Extraer datos de facturas con inteligencia artificial: cuándo hace falta OCR en Ecuador y cuándo no

¿Hace falta OCR para leer las facturas del SRI?

No. En Ecuador la factura electrónica ya es un archivo de datos. La ficha técnica de comprobantes electrónicos del SRI establece que cada comprobante se genera en XML según esquemas oficiales, y desde finales de noviembre de 2022 todos los obligados a facturar deben emitir electrónicamente, salvo los negocios populares, según el SRI. El volumen es grande: el 10 de noviembre de 2026 el SRI autorizó 12.053.800 comprobantes electrónicos, según su tablero en tiempo real.

Leer un XML no necesita OCR (reconocimiento óptico de caracteres) ni modelos de inteligencia artificial: cada dato está en su etiqueta y es idéntico al del comprobante autorizado. La estructura completa está en la guía del XML de la factura electrónica.

¿Y si solo tienes el PDF? No lo escanees. El RIDE (la representación impresa) debe mostrar la clave de acceso de 49 dígitos; con ella recuperas el XML desde tu correo, desde SRI en línea o con el servicio web de autorización del SRI. Además, la Resolución NAC-DGERCGC18-00000233 obliga a tu proveedor a enviarte el XML junto con el RIDE.

¿Qué es el OCR de facturas y qué hace la inteligencia artificial?

Son tres tecnologías distintas que se suelen mezclar:

• OCR: convierte la imagen en texto. No sabe qué número es el total ni cuál es el RUC.
• Procesamiento inteligente de documentos (IDP, por sus siglas en inglés): combina OCR con modelos entrenados que reconocen campos y tablas y devuelven datos estructurados. El modelo de facturas de Azure Document Intelligence, de Microsoft, extrae campos y líneas de fotos, escaneos y PDF, devuelve JSON y admite facturas en 27 idiomas. El Invoice Parser de Google Document IA incluye el español y procesa hasta 15 páginas por solicitud en línea y 200 en lote.
• Modelos multimodales: modelos de lenguaje que leen texto e imagen a la vez y se adaptan a cualquier formato sin plantillas. Claude, de Anthropic, por ejemplo, convierte cada página de un PDF en imagen y extrae su texto para analizar ambos.

¿Cuándo sí necesitas extraer datos con inteligencia artificial en Ecuador?

Cuando el documento no tiene XML del SRI. Esta tabla resume los casos típicos de un área de cuentas por pagar:

Como casi todos los proveedores nacionales están obligados a facturar electrónicamente, la mayoría de las compras locales cae en las dos primeras filas. Por eso el primer paso de cualquier proyecto de extracción es separar lo que ya tiene XML: ese volumen no debería pasar por un modelo de IA.

Ejemplo ilustrativo: un mes de cuentas por pagar

Supón que en octubre tu área recibe 900 facturas electrónicas nacionales, 40 facturas de proveedores del exterior en PDF y 15 notas de venta preimpresas. Las 900 se leen desde el XML, sin modelo ni revisión de lectura. Las 55 restantes pasan por extracción con IA, validación y, si hace falta, revisión humana. El esfuerzo de configurar y supervisar la IA se concentra en ese 6 % del volumen, que es donde realmente hace falta.

Para las facturas del exterior, define qué campos extraer antes de elegir herramienta:

¿Cómo se comparan los enfoques de extracción?

¿Qué tan precisa es la extracción con inteligencia artificial?

No existe una precisión universal: depende del documento, del modelo y de la calidad de la imagen. Lo que sí está documentado es cómo medirla. Microsoft explica que la confianza de cada campo es una probabilidad estimada entre 0 y 1: un 0,95 indica que el dato probablemente es correcto 19 de cada 20 veces. Recomienda usar ese valor para decidir qué se acepta solo y qué va a revisión humana, y advierte que no todos los campos devuelven confianza. Para modelos personalizados que procesan registros financieros, sugiere apuntar a una precisión cercana al 100 % y añadir una etapa de revisión humana en los flujos más críticos.

Anthropic hace una advertencia similar sobre su modelo: la documentación de visión indica que Claude puede alucinar o equivocarse con imágenes de baja calidad, rotadas o muy pequeñas, y pide supervisión humana en tareas que exigen precisión perfecta. En contabilidad eso significa una regla simple: ningún dato extraído con IA entra al ERP sin pasar por validaciones. Sobre el riesgo de inventar datos, revisa el término alucinación.

Haz la cuenta: si el total de 1.000 documentos sale con 95 % de confianza, cabe esperar del orden de 50 totales mal leídos si nadie revisa. Por eso el diseño del flujo importa más que el modelo.

¿Cómo validar lo que extrae la IA antes de registrarlo?

1. Aritmética. La suma de las líneas debe dar el subtotal, el IVA de cada tarifa debe ser su base por el porcentaje, y el total debe sumar subtotal, ICE, IRBPNR, IVA y propina, como define la ficha técnica para los comprobantes del SRI.
2. Identificadores. El RUC tiene 13 dígitos y la clave de acceso 49, con un dígito verificador calculado por módulo 11. Si la clave no cumple la regla, el dato está mal leído.
3. Contra el SRI. Si el documento debería tener XML, búscalo por clave de acceso en tus comprobantes recibidos; si existe, descarta la extracción y usa el XML.
4. Contra el ERP. El proveedor debe existir, la orden de compra debe estar abierta y el documento no puede estar ya registrado.
5. Umbral de confianza. Por debajo del umbral que definas, el documento va a una persona, con los campos dudosos marcados.

Este último paso es lo que se conoce como revisión humana en el circuito: la IA prepara, una persona confirma lo dudoso y el registro de excepciones muestra qué proveedores generan más problemas.

¿Cómo se arma un flujo de extracción en cuentas por pagar?

Un flujo sensato clasifica primero y extrae después. Los XML del SRI van directo a lectura y cruce; los PDF con clave de acceso se convierten en una búsqueda del XML; y solo lo que no tiene XML pasa por IDP o por un modelo multimodal, con las validaciones de arriba y revisión humana para lo dudoso. Si los documentos tienen datos personales, define antes dónde se procesan y qué llega al modelo; revisa la guía sobre seguridad de datos al usar inteligencia artificial.

En Advise, el módulo de cuentas por pagar automáticas recibe los comprobantes, los cruza con las órdenes de compra y los registra en el ERP, y se mide en facturas procesadas sin intervención humana.