Cómo leer facturas en PDF automáticamente con IA
Respuesta corta
Para leer facturas en PDF con IA se pasa cada documento a un modelo que entiende texto e imágenes (Claude, ChatGPT, Gemini o un servicio de extracción) con una lista fija de campos, y devuelve proveedor, NIF, número, fechas, bases, IVA y total en un formato estructurado. Después, reglas automáticas comprueban sumas y duplicados y una persona revisa lo dudoso.
Cada proveedor diseña su factura a su manera: el total arriba o abajo, el NIF en el pie, tres tipos de IVA, un albarán pegado detrás. Por eso leer facturas a máquina era difícil hasta hace poco. Con los modelos de IA actuales ya no hace falta enseñar al sistema cada plantilla, pero sí hay que validar lo que lee.
Si solo quieres preguntar cosas a un PDF suelto, basta con subirlo a ChatGPT. Esta guía va de leer cientos sin intervención.
¿En qué se diferencia el OCR con IA del OCR clásico?
| OCR clásico | OCR con IA | |
|---|---|---|
| Qué hace | Convierte la imagen en texto | Entiende el documento y devuelve campos |
| Plantillas | Hay que definir dónde está cada dato, proveedor a proveedor | No hace falta: reconoce «total» o «base» en cualquier diseño |
| Facturas nuevas | Fallan hasta que alguien crea la plantilla | Suelen funcionar a la primera |
| Tablas de líneas | Difíciles | Bastante mejor, aunque es lo más delicado |
| Errores típicos | Caracteres mal leídos (un 8 por un 3) | Datos bien leídos en el campo equivocado, o inventados si falta el dato |
| Coste | Bajo por página | Algo mayor por página, menos trabajo de configuración |
El matiz importante está en la fila de errores. El OCR clásico falla «de forma visible»; un modelo de IA puede devolver un dato con aspecto correcto que no está en la factura. Por eso la validación no es opcional.
¿Qué datos se pueden extraer?
- Cabecera: proveedor, NIF, dirección, número de factura, fecha de emisión y vencimiento.
- Importes: base imponible por cada tipo de IVA, cuota de IVA, recargo de equivalencia, retención de IRPF y total.
- Pago: forma de pago e IBAN (que nunca debe actualizar tu maestro de proveedores sin revisión humana).
- Referencias: número de pedido, albarán, contrato.
- Líneas: descripción, cantidad, precio y descuento, si las necesitas para cruzar con el pedido.
Pide siempre los campos en un formato fijo (JSON o columnas) y que el modelo devuelva «vacío» cuando un dato no aparezca, en lugar de suponerlo.
¿Qué precisión tiene de verdad?
No hay una cifra única, y desconfía de quien te la dé sin probar con tus facturas. Depende de:
- Origen del PDF. Un PDF generado por un programa trae el texto dentro y se lee muy bien. Un escaneo o una foto del móvil depende de resolución, inclinación, sombras y sellos.
- El campo. Total, fecha y NIF suelen ser los más fiables. Las líneas de detalle y los desgloses con varios tipos de IVA, los menos.
- El diseño. Facturas con varias páginas, albaranes adjuntos o abonos con importes negativos generan más dudas.
- El modelo y las instrucciones. Un buen prompt con ejemplos de tus casos difíciles mejora mucho el resultado.
Lo sensato es medirlo tú: coge 50 o 100 facturas reales ya contabilizadas, pásalas por el sistema y compara campo a campo. Ese porcentaje es el que vale para tu empresa.
¿Cómo se valida lo que lee la IA?
- Cuadre aritmético. Bases más IVA menos retención igual a total. Si no cuadra, a revisión.
- Maestro de proveedores. El NIF tiene que existir y tener formato válido.
- Duplicados. Mismo proveedor y mismo número, a revisión.
- Cruce con el pedido o el albarán, cuando lo hay.
- Coherencia histórica. Un importe diez veces mayor que lo habitual de ese proveedor se marca.
- Revisión humana de todo lo marcado y de una muestra aleatoria del resto los primeros meses.
Ejemplo. Una asesoría de 10 personas probó la lectura con IA con 80 facturas de clientes. Los PDF digitales salían casi siempre bien; los tickets fotografiados con el móvil daban más trabajo. Decidieron automatizar los primeros y pedir a los clientes escaneos en lugar de fotos.
¿Con qué se monta?
- La función de lectura de tu ERP, si la tiene.
- Un servicio de extracción de documentos de los grandes proveedores de nube.
- n8n o Make con un nodo de IA (Claude, ChatGPT o Gemini), que te deja escribir las reglas de validación a tu medida y llevar el resultado a tu contabilidad o a una hoja de cálculo.
El proceso completo, del buzón a la aprobación, está en cómo automatizar las facturas de proveedores. Si quieres que lo montemos con tus documentos, lo hacemos en automatización de procesos.
Preguntas frecuentes
¿Puedo pasar las facturas en PDF a Excel con IA?
Sí. El flujo extrae los campos y añade una fila por factura en Excel o Google Sheets. Es lo mismo que explicamos para correos en cómo pasar datos de un correo a Excel.
¿Es seguro mandar facturas a ChatGPT o Claude?
Con cuentas o API de empresa, que no usan tus datos para entrenar y tienen contrato de tratamiento, es razonable. Evita las cuentas personales gratuitas para documentos con datos de terceros.
¿Necesito saber programar?
Para probar con unas cuantas facturas, no. Para un flujo que funcione solo, con validaciones y avisos, ayuda tener algo de formación en IA y n8n o el apoyo de alguien técnico.
Escrito por el equipo de Búho AI, que implanta IA, agentes y automatizaciones en pymes y forma a sus equipos. Si algo ha cambiado o quieres que ampliemos un punto, escríbenos.