Procesamiento inteligente de documentos: OCR o LLM, validación y revisión humana
Procesamiento inteligente de documentos sin jerga: OCR frente a LLM, validación, revisión humana y ejemplos con facturas, pedidos y peticiones de oferta.
En esta página
El procesamiento inteligente de documentos (IDP, por sus siglas en inglés) es software que lee documentos de empresa como facturas, pedidos y peticiones de oferta, extrae los datos que necesitas, los comprueba y los lleva a tus sistemas, de modo que las personas solo tocan los casos que parecen incorrectos. Combina OCR o un modelo con visión para leer la página, un paso de extracción para encontrar los campos correctos, reglas de validación para cazar errores y una cola de revisión humana para lo que no pase.
El término no es nuevo, pero el interés sí. Los grandes modelos de lenguaje han hecho que extraer datos de documentos desordenados y con formatos muy distintos sea mucho más práctico de lo que nunca fueron las herramientas basadas en plantillas.
Cómo funciona el IDP, paso a paso
| Paso | Qué ocurre | Herramientas habituales |
|---|---|---|
| 1. Captura | Los documentos llegan por email, subida, escáner o EDI/portal | Buzón compartido, carpeta vigilada, API |
| 2. Clasificación | Decidir qué es: factura, pedido, petición de oferta, albarán, otro | Reglas, un clasificador o un LLM |
| 3. Lectura | Convertir píxeles en texto y estructura | Motor de OCR o modelo con visión |
| 4. Extracción | Encontrar los campos: proveedor, fechas, líneas, totales, referencias | Plantillas, extracción con ML o un LLM con esquema |
| 5. Validación | Comprobar los valores con reglas y con tus datos maestros | Código, consultas al ERP |
| 6. Revisión | Enviar fallos y resultados de baja confianza a una persona | Cola de revisión / interfaz sencilla |
| 7. Exportación | Escribir datos limpios en ERP, contabilidad, CRM o una hoja de cálculo | Integraciones, herramientas de automatización |
La mayor parte del valor, y del riesgo, está en los pasos 5 y 6. En las demos se lleva la atención la extracción. La validación es lo que mantiene los números erróneos fuera de tu contabilidad.
OCR frente a extracción con LLM
Se presentan a menudo como rivales. En la práctica hacen trabajos distintos.
El OCR (reconocimiento óptico de caracteres) convierte una imagen en texto. El OCR moderno es muy bueno con escaneos limpios y PDF digitales, y más flojo con letra manuscrita, sellos, fotos de móvil de baja resolución y tablas complejas. El OCR por sí solo no sabe que «30 días f.f.» es una condición de pago ni que el tercer número de una fila es el precio unitario.
La extracción por plantillas va encima del OCR: le dices al sistema «el número de factura de este proveedor está en esta casilla». Es precisa y predecible, pero cada formato nuevo necesita una plantilla nueva. Por eso muchos proyectos antiguos de IDP se atascaron cuando llegó la larga cola de proveedores.
La extracción con LLM le da a un modelo de lenguaje (a menudo con visión) el documento y un esquema: «devuelve nombre del proveedor, NIF, fecha de factura, moneda, líneas, base imponible, IVA y total en JSON». Maneja formatos nuevos sin plantillas y entiende el contexto, por ejemplo que «Dirección de entrega», «Ship-to» y «Lieferadresse» significan lo mismo.
| OCR + plantillas | Extracción con LLM | |
|---|---|---|
| Formatos nuevos | Necesita plantilla nueva | Suele funcionar sin preparación |
| Previsibilidad | Alta: misma entrada, misma salida | Menor: puede variar e inventar valores |
| Documentos desordenados y variados | Débil | Fuerte |
| Tablas y líneas de detalle | Bien con plantillas ajustadas | Bien, pero hay que comprobar número de filas y totales |
| Coste por página | Bajo | Mayor, según el modelo y el tamaño de la página |
| Trazabilidad | Clara: esta casilla, este valor | Requiere trabajo extra (pedir el texto de origen o la posición) |
La respuesta práctica para la mayoría de empresas: usa el OCR o la capa de texto del PDF donde sea fiable, usa un LLM para llevar ese texto a un esquema estricto y no te saltes nunca la validación.
