Procesamiento inteligente y automatizado de documentos

Facturas, albaranes, contratos, solicitudes: en la mayoría de las empresas, la información figura en el documento y una persona la introduce en el sistema. El procesamiento automatizado de documentos se encarga de este paso. Lee un documento entrante, reconoce su tipo, extrae los campos relevantes y los transfiere de forma estructurada al sistema de destino.

La obligación es antigua, pero la urgencia es nueva. Desde el 1 de enero de 2025, todas las empresas nacionales deberán poder recibir facturas electrónicas de otras empresas nacionales; así lo establece la artículo 14 de la Ley del Impuesto sobre el Valor Añadido (UStG), en su nueva redacción. Para la expedición se aplican los plazos transitorios del Artículo 27, apartado 38, de la Ley del Impuesto sobre el Valor Añadido (UStG): A partir del 1 de enero de 2027, esta obligación se aplicará a las empresas con una facturación total superior a 800.000 euros en el ejercicio anterior; a partir del 1 de enero de 2028, se aplicará al resto de empresas.

Quedan exentos de forma permanente de la obligación de emitir facturas los pequeños empresarios, de conformidad con el artículo 19 de la Ley alemana del IVA (UStG), regulado en Artículo 34a del Reglamento de aplicación de la Ley del IVA (UStDV), así como facturas de importe reducido de hasta 250 euros y billetes de transporte. No obstante, los pequeños empresarios deben recibir las facturas electrónicas. El Preguntas frecuentes del Ministerio Federal de Hacienda responde a las preguntas detalladas.

Quien ya recibe los documentos entrantes en formato legible por máquina se pregunta, inevitablemente, por qué el resto del correo entrante sigue registrándose a mano.

Qué ofrece el procesamiento automatizado de documentos

Este término se asocia a menudo con tecnología OCR clásica Se equipara a ello, pero en realidad significa mucho más. El reconocimiento óptico de caracteres (OCR) convierte los píxeles en caracteres. Responde a la pregunta de qué texto aparece en la página, no a la de qué significa.

El procesamiento automatizado de documentos se basa en ello. Asigna el documento a una categoría, identifica los valores relevantes desde el punto de vista técnico y los compara con las reglas y los datos maestros. El hecho de que se hable de «procesamiento automático» o de «procesamiento automatizado» de documentos es una cuestión de uso lingüístico; no existe una distinción técnica subyacente. En la jerga técnica, este ámbito se denomina «Intelligent Document Processing». Software IDP Para ello, combina el reconocimiento de imágenes, el análisis de maquetación y los modelos lingüísticos.

Este enfoque difiere fundamentalmente de la automatización robótica de procesos (RPA). La RPA utiliza interfaces existentes siguiendo reglas fijas y falla en cuanto se produce un cambio inesperado en los datos introducidos. El procesamiento de documentos mediante aprendizaje automático está diseñado precisamente para esta variabilidad: reconoce la fecha de una factura incluso cuando aparece en un lugar inusual.

La cadena de transformación

El procesamiento digital de documentos pasa por las mismas cuatro etapas en cada aplicación: captura, clasificación, extracción y verificación. La primera etapa es la captura. Los documentos llegan en formato PDF, como escaneos, fotos o archivos adjuntos de correo electrónico; los formatos estructurados, como XRechnung, ya proporcionan los datos en un formato legible por máquina y se saltan el reconocimiento de texto. En el caso de los datos de imagen, el preprocesamiento determina todos los pasos posteriores: se corrigen las inclinaciones, se aumenta el contraste y se separan los lotes de varias páginas en procesos individuales.

A continuación viene la clasificación automática de documentos. El sistema determina si se trata de una factura, un albarán o una carta de rescisión, ya que es el tipo de documento el que determina qué campos se deben buscar. En el caso de una factura, son el número de factura, la fecha, los importes de los impuestos y las partidas; en el caso de un contrato, la duración, el plazo de preaviso y las partes contratantes.

