IA aplicada
Dos cosas que aprendimos leyendo facturas de verdad
19 de julio de 2026 · 6 min de lectura
Montando un sistema que lee albaranes y facturas de proveedores distintos nos topamos con dos comportamientos que no vienen en la documentación de nadie. Los contamos por si le ahorran a alguien las semanas que nos costaron a nosotros.
El punto de partida: no llamar al modelo si no hace falta
Cuando hay que extraer datos de documentos que llegan en cualquier formato, la tentación es mandárselo todo a un modelo grande y olvidarse. Funciona, y sale caro.
Nosotros lo montamos al revés, en una cascada donde cada nivel solo actúa si el anterior no ha podido:
| Nivel | Qué hace | Coste |
|---|---|---|
| 1 | Reglas deterministas para un formato ya conocido | ~0 |
| 2 | Un parser genérico para maquetas tabulares corrientes | ~0 |
| 3 | Modelo de lenguaje sobre el texto del documento | 0,0006 €/doc |
| 4 | Modelo multimodal, cuando el PDF es un escaneo sin texto | 0,005 €/página |
El orden no es casual: se agota lo barato y predecible antes de gastar en inteligencia. La mayoría de los documentos ni siquiera llegan al nivel 3.
Y fue justo bajando al nivel 4 donde aparecieron las dos sorpresas.
Primero: los escaneados engañan a los modelos baratos
Con un documento escaneado, el modelo económico devolvía referencias de producto que parecían correctas. Bien formateadas, con la longitud esperada, sin nada que hiciera saltar ninguna alarma. Pero le faltaba un dígito.
En un texto cualquiera, un dígito de menos es una errata. En un código de producto es otro producto, y por tanto otro proveedor. El pedido se va a la empresa equivocada y nadie se entera hasta que llega la queja.
Lo peor es que el error no se detecta mirando la salida: hay que contrastarla contra el catálogo para que salte. Por eso acabamos usando el modelo grande solo en la rama de visión, y dejando el barato para todo lo demás. El coste medio apenas se movió, porque los escaneados son una minoría.
Segundo: una página por llamada extrae mejor que varias juntas
Este es el que menos nos esperábamos. Mandar cinco páginas en una sola llamada y mandarlas de una en una cuesta prácticamente lo mismo en tokens. La intuición dice que da igual.
No da igual. Página a página, la extracción es sensiblemente mejor. El modelo mezcla menos datos entre documentos, confunde menos las tablas y se inventa menos cuando una página viene torcida.
No lo dice la documentación de ningún proveedor y no lo dedujimos razonando: apareció comparando resultados sobre documentos reales. Si estás construyendo algo parecido, pruébalo antes de dar por bueno el procesado en lote.
Lo que no se automatiza: la confianza
Las dos cosas anteriores son técnicas. La tercera es de diseño, y es la que de verdad importa cuando lo que se extrae acaba en una factura.
La salida del modelo no se cree. Se valida contra un esquema, se contrasta contra el catálogo estructurado y cada dato queda etiquetado con el nivel que lo produjo. Si la confianza baja de un umbral, el documento se bloquea y espera a que lo mire una persona.
Dicho de otra forma: la IA asiste y audita, pero no toma decisiones económicas por su cuenta. Un sistema que se equivoca y lo sabe es útil. Uno que se equivoca con seguridad es un problema.
Por si te sirve
Si estás montando algo que lea documentos, tres cosas que nos habría gustado saber antes: empieza por lo determinista y deja la IA para lo que no encaje; no des por hecho que el modelo barato sirve para escaneados; y prueba a procesar página a página antes de decidir el lote.
La cuarta ya la sabes: mide siempre contra documentos reales, no contra los tres de ejemplo que salen bien.