típicos al implantar este tipo de proyectos y cuándo merece la pena dar el salto. Te lo cuento desde lo que vemos en proyectos reales, no desde el folleto comercial.
Y un aviso: con la entrada en juego de Veri*Factu y la factura electrónica obligatoria entre empresas (Ley Crea y Crece), la digitalización de facturas ya no es opcional para muchas. Llegar tarde a esto va a costar caro.
Qué hace hoy un sistema de OCR de facturas (y qué no)
El OCR de facturas tradicional se limitaba a transformar la imagen en texto. Punto. Después había que decirle al programa dónde estaba el CIF, dónde el importe, dónde la base imponible... mediante plantillas por proveedor. Eso funcionaba si tenías 20 proveedores fijos. Con 200, era un infierno de mantenimiento.
Los sistemas actuales, los que de verdad valen la pena, hacen tres cosas a la vez: leen el documento (eso es OCR puro), comprenden la estructura semántica (qué campo es qué) y validan el resultado contra reglas de negocio. Esto último lo permiten los modelos de IA generativa entrenados sobre millones de facturas. Por eso ahora un motor decente puede extraer datos de facturas que nunca ha visto antes sin necesidad de plantilla.
Lo que sí esperar
- Extracción de cabecera: emisor, CIF, fecha, número de factura, fecha de vencimiento.
- Totales: base imponible, tipo de IVA, cuota, retenciones, total.
- Líneas de detalle: descripción, cantidad, precio unitario, importe.
- Detección de duplicados antes de contabilizar.
Lo que todavía cojea
Las facturas manuscritas siguen siendo un problema. Los tickets de gasolinera con tinta térmica casi borrada también. Y ojo con los PDF generados a partir de fotos hechas con el móvil con poca luz: el preprocesado de imagen sigue siendo crítico. No es lo mismo procesar una factura nativa de Holded que el escaneo de un albarán de un proveedor pequeño.
Las piezas reales de un flujo de digitalización de facturas
Un proyecto de digitalización de facturas serio no es "instalo un OCR y ya". Tiene cinco bloques que conviene tener claros desde el principio, porque si uno falla, el resto del montaje se cae:
- Entrada multicanal: email dedicado (facturas@), carpeta compartida, app móvil para fotos de tickets, integración con portales de proveedores y captura directa desde el correo electrónico del responsable.
- Preprocesado de imagen: enderezado, recorte, mejora de contraste, separación de documentos cuando llegan varios en un mismo PDF.
- Motor de extracción: el OCR + IA semántica del que hemos hablado.
- Capa de validación: verificación del CIF contra la base de datos de proveedores, comprobación matemática (base × IVA = cuota), detección de duplicados, cuadre con pedido o albarán si lo hay.
- Integración con el ERP o contabilidad: aquí es donde se gana o se pierde el proyecto. Si el dato extraído no entra solo en el sistema final, no has automatizado nada, solo has cambiado de sitio el trabajo.
De estos cinco, el más infravalorado es el primero. Si los proveedores siguen mandando facturas al correo personal de cada jefe de área, da igual lo bueno que sea tu OCR. Lo primero es centralizar el canal de entrada.
Lectura automática de facturas: qué tecnología elegir según tu volumen
La elección de la herramienta depende de cuántas facturas pasáis al mes. Te pongo un mapa orientativo de lo que solemos recomendar en proyectos reales, sin entrar en marcas concretas que cambien mañana:
Hasta 200 facturas/mes
Aquí no necesitas montar nada complejo. Las funcionalidades de lectura automática de facturas que vienen integradas en ERP cloud como Holded, Quipu o Contasimple cubren bien. Es OCR de su proveedor, con curva de aprendizaje sobre tus proveedores recurrentes. El coste extra suele ir incluido o cuesta poco al mes.
Entre 200 y 2.000 facturas/mes
Tiene sentido una solución especializada tipo Rossum, Klippa, Dext, Receptium o equivalentes. Hablamos de costes que se mueven entre 0,15 y 0,40 € por documento procesado, depende del proveedor y del compromiso anual. Aquí ya hay APIs decentes para integrar con tu ERP, sea Odoo, Business Central, Sage 200 o un desarrollo a medida.