Validación: de dónde sale de verdad la precisión
Un LLM que acierta casi siempre sigue produciendo errores cuando el volumen crece, y los peligrosos parecen plausibles. La validación convierte el «probablemente bien» en «comprobado».
Comprobaciones útiles, más o menos por orden de valor:
- Aritmética. Las líneas suman la base imponible; base más IVA da el total; cantidad por precio unitario da el importe de la línea.
- Datos maestros. El NIF del proveedor está en tu lista de proveedores; las referencias existen en tu maestro de artículos; el cliente del pedido es una cuenta real.
- Cruce entre documentos. La factura cuadra con el pedido de compra y con la recepción de mercancía (el clásico cruce a tres bandas).
- Formato. Fechas válidas y en un rango razonable, IBAN que pasa el dígito de control, NIF o número de IVA intracomunitario con el formato del país.
- Duplicados. Mismo proveedor, mismo número de factura y mismo importe ya procesados.
- Reglas de negocio. Importes por encima de un umbral, cambios de cuenta bancaria o condiciones de pago inusuales van siempre a una persona.
Cada comprobación superada es una cosa menos que tiene que mirar alguien. Cada comprobación fallida manda el documento a revisión con un motivo claro.
Revisión humana: cómo diseñar la cola
La intervención humana no es un punto débil del IDP. Es parte del diseño.
- Revisión por excepción. Las personas solo deben ver los documentos que fallaron una comprobación o quedaron por debajo de un umbral de confianza, no todo.
- Muestra la evidencia. Quien revisa necesita el valor extraído junto a la zona resaltada del documento original. Sin eso, revisar es más lento que teclear a mano.
- Recoge las correcciones. Cada corrección es información: un error recurrente con un proveedor puede pedir una regla, un cambio en el prompt o una plantilla.
- Nunca apruebes pagos solo con la extracción. El cambio de cuenta bancaria es un vector de fraude clásico. Ahí deja a una persona y un procedimiento de verificación por teléfono.
El porcentaje de documentos que pasan sin tocar depende de tu mezcla de documentos y de lo estrictas que sean tus comprobaciones. Mídelo con tus propios documentos en un piloto; no te fíes del porcentaje de titular de un proveedor.
Qué cambia con la factura electrónica en España
En España hay dos novedades que conviene separar. A octubre de 2026:
- Factura electrónica B2B obligatoria. El Real Decreto 238/2026, publicado en el BOE en marzo de 2026, desarrolla la obligación de la Ley Crea y Crece de emitir y recibir facturas electrónicas estructuradas entre empresas y profesionales, con una solución pública gestionada por la AEAT. La obligación entra de forma escalonada, antes para las empresas más grandes. Revisa los plazos que te aplican con tu asesor.
- VeriFactu. Afecta a los programas de facturación con los que emites facturas, no a cómo lees las que recibes. Tras el Real Decreto-ley 15/2025, la obligación se aplica desde el 1 de enero de 2027 a los contribuyentes del Impuesto sobre Sociedades y desde el 1 de julio de 2027 al resto.
Para el IDP, la consecuencia es práctica: cuando las facturas nacionales lleguen como fichero estructurado, ya no hará falta leerlas de un PDF. Seguirá haciendo falta procesar facturas extranjeras, tiques, albaranes, pedidos de clientes, peticiones de oferta y contratos, y seguirá haciendo falta validar, cruzar con pedidos y contabilizar. Esto no es asesoramiento legal ni fiscal.
