En resumen
En la extracción de datos de facturas digitales limpias, tres de los cuatro modelos que probé leyeron bien los nueve campos en 30 de 30. En escaneos simulados de las mismas facturas, el mejor acertó 22 de 30. Los fallos casi nunca estaban en los importes. Estaban en los números de IVA y en los números de factura, y la red de seguridad habitual, comprobar que base más IVA es igual al total, marcó solo 3 de las 63 facturas erróneas. Dos reglas sencillas sobre los números de IVA cazaron 31 de las 32 facturas erróneas de los tres mejores modelos. El modelo más barato costó USD 0,43 por 1.000 facturas, pero en los escaneos no igualaba al que cuesta 17 veces más: 14 de 30 frente a 22. Gemini 3.8 Flash igualó los 22 de Sonnet por aproximadamente la mitad de precio.
Repetí esta prueba el 22 de octubre de 2026 con un conjunto nuevo de facturas ficticias. Todos los números de este artículo son de la nueva ejecución.
Soy Denys, ingeniero full-stack y de IA. A principios de año construí un prototipo de extracción de facturas: una aplicación web y una API que convierten facturas en PDF en campos, y marcan para una persona los campos dudosos. Funciona con datos de ejemplo, sin ningún modelo detrás. Así que antes de escribir sobre extracción de datos de facturas, hice una prueba de verdad: 30 facturas ficticias de proveedores checos, alemanes y portugueses, cuatro modelos, 240 llamadas, USD 0,76 de consumo facturado.
¿Qué acierta y qué falla la IA en la extracción de datos de facturas?
Cada modelo leyó cada factura dos veces: como versión limpia, tal como sale un PDF de un programa de contabilidad, y como escaneo simulado, gris, algo girado, borroso y comprimido. Una factura solo cuenta como correcta cuando coinciden los nueve campos: número de factura, fecha de emisión, fecha de vencimiento, número de IVA del proveedor, número de IVA del comprador, moneda, total neto, total de IVA y total bruto.
| Modelo | Limpia, 9 campos bien | Escaneo, 9 campos bien | USD por 1.000 facturas | Segundos por factura (mediana) |
|---|---|---|---|---|
| Claude Haiku 5.5 | 30 de 30 | 14 de 30 | 0,43 | 6,13 |
| Claude Sonnet 5.5 | 30 de 30 | 22 de 30 | 7,18 | 8,50 |
| Gemini 3.8 Flash | 30 de 30 | 22 de 30 | 3,51 | 8,43 |
| GPT-5.6 Luna | 29 de 30 | 0 de 30 | 1,52 | 10,85 |
El coste es lo que OpenRouter facturó por cada llamada, no una estimación a partir de la lista de precios. En las facturas limpias, Claude Haiku 5.5 y Claude Sonnet 5.5 acertaron igual, 30 de 30. En los escaneos Sonnet leyó bien 22 frente a los 14 de Haiku, y costó unas 17 veces más.
¿Sigue haciendo falta OCR para extraer los datos de una factura?
No como paso aparte, en esta prueba. Los cuatro modelos recibieron la página como imagen y devolvieron directamente los nueve campos, sin ninguna capa de OCR en medio. Lo que cambia el resultado es la calidad de la página. Un PDF limpio de un programa de contabilidad tiene capa de texto; un escaneo no: son solo píxeles. La columna “Escaneo” de la tabla de arriba es justo la pregunta de la calidad del OCR, y es donde los modelos se distinguen: el mejor leyó bien 22 de 30 facturas escaneadas y el peor, ninguna.
No probé motores de OCR clásicos ni herramientas basadas en plantillas, así que no sé qué puntuación sacarían con las mismas 30 facturas. Lo que muestra la prueba es dónde está el riesgo cuando un modelo lee un escaneo: en los números de IVA y en los números de factura, que las comprobaciones de más abajo sí cazan.
¿Cómo se montó la prueba?