Más de 2.000 facturas/mes
Empieza a compensar una solución más a medida, montando un pipeline propio sobre APIs como Azure Document Intelligence, AWS Textract o modelos open source ajustados. El coste por documento baja, pero sube el esfuerzo de integración y mantenimiento. En este escalón tiene mucho sentido apoyarse en soluciones de inteligencia artificial aplicada que combinen OCR, validación y enrutamiento en un único flujo.
El coste del OCR ya casi nunca es el cuello de botella económico. Lo caro sigue siendo la integración bien hecha con el ERP y el rediseño del proceso de aprobación.
Cómo extraer datos de facturas e integrarlos con tu ERP sin volverte loco
Lo más complicado de un proyecto de OCR no es la parte técnica del motor, sino lo que pasa después. Vamos al detalle de cómo extraer datos de facturas y meterlos en el sistema contable sin generar más problemas de los que resuelve.
El mapeo de proveedores
El OCR te devuelve un CIF y un nombre. Tu ERP tiene una ficha de proveedor con su código interno, su cuenta contable (típicamente 400 o 410 con su subcuenta), sus condiciones de pago y su forma de pago. Hay que cruzar el CIF leído con la ficha. Si no existe, ¿se crea automáticamente? ¿Se manda a una bandeja de revisión? Decidirlo bien evita el caos.
Las cuentas de gasto
Aquí ningún OCR puede adivinar a qué cuenta del grupo 6 va cada factura. Lo que sí se puede hacer es entrenar reglas: "las facturas del proveedor X van siempre a 628000", o que un modelo aprenda del histórico. Esto reduce un 80% del trabajo de imputación, pero el contable sigue teniendo la última palabra en facturas no recurrentes.
La aprobación
Si vais a meter en contabilidad cualquier cosa sin filtro, vais a contabilizar facturas duplicadas, importes incorrectos o gastos no autorizados. Hay que diseñar un workflow de aprobación: típicamente, facturas por debajo de un importe entran solas si cuadran con pedido; el resto pasan por validación humana. Esto entronca con la automatización de tareas administrativas de forma natural, porque al final estamos hablando del mismo problema: que el dato fluya con criterio, no a lo loco.
Cumplimiento normativo: Veri*Factu, factura electrónica y conservación
Esta parte se la salta mucha gente y luego pasa lo que pasa. Si vas a montar un sistema de reconocimiento facturas PDF, tienes que pensar a la vez en tres bloques normativos que aplican en España ahora mismo:
Veri*Factu y el Reglamento de Sistemas Informáticos de Facturación
Afecta a la emisión, no tanto a la recepción, pero condiciona el formato en el que tus proveedores te van a empezar a mandar facturas. Vas a recibir más facturas con código QR y con identificadores únicos. Tu sistema de captura debe ser capaz de leerlos y aprovecharlos como dato verificable.
Factura electrónica obligatoria B2B
La Ley Crea y Crece obliga a la facturación electrónica entre empresas. Cuando tu proveedor te mande Facturae XML o un Peppol, ya no hay OCR que valga: el dato viene estructurado. Tu flujo de captura tiene que distinguir el canal y procesar de una forma u otra. Mucha gente está montando OCR ignorando esto y va a tener que rehacer media arquitectura en dos años.
RGPD y conservación
La AEAT exige conservar las facturas durante al menos cuatro años (seis en algunos casos). Y si la digitalización quiere ser sustitutiva del papel (para tirar el original), necesitas un software de digitalización certificado por la AEAT. No todos los OCR del mercado lo están. Si ese punto te importa, pregúntalo antes de firmar.
Errores típicos al implantar OCR de facturas en una PYME
He visto suficientes proyectos para saber dónde se tropieza casi siempre. Te dejo los cinco que más se repiten, para que al menos los esquives:
- Empezar por el motor en vez de por el proceso. Comprar la herramienta antes de tener mapeado cómo entran las facturas hoy y quién hace qué con cada una. Receta para el desastre.
- No medir el punto de partida. Si no sabes cuántas horas dedicaba tu administrativa a meter facturas antes, no podrás justificar el retorno después. Mide tiempo y error rate antes de tocar nada.
- Pretender 100% de automatización desde el día uno. Un objetivo razonable en el primer año es que el 70-80% de las facturas pase sin intervención humana. El resto seguirá necesitando revisión, y está bien.
- Olvidar el cambio cultural. La administrativa de toda la vida puede vivir el proyecto como una amenaza. Si no se le explica que pasará de teclear a revisar y controlar, y se le forma en consecuencia, el proyecto se sabotea solo.