Tres ejemplos
Facturas de proveedores
El punto de partida más habitual. Las facturas llegan en PDF a un buzón compartido. El IDP extrae cabecera y líneas, las cruza con pedidos y recepciones, comprueba IVA y totales y deja las facturas limpias como borrador en el programa de contabilidad. Las discrepancias van al equipo de cuentas a pagar con el motivo. Si trabajas en una asesoría, mira IA para asesorías y despachos contables para variantes orientadas a clientes.
Pedidos de clientes
Los clientes mandan pedidos en sus propios formatos: PDF, Excel, el cuerpo del email. El IDP extrae cliente, dirección de entrega, fechas solicitadas y líneas, traduce las referencias del cliente a las tuyas, comprueba los precios con la tarifa pactada y crea un borrador de pedido de venta en el ERP. Los pedidos con diferencias de precio o artículos desconocidos van a atención comercial. Solo esto puede quitar horas de tecleo al día en un departamento de pedidos con mucho movimiento.
Peticiones de oferta en industria
Las peticiones de oferta son más desordenadas: un email, un PDF con requisitos, a veces planos. El IDP puede extraer los datos comerciales (cliente, cantidades, material, plazo, condiciones de entrega) y resumir los requisitos técnicos para quien presupuesta. No debería poner precio al trabajo por su cuenta. Ejemplo ilustrativo: un taller de mecanizado pasa cada email de petición de oferta por un paso de extracción que rellena una ficha estructurada y señala lo que falta (sin cantidad, sin calidad de material) para que el técnico lo pida al cliente antes de empezar. Tienes más casos así en IA en la industria.
¿Te compensa el IDP?
Compensa cuando procesas los mismos tipos de documento en volumen, el tecleo es un coste o un cuello de botella visible y los datos tienen un sistema de destino claro.
No compensa cuando los volúmenes son mínimos, cada documento es único y necesita lectura experta igualmente, o no hay ningún sistema donde meter los datos. En ese caso, arregla primero el proceso. Nuestra guía sobre cómo implantar IA en la empresa explica cómo elegir el primer proyecto.
Automatiza tu flujo de documentos
Construimos flujos de procesamiento de documentos con IA para facturas, pedidos y peticiones de oferta: extracción, validación con los datos de tu ERP o contabilidad, una cola de revisión para las excepciones e integración con tus sistemas, como parte de nuestra automatización con IA. Reserva una llamada y trae un lote de documentos reales de muestra.
FAQ
Lo que preguntan los comercios
¿Qué es el procesamiento inteligente de documentos?
Es software que lee documentos como facturas, pedidos de compra o peticiones de oferta, extrae los datos que necesitas en campos estructurados, los comprueba y los envía a tus sistemas. Una persona revisa solo los casos dudosos.
¿Qué diferencia hay entre OCR e IDP?
El OCR convierte la imagen de un texto en texto. El IDP va más allá: entiende qué texto es el número de factura, el total o la fecha de entrega, valida esos valores con reglas y con tus datos y lleva el resultado a tu ERP, a contabilidad o al CRM.
¿Son fiables los LLM para extraer datos de documentos?
Para muchos documentos de empresa funcionan muy bien, sobre todo con formatos variados. Pero pueden cometer errores con total seguridad, así que en producción se combinan con reglas de validación, umbrales de confianza y revisión humana de todo lo que no pase una comprobación.
¿Qué documentos conviene automatizar primero?
Los de mucho volumen, con un destino claro y comprobaciones claras: facturas de proveedores, pedidos de clientes y confirmaciones de pedido. Los documentos raros y desordenados sin un destino estructurado son un mal punto de partida.
¿La factura electrónica obligatoria hace innecesario el IDP?
En parte. Cuando la factura electrónica B2B sea obligatoria en España, las facturas nacionales llegarán como fichero estructurado y no habrá que leerlas de un PDF. Seguirán quedando facturas extranjeras, tiques, albaranes, pedidos, peticiones de oferta y contratos.