Generé las facturas con un script, así que cada valor verdadero se conoce al céntimo. Las facturas son ficticias: los nombres de las empresas llevan Vzor, Muster, Beispiel o Exemplo, y cada factura tiene un pie de página en el idioma local con el texto “SAMPLE - fictitious invoice / no real company”. Cada una lleva las trampas con las que se topa en cada país un administrativo de cuentas a pagar:
- Formatos numéricos locales.
175 011,84 Kčen checo,10.465,61 €en alemán, y tanto1 234,56como1.234,56en las facturas portuguesas. - Un segundo identificador junto al número de factura. El símbolo variable checo, el número de cliente alemán, el código ATCUD portugués.
- Una segunda fecha. La fecha de la operación en la factura checa y la fecha de la prestación en la alemana están junto a la fecha de emisión.
- Dos números de IVA en la misma página, y un número fiscal alemán (Steuernummer) que parece un número de IVA y no lo es.
- Casos difíciles. Tipos de IVA mixtos, una factura sin IVA, una factura con inversión del sujeto pasivo, una nota de crédito con importes negativos y una factura de nueve líneas en cada país.
Todos los números de IVA tienen un dígito de control válido, comprobado con la biblioteca python-stdnum, y ninguno está registrado: busqué cada uno de los 33 números usados (30 de proveedores y uno de comprador por país) en el servicio VIES de la UE, que respondió “no válido” para todos. Los 11 números de empresa checos que hay detrás de los números de IVA checos también se buscaron en el registro mercantil checo, ARES, y no se encontraron. Los cuatro modelos recibieron el mismo prompt, a temperatura 0, una llamada por imagen.
¿Por qué la comprobación de totales casi no cazó nada?
Comprobar que base más IVA es igual al total bruto es la primera regla que añaden casi todos los sistemas de extracción, y la que usa mi prototipo. En esta prueba marcó 3 de las 63 facturas erróneas entre los cuatro modelos: un escaneo de Gemini 3.8 Flash (cz06, total bruto equivocado), un escaneo de GPT-5.6 Luna (cz08, con la fecha de emisión, el número de IVA del comprador, el neto y el IVA equivocados) y una factura limpia de Luna (pt02, total neto equivocado).
El motivo es dónde estaban los fallos. Claude Haiku 5.5, Claude Sonnet 5.5 y Gemini 3.8 Flash cometieron 32 extracciones erróneas entre los tres, y solo dos tenían un importe equivocado: el escaneo de Gemini de arriba y un escaneo de Haiku (cz09) en el que los totales neto y de IVA estaban algo mal pero neto más IVA seguía siendo igual al bruto, así que la comprobación quedó en silencio. El resto leyó mal un dígito de un número de IVA o de un número de factura, como FV-2026-0738 leído como FV-2026-0758. GPT-5.6 Luna sí falló importes en 7 facturas, y en 5 de ellas el neto, el IVA y el bruto seguían cuadrando. Un modelo lee un total coherente con el resto de lo que leyó, así que una comprobación aritmética deja pasar la mayoría de sus errores.
¿Qué comprobaciones cazan los errores?
Dos reglas sobre los números de IVA, ambas de pocas líneas de código:
- El dígito de control. Un número de IVA termina en un dígito de control calculado a partir de los demás: módulo 11 para el número de empresa checo que hay detrás de un DIČ y para el NIF portugués, ISO 7064 para el USt-IdNr alemán. Bibliotecas como python-stdnum implementan las tres. Un dígito mal leído casi siempre lo rompe.
- Su propio número de IVA. En una factura recibida, el comprador es usted. Cualquier número de IVA del comprador que no sea el suyo es erróneo, o la factura no era para usted.
