OCR de facturas: el reconocimiento es el 30 % del problema, y nadie le cuenta cuál es el otro 70 %

La demostración siempre es la misma. Alguien arrastra un PDF a una pantalla, aparecen resaltados el NIF del emisor, la base, el tipo y la cuota, y a los tres segundos el sistema anuncia una precisión del noventa y nueve por ciento. La factura de la demostración es un PDF nativo, de una página, de un proveedor conocido, con un solo tipo de IVA. En su despacho, esa factura ya no era el problema.

El problema es la foto de un ticket térmico medio borrado, la factura de suministros con catorce conceptos y tres tipos distintos, el PDF escaneado del revés y la misma factura que llega dos veces por dos canales. Y sobre todo: qué se hace con el dato una vez extraído. Ahí es donde se va el tiempo del despacho, y ahí es donde casi ningún proveedor de OCR entra.

Qué resuelve realmente el OCR de facturas

La proporción no es una medición de laboratorio, es la experiencia de mirar el proceso completo: si cronometra a un técnico contable procesando facturas, verá que teclear los importes es la parte corta. Lo largo es abrir el documento, entender qué es, decidir la cuenta, comprobar que no está ya metida, encontrar el pedido o el extracto que le corresponde y dejar el asiento cuadrado. Automatizar solo el tecleo mejora la parte que ya era barata.

El 70 % que empieza cuando termina el reconocimiento

• Validación aritmética y fiscal. Que base por tipo dé cuota, que la suma de bases cuadre con el total, que el NIF tenga letra correcta y que el tipo aplicado sea posible para ese concepto. Un OCR que devuelve una cuota que no cuadra con su base ha acertado los caracteres y ha fallado la factura.
• Asignación de cuenta contable. Es la decisión que más valor tiene y la que menos se puede resolver leyendo la factura. Depende del plan de cuentas de ese cliente concreto, de cómo se ha venido imputando ese proveedor y de criterios que no están escritos en el documento. Lo que funciona es proponer por histórico: si las diecisiete facturas anteriores de ese emisor fueron a una cuenta, se propone esa.
• Detección de duplicados. La misma factura llega en PDF por correo y fotografiada por el cliente. Comparar NIF de emisor, número de factura y total atrapa casi todo; el resto son las facturas rectificativas y los proformas que se parecen demasiado al original y que hay que marcar, no descartar.
• Casación con el pedido o con el extracto bancario. Aquí es donde el dato extraído empieza a valer dinero: emparejar el importe y la fecha con un movimiento del banco convierte una factura suelta en una operación cerrada. Es también lo que más falla, porque los importes casi nunca coinciden al céntimo cuando hay retenciones, descuentos por pronto pago o pagos agrupados.
• Generación del asiento. El paso final no es escribir el apunte: es dejarlo propuesto en un formato que el asesor revise y que el programa contable acepte. Con la mayoría de los ERP de despacho eso significa un fichero de importación, no una escritura directa en la base de datos.

Ninguno de esos cinco pasos es reconocimiento óptico. Todos ellos son lógica de negocio, reglas del despacho e histórico del cliente. Por eso un proyecto de captura de facturas que se limite a contratar un motor de OCR entrega la mitad del camino, y por eso el trabajo de verdad se parece más a la pre-conciliación bancaria que a la digitalización.

Qué tasa de acierto es realista

Cuatro factores explican casi toda la variación: si el fichero es un PDF nativo o una imagen, la calidad de captura, cuántos conceptos y tipos lleva la factura, y si el emisor es recurrente o aparece por primera vez. El cuarto es el más importante y el que menos se nombra: la fiabilidad sobre un proveedor del que ya se han procesado veinte facturas no tiene nada que ver con la del primero.

Extraer texto no es entender un documento

Un sistema basado en plantillas y coordenadas funciona perfectamente hasta que el emisor mueve el bloque de totales tres centímetros, y entonces falla en silencio, que es la peor manera de fallar. Un modelo de comprensión de documentos degrada, pero no se rompe: puede bajar su confianza y marcar la factura para revisión. Para un despacho con cientos de emisores distintos, esa diferencia decide si el sistema sigue funcionando dentro de un año o hay que mantener plantillas eternamente.

La consecuencia de diseño es concreta: no merece la pena montar plantillas por proveedor salvo para los cinco o diez emisores que concentran el grueso del volumen. Para la cola larga, un modelo preentrenado de factura con un buen umbral de confianza rinde más y no hay que mantenerlo.