En Extracción de los datos extrae estos datos. Los métodos modernos no utilizan coordenadas fijas, sino que analizan conjuntamente el texto, la posición y el diseño. De este modo, el modelo funciona incluso con proveedores cuyo diseño de factura nunca ha visto antes.

Cada valor extraído lleva asociado un valor de confianza, es decir, la probabilidad con la que el modelo considera correcta su propia salida. Este valor determina el último paso. La verificación automatizada de documentos compara los valores extraídos con los datos maestros, los pedidos y las reglas de cálculo, como por ejemplo la suma de las partidas con el importe de la factura. Si el nivel de confianza supera el umbral definido y se superan estas comprobaciones, el proceso se lleva a cabo sin intervención alguna. De lo contrario, pasa a la revisión manual. Lo que se corrige allí se incorpora al modelo como señal de entrenamiento.

Por qué fracasa la automatización en la práctica

La tecnología rara vez falla de forma espectacular. Falla en los detalles, y casi siempre en los mismos cuatro.

Calidad de los documentos toma decisiones más rápido que cualquier modelo. Un albarán fotografiado con el móvil, con arrugas y sombras, ofrece peores resultados que un PDF generado digitalmente. Cuando es posible controlar los canales de entrada, el cambio a formatos estructurados resulta más eficaz que cualquier optimización de modelos.

Variación en el diseño Afecta más a las empresas con muchos proveedores pequeños que a aquellas con pocos proveedores grandes. Diez proveedores con formatos de factura estables se automatizan más rápido que mil con un formato propio cada uno.

Excepciones técnicas son los que realmente encarecen los costes. Las entregas parciales, las notas de crédito, las facturas en moneda extranjera o los destinatarios de factura diferentes son casos técnicamente correctos, pero poco frecuentes. Precisamente por eso al modelo le faltan ejemplos de entrenamiento, y precisamente por eso estos casos acaban siendo tramitados manualmente.

Valores umbral establecidos incorrectamente costes para ambas partes. Un umbral de confianza demasiado alto envía documentos reconocidos correctamente a revisión y desperdicia la automatización. Uno demasiado bajo deja pasar errores que solo se detectan en el sistema de contabilidad. Allí, la corrección resulta más costosa, ya que implica revertir un asiento ya registrado en lugar de corregir una operación pendiente.

Cómo se puede medir el grado de automatización

El indicador clave es el Porcentaje de procesamiento en la oscuridad, es decir, el porcentaje de procesos que se completan sin ninguna intervención manual. Es un indicador más significativo que cualquier tasa de detección, ya que refleja el esfuerzo real.

En cuanto a la precisión, conviene hacer una distinción que a menudo pasa desapercibida en la información que facilitan los proveedores. La precisión por campo mide cuántos valores individuales se han reconocido correctamente. La precisión por documento mide cuántos documentos están completamente libres de errores.

La diferencia es considerable. Con doce campos por factura y una precisión por campo del 98 por ciento, matemáticamente solo el 78 por ciento de las facturas quedan completamente libres de errores, ya que las probabilidades de acierto se multiplican entre todos los campos: 0,98 elevado a 12 da como resultado 0,78. Así pues, aproximadamente una de cada cinco facturas requiere una revisión.

Este modelo de cálculo parte de la base de que los errores son independientes entre sí. En la práctica, los errores se acumulan en los mismos documentos defectuosos, por lo que la precisión real de los documentos suele ser superior al valor calculado. Para el proceso, lo que cuenta es la precisión de los documentos, ya que un solo valor erróneo hace que todo el proceso tenga que pasar a la fase de revisión.

Hay que tener cuidado con los datos de precisión procedentes de pruebas de rendimiento. Las bases de datos públicas, como CORD o FUNSD, miden la extracción de campos en condiciones de laboratorio con material seleccionado. Los valores obtenidos en ellas dicen poco sobre el propio correo recibido, cuya composición y calidad varían.