La que quedó, el escaneo cz06 de Gemini, tenía un total bruto equivocado. Ninguna regla sobre números de IVA lo ve, y Gemini nunca indica campos dudosos, así que solo lo cazó la comprobación de totales. Pedí a cada modelo que enumerase los campos de los que no estaba seguro:
| Modelo | Facturas erróneas | Cazadas por las dos reglas | Cazadas solo por su aviso de duda | Sin cazar | Facturas correctas que marcó igualmente |
|---|---|---|---|---|---|
| Claude Haiku 5.5 | 16 | 16 | 0 | 0 | 13 de 44 |
| Claude Sonnet 5.5 | 8 | 8 | 0 | 0 | 19 de 52 |
| Gemini 3.8 Flash | 8 | 7 | 0 | 1 | 0 de 52 |
| GPT-5.6 Luna | 31 | 30 | 0 | 1 | 0 de 29 |
Gemini 3.8 Flash nunca marcó un campo como dudoso, así que con él las comprobaciones son todo lo que tiene; aquí las dos reglas cazaron 7 de sus 8 facturas erróneas y la comprobación de totales la octava. Los modelos de Claude marcaron de más, no de menos: Haiku marcó 13 de sus 44 facturas correctas (30 %) y Sonnet 19 de 52 (37 %), todas escaneos; ninguno marcó una sola factura limpia. Es el intercambio que se quiere en cuentas a pagar, donde la mirada de un administrativo cuesta menos que un pago equivocado.
Aparecieron dos cosas más. Los errores de GPT-5.6 Luna no se limitaron a identificadores: de sus 31 facturas erróneas, 30 eran escaneos, 20 tenían el número de factura mal, 13 la fecha de emisión y 15 la fecha de vencimiento, y 15 campos de importe estaban mal en 7 facturas. Su única factura en la columna “sin cazar” es una limpia, la pt02, con el total neto equivocado: las dos reglas y su aviso de duda la dejaron pasar, la comprobación de totales no. Y un dígito de control no caza todas las lecturas erróneas, porque algunos números equivocados también son válidos; en esta ejecución, ningún número de IVA erróneo pasó las dos reglas.
¿Qué modelo usar para extraer datos de facturas?
En este conjunto, los resultados en escaneos fueron: Claude Sonnet 5.5 22 de 30 con 8 facturas erróneas a USD 7,18 por 1.000; Gemini 3.8 Flash también 22 de 30 con 8 facturas erróneas a USD 3,51, aproximadamente la mitad; Claude Haiku 5.5 14 de 30 con 16 erróneas a USD 0,43. Gemini igualó a Sonnet en precisión por aproximadamente la mitad del precio, pero nunca indica campos dudosos: sus facturas erróneas las cazaron las dos reglas sobre números de IVA (7) y la comprobación de totales (1), mientras que Sonnet marcó además 19 de sus 52 facturas correctas. Con las comprobaciones en marcha, ninguna de las facturas erróneas de Haiku ni de Sonnet quedó en silencio, así que el modelo más barato supone más facturas erróneas que corregir (16 frente a 8), no más errores en la contabilidad. Si envía cada factura a un modelo, el modelo rara vez es el gran coste; el coste de un agente de IA funciona igual. GPT-5.6 Luna no sirve para escaneos en esta prueba.
Esa clasificación sale de una prueba con 30 facturas. Pase sus propias facturas por dos o tres modelos antes de elegir.
¿Hace falta un modelo?
A menudo no, y en algunos países cada año menos. Antes de enviar la imagen de una factura a un modelo, compruebe si los datos ya están en el archivo:
- Portugal. Toda factura de un programa certificado debe llevar un código QR con los dos NIF, la fecha, el número de factura, el ATCUD y la base imponible y el IVA por tipo (Portaria n.º 195/2020, especificación técnica del código QR de la AT). Leer el código QR le da la mayoría de los campos con exactitud.
- Alemania. Desde el 1 de enero de 2025, un PDF simple ya no cuenta como factura electrónica entre empresas alemanas. Las facturas en papel y en PDF se permiten durante un periodo transitorio, que termina para todas las empresas a finales de 2027 (preguntas frecuentes del Ministerio Federal de Finanzas). Las facturas XRechnung y ZUGFeRD llevan datos estructurados que puede leer directamente.
- Chequia. Muchas herramientas de contabilidad incrustan una capa de datos ISDOC dentro del PDF; Fakturoid la añade a todas sus facturas en PDF desde diciembre de 2022 (Fakturoid).