- No conectar con el resto de procesos. La captura de factura es un eslabón. Si no se integra con pagos, conciliación bancaria y cierre contable, el ahorro es parcial. Por eso este tipo de proyectos encajan mejor dentro de una estrategia más amplia de automatización de procesos end-to-end.
El OCR no falla por la tecnología. Falla por las expectativas mal puestas y por intentar saltarse el rediseño del proceso.
Caso real: cómo se ve esto en una PYME de 30 personas
Para aterrizarlo, te cuento un caso tipo que vemos a menudo. Una distribuidora de material eléctrico de Valencia, 28 empleados, factura unos 6 millones al año. Recibían unas 800 facturas de proveedor al mes entre compras de mercancía, gastos generales y subcontratas. Una administrativa dedicaba aproximadamente el 60% de su jornada a registrar facturas en Sage 50, cuadrar con albaranes y archivar PDFs en carpetas de red.
El proyecto se planteó por fases. Mes uno y dos: piloto con los 30 proveedores más recurrentes, que suponían el 70% del volumen. Motor de OCR especializado conectado por API con Sage. Mes tres: extensión al resto de proveedores y conexión con el módulo de albaranes para autocasamiento. Mes cuatro: workflow de aprobación por importes con notificaciones al jefe de compras.
Resultado a los seis meses: alrededor del 75% de las facturas se contabilizaban sin intervención humana, el tiempo dedicado bajó a menos de dos horas diarias y la administrativa empezó a llevar también la conciliación bancaria y el control de vencimientos, que antes nadie tocaba a fondo. Los errores de contabilización (importe mal tecleado, IVA equivocado) prácticamente desaparecieron.
¿Lo difícil? La normalización inicial de la base de datos de proveedores: tenían 40 CIFs duplicados, fichas con datos incompletos y cuentas contables mal asignadas. Limpiar eso llevó tres semanas. Sin ese trabajo previo, el OCR habría sido un desastre. Esto es lo normal: el 30% del esfuerzo se va en cosas que no son OCR pero son condición necesaria.
Cuándo merece la pena (y cuándo no) automatizar la captura contable
No todos los casos justifican un proyecto de este tipo. Te dejo mi criterio, sin maquillaje:
Sí merece la pena si...
- Procesas más de 100-150 facturas de proveedor al mes y dedicas más de media jornada semanal a teclear.
- Tienes errores recurrentes de mecanización que cuestan tiempo de corrección o, peor, problemas con la AEAT.
- Quieres llegar al cierre mensual antes del día 10 y ahora terminas el día 20.
- Te enfrentas a un crecimiento del volumen sin querer ampliar el equipo administrativo.
No merece la pena (todavía) si...
- Procesas menos de 50 facturas al mes. El payback se irá demasiado lejos.
- Tu ERP es muy antiguo o muy cerrado y no tiene API. Antes de meter OCR, hay que resolver eso, y a veces tiene más sentido cambiar el ERP primero.
- Tus proveedores ya te mandan mayoritariamente Facturae o XML estructurado. Ahí lo que necesitas es un parser, no un OCR.
El cálculo rápido que suelo hacer: si el coste anual del sistema (licencias + integración prorrateada) es inferior al coste de las horas administrativas ahorradas en un año, el proyecto se sostiene. La mayoría de PYMES con más de 150 facturas al mes cumple este ratio sin esfuerzo.
Montar un sistema de OCR de facturas no es magia: es planificar bien la entrada de documentos, elegir un motor que entienda tu volumen y tus proveedores, y conectar la salida con el ERP o la contabilidad para que el dato fluya sin manos por medio. Cuando esas tres patas están en su sitio, la administrativa deja de teclear y empieza a controlar.
Si arrancas con un piloto pequeño (200 facturas, dos meses, métricas claras de error y tiempo ahorrado) vas a tener datos reales para decidir si escalar. Y si decides escalar, hazlo por fases: primero compras nacionales, luego gastos de viaje, después intracomunitarias. Cada bloque tiene sus rarezas y conviene digerirlas una a una.
El OCR ya no es el cuello de botella, lo es la integración. Quien resuelva ese tramo bien, tendrá una contabilidad casi en tiempo real, lista para Veri*Factu y para cualquier inspección que llegue. El resto es ruido.