Igualmente importante es distinguir entre errores de reconocimiento y de verificación. Un sistema que marca como incierto un valor incierto se comporta correctamente. Lo crítico son los valores que se reconocen erróneamente y, aun así, se emiten con un alto nivel de confianza, ya que solo estos pasan el control sin ser detectados.

Lo que exige el marco jurídico

Los documentos relevantes a efectos fiscales están sujetos a los principios sobre la llevanza y conservación correctas de los libros contables, conocidos como GoBD. El Ministerio Federal de Hacienda los ha establecido mediante Carta del 11 de marzo de 2024 reformulado; esta versión está en vigor desde el 1 de abril de 2024.

De ello se derivan dos requisitos concretos para el tratamiento automatizado. En primer lugar, el principio de inalterabilidad: las modificaciones posteriores deben quedar registradas y el contenido original debe seguir siendo reconocible. Por lo tanto, una corrección realizada en la fase de posprocesamiento no debe sobrescribir el valor reconocido automáticamente sin dejar rastro. En segundo lugar, la documentación del procedimiento, que describe cómo se registran, procesan y conservan los documentos. Quien automatice la extracción y la verificación también debe documentar esta parte del procedimiento.

En el caso de las facturas electrónicas, hay que tener en cuenta además el formato. Se considera factura electrónica aquel formato electrónico estructurado que se ajuste a la Directiva de la UE 2014/55/UE y, por tanto, a la norma CEN EN 16931. Además, siguen siendo admisibles los formatos acordados entre las partes contratantes, siempre que reproduzcan los datos necesarios de forma interoperable. Un archivo PDF enviado por correo electrónico no cumple esta definición.

En Alemania se aplican ZUGFeRD y XRechnung la norma, si bien ZUGFeRD incrusta los datos estructurados en un PDF y XRechnung es un formato XML puro. En el caso de ZUGFeRD, todos los perfiles a partir de la versión 2.0.1 cumplen la norma, a excepción de MINIMUM y BASIC-WL: estos dos no reproducen una factura completa y, por lo tanto, no se consideran facturas electrónicas a efectos del impuesto sobre el valor añadido. Lo determinante es la Interpretación administrativa del Ministerio Federal de Hacienda.

Los datos personales que figuran en los documentos están sujetos, además, al RGPD. Esto afecta tanto a la cuestión del lugar de tratamiento como a los plazos de supresión, y es la razón por la que los sectores regulados exigen que el funcionamiento se realice en servidores propios.

Cuándo resulta rentable su implantación

Hay tres factores decisivos, y se pueden determinar de antemano.

En Volumen establece el límite mínimo. Mientras una empleada se encargue de tramitar las entradas de forma paralela, ningún proyecto asumirá sus costes de configuración. La rentabilidad aumenta con el volumen, ya que la configuración es un gasto único, mientras que el registro se realiza por cada documento.

En Varianza determina el esfuerzo necesario. Un tipo de documento específico con una estructura estable permite empezar a trabajar rápidamente, ya que bastan unos pocos ejemplos para el aprendizaje. Una bandeja de entrada con treinta tipos de documentos y un grupo de remitentes abierto supone todo un proyecto.

En Profundidad del proceso es lo que determina el rendimiento real. La extracción por sí sola ahorra trabajo de introducción manual de datos. Solo cuando los datos pasan al proceso posterior, por ejemplo, a una aprobación de facturas digitales, el paso manual desaparece de verdad. Quien se limita a extraer los datos y luego los transmite a mano, lo que hace es trasladar el trabajo en lugar de eliminarlo.

Conclusión

El procesamiento automatizado de documentos no es un producto aislado, sino una cadena que abarca la captura, la clasificación, la extracción y la verificación. Su éxito depende menos del modelo que de las condiciones marco: de la calidad de los canales de entrada, del número de tipos de documentos, de unos umbrales establecidos de forma adecuada y de si los datos extraídos llegan realmente al proceso posterior.

La evolución normativa facilita en parte la decisión. Quien, de todos modos, tenga que emitir y procesar facturas estructuradas de aquí a 2028, puede considerar desde ya la recepción de las mismas en su totalidad.