Así que el orden que funciona es: leer la capa de datos si existe, enviar solo el resto a un modelo y después pasar las comprobaciones. El modelo es el plan B, no el primer paso.
¿Cómo llegan los campos a Excel o a su programa de contabilidad?
El archivo comprimido enlazado más abajo ya incluye un CSV con todos los resultados, una fila por extracción, así que el resultado se abre en Excel tal cual. Mi prototipo de extracción de facturas funciona igual a nivel de aplicación: exporta los campos aprobados y ofrece una llamada de API que recibe un PDF y devuelve los campos como JSON para cada factura.
A partir de ahí, un archivo CSV o XLSX se puede importar en un programa de contabilidad que acepte importaciones de archivos, o el JSON se puede pasar con un pequeño script. El prototipo funciona con datos de ejemplo y no lo he conectado a ningún producto de contabilidad concreto. Para una conversión de PDF a Excel con líneas de detalle y un libro de dos hojas, vea Convertir factura PDF a Excel: ¿hace falta IA o no?.
Si aún está decidiendo qué parte de su empresa merece la pena automatizar, le ayudo a elegirla y después la construyo: vea Consultoría de IA para pymes. Los mensajes de clientes son el otro primer trabajo habitual de la IA en una pequeña empresa: cuánto cuesta un chatbot de WhatsApp con IA por respuesta, con la tarifa de Meta incluida.
¿Qué no demuestra esta prueba?
- Las facturas son ficticias. Un diseño por país, generado por un script, con nombres de empresa de ejemplo. Las facturas reales de proveedores varían mucho más.
- Los escaneos son simulados. Desenfoque, giro, ruido y compresión JPEG sobre una versión limpia, no papel pasado por un escáner ni una foto de móvil.
- Una llamada por factura, un conjunto de 30. Los resultados varían mucho entre conjuntos. Este artículo se ejecutó primero con otro conjunto de 30 facturas, donde los resultados en escaneos de Haiku, Sonnet y Gemini fueron 22, 22 y 17 de 30; con este conjunto son 14, 22 y 22. Cada país tiene un número de IVA de comprador repetido en 10 facturas, así que una secuencia de dígitos mal leída puede estropear hasta 10 facturas a la vez.
- Los precios cambian. Los costes son lo que OpenRouter facturó el 22 de octubre de 2026.
- Solo nueve campos. Sin líneas de detalle, IBAN ni condiciones de pago.
Cómo repetirlo con sus propias facturas
- Elija de 30 a 50 facturas reales, incluidos los peores escaneos que reciba. Anote a mano los valores verdaderos.
- Use un solo prompt y un esquema de salida fijo con una lista de campos dudosos, a temperatura 0.
- Ejecute dos o tres modelos y registre el coste facturado por llamada, no el precio de lista.
- Puntúe facturas enteras, no campos sueltos: un dígito mal en un número de IVA es una factura mal.
- Añada la regla del dígito de control y la de su propio número de IVA, y mida qué cazan.
- Lea primero la capa de datos allí donde el programa de sus proveedores la ofrezca.
Los scripts, las facturas generadas y todos los resultados están en un solo archivo: el generador, el ejecutor, el evaluador y un CSV con las 240 extracciones. Si quiere esto integrado en su proceso de cuentas a pagar, forma parte de la automatización de flujos de trabajo.
Si quiere añadir una extracción así a un proceso que ya tiene en marcha, lo hago dentro de Integración de IA en Productos Existentes.
Ver también: Gestor documental para pymes: 7 opciones con precios.
Mi caso similar
Construí un servicio que convierte un certificado inmobiliario que tardaba 2–3 semanas y costaba EUR 200–300 en uno que tarda 2–3 minutos y cuesta EUR 99, con scripts e IA de visión. La construcción está en el caso de la automatización de documentos inmobiliarios.
¿Extrae datos de facturas a mano o con una herramienta en la que no confía? Escríbame y encontraremos la mejor opción para usted.
¿Sigue tecleando a mano los datos de las facturas?
Cuénteme lo que tiene ahora y lo que necesita. Le responderé con la opción que yo elegiría.
Escríbame