OCR vs IA para leer facturas: en qué se diferencian de verdad

El OCR (reconocimiento óptico de caracteres) convierte una imagen en texto. Nada más. Recibe un escaneo y devuelve las letras y números que aparecen, con su posición en la página. No sabe que «B12345678» es un NIF ni que «1.210,00» es el total: solo sabe que ahí hay unos caracteres.

Para convertir ese texto en datos, los sistemas tradicionales añaden plantillas: para cada proveedor se define dónde está cada campo («el número de factura está arriba a la derecha, junto a la palabra Nº»). Funciona bien mientras el proveedor no cambie nada. Si cambia de programa de facturación, mueve el logo o añade una columna, la plantilla deja de encajar y hay que rehacerla.

El OCR moderno es muy bueno leyendo texto impreso limpio. Su límite no está en leer letras, sino en saber qué significan.

Un modelo de lenguaje con capacidad de visión recibe la factura entera, imagen o PDF, y responde a una petición del tipo «dame el emisor, su NIF, la fecha, la base, el IVA y el total». Para contestar usa lo mismo que usaría una persona: las etiquetas, la estructura de la tabla, el contexto. No necesita saber de antemano dónde está cada campo.

Eso tiene dos consecuencias prácticas. La primera: un proveedor nuevo o un cambio de formato no exige configurar nada. La segunda, menos comentada: cuando el modelo se equivoca, su error tiene forma de dato correcto. Un OCR con plantilla que falla suele devolver un campo vacío o basura evidente; un modelo que falla puede devolver una fecha plausible pero equivocada. Por eso la IA sin validaciones no es una mejora, es un riesgo distinto.

Comparación general entre enfoques, no entre productos concretos. Muchas herramientas combinan ambos: OCR para extraer el texto y un modelo para interpretarlo.

La IA no es obligatoria. Hay casos en los que un OCR con plantillas, o incluso ninguna lectura, es la opción más sensata:

En cambio, si recibes facturas de decenas o cientos de proveedores distintos, en formatos que no controlas y mezclando PDF con escaneos y fotos, mantener plantillas se convierte en un trabajo en sí mismo. Es el escenario en el que la lectura de facturas con IA compensa con claridad.

• Pocos proveedores, formatos estables y documentos limpios. Cinco plantillas que no cambian en años no justifican otra cosa.
• Documentos que ya vienen estructurados. Si tus proveedores envían factura electrónica en XML, no hace falta leer ninguna imagen: se importa el fichero y se valida.
• Búsqueda de texto, no extracción. Si solo quieres poder buscar dentro de tus PDF escaneados, un OCR que añada capa de texto es suficiente.

La respuesta no es confiar más ni menos en el modelo, sino no confiar en ningún dato que no se pueda comprobar por otra vía. Estas son las validaciones cruzadas que aplicamos antes de dar una factura por buena:

Un dato inventado rara vez supera todas estas comprobaciones a la vez: si el modelo lee mal el total, la suma no cuadra; si lee mal el NIF, el carácter de control falla o el proveedor no existe. Lo que no pasa las validaciones va a revisión humana con el motivo concreto. Es el mismo principio que usamos en la lectura inteligente de documentos de cualquier tipo.

• Aritmética: base imponible + cuota de IVA − retención = total. Si hay líneas de detalle, su suma tiene que coincidir con la base.
• Coherencia del IVA: la cuota tiene que corresponder al tipo aplicado sobre la base, con un margen solo para redondeos.
• NIF válido: formato correcto y carácter de control que cuadra. Y, además, que exista en tu maestro de proveedores.
• Cotejo con el pedido o el albarán: importe, cantidades y proveedor coinciden con lo que se pidió y se recibió.
• Duplicados: el mismo proveedor no puede tener dos facturas con el mismo número.
• Fechas razonables: ni futuras ni de hace años, salvo que se marquen como excepción.

Para facturas de proveedor en una empresa o asesoría con formatos variados, la opción razonable hoy es un modelo de IA para leer, rodeado de validaciones deterministas para comprobar, con una cola de excepciones atendida por una persona. El OCR con plantillas sigue teniendo sentido en entornos pequeños y estables. Y en ningún caso la lectura es el final: el valor está en lo que viene después.

Si lo que te interesa es ese «después» —cuenta contable, asiento, archivo—, sigue con la guía sobre cómo contabilizar facturas automáticamente. Y si quieres ver cómo encaja todo en un servicio de automatización de facturas de proveedor conectado a tu programa contable, lo explicamos en la página del servicio.