Qué es AI Builder y cuánto cuesta de verdad

La pregunta que importa es cuántas facturas caben en esos créditos. El consumo del procesamiento de facturas se cuenta por página, del orden de un crédito por página según estimaciones de proveedores de servicio, no una cifra oficial que podamos citar. Con ese supuesto, 5.000 créditos mensuales dan para varios miles de páginas al mes, muy por encima del volumen de un despacho de cuatro a diez personas. Si el volumen se dispara, los créditos adicionales se compran en bloques, y ahí sí conviene hacer la cuenta antes.

Digitalización certificada: no es lo mismo que digitalizar

El procedimiento de homologación lo desarrolla la Resolución de la AEAT de 24 de octubre de 2007, y es exigente. Estos son los requisitos que hay que cumplir para que un programa pueda llamarse software de digitalización certificado.

• Imagen fiel e íntegra de cada documento, con resolución espacial de la imagen final no inferior a 200 puntos por pulgada y compresión sin pérdida de información.
• Formatos estándar admitidos por la AEAT y publicados en su página, del tipo ISO 19005 (PDF/A), PNG o JPEG2000.
• Firma electrónica de la imagen digital con un certificado invocado por el propio software, sin intervención humana en el proceso.
• Base de datos documental que contenga los campos exigibles en los libros registro y permita el acceso completo y sin demora, con consulta en línea y búsqueda selectiva.
• Solicitud de homologación ante el Departamento de Informática Tributaria de la AEAT, acompañada de declaración responsable, descripción técnica del procedimiento, protocolos de seguridad, Plan de Gestión de Calidad e informe de una entidad de auditoría informática independiente de solvencia técnica acreditada.

Conviene además no confundir esto con Verifactu, que es otra cosa distinta. La digitalización certificada regula cómo convertir en imagen válida una factura recibida en papel; Verifactu regula cómo debe comportarse el programa que emite las facturas. Son obligaciones separadas, con normas separadas, y la diferencia está explicada en la comparativa entre Verifactu y la factura electrónica.

Por qué el asesor valida siempre

La tentación de contabilizar a ciegas por encima de un umbral de confianza es grande y es un error. La razón no es la desconfianza en el modelo: es que los errores del OCR no son aleatorios, son sistemáticos. Cuando un emisor cambia el formato de su factura, no falla una: fallan todas las suyas, del mismo modo, durante meses, y con el mismo aspecto de normalidad. Un error aleatorio se detecta en el cuadre; uno sistemático se descubre en la revisión anual.

La segunda razón es de responsabilidad. Quien firma la declaración es el despacho. Un asiento mal imputado no deja de ser un asiento mal imputado porque lo propusiera un modelo, y no hay proveedor de software que asuma esa consecuencia. Por eso el diseño correcto no es aprobar automáticamente lo que supera un umbral, sino ordenar la revisión: primero lo que el sistema marca dudoso, después una muestra de lo que da por seguro, y siempre el cien por cien de lo que supere un importe que fije el despacho.

Y aquí toca decir lo que no nos conviene: si su despacho procesa cuarenta facturas de proveedor al mes, esto no le sale a cuenta. El montaje, las reglas de validación y el aprendizaje del histórico cuestan un dinero que no se recupera con ese volumen, y hará mejor invirtiendo en ordenar la recogida de documentación, que no tiene coste de licencia. La captura automatizada empieza a tener sentido cuando la entrada de facturas ya le consume horas todos los meses y el cuello de botella es real.

Qué preguntar antes de comprar

Tres preguntas separan a los proveedores serios del resto. Sobre qué mezcla de documentos se ha medido esa tasa de acierto. Qué hace el sistema con las facturas de confianza baja, y si es capaz de decirle en qué campo concreto duda. Y quién asigna la cuenta contable, con qué criterio y si ese criterio aprende del histórico del cliente o hay que escribirlo a mano proveedor a proveedor.

Si las tres respuestas son concretas, la conversación merece seguir. Si la respuesta a las tres es un porcentaje, está usted comprando la demostración de la factura limpia. Para comparar lo que hay en el mercado español, la panorámica está en la revisión de software para asesorías, y lo que viene por normativa, en el análisis de la factura electrónica B2B obligatoria, que dentro de unos años reducirá el papel del OCR precisamente porque la factura llegará ya estructurada.