---
title: "Extraer datos de facturas y documentos aduanales con IA: tipos, confianza y revisión"
description: "Diseñá la extracción de datos con IA con campos tipados, nulos, umbrales de revisión y validaciones antes del ERP. Clairic como ejemplo, con límites verificados."
author: "Carlos García"
published: 2026-10-20
updated: 2026-10-20
language: es
human_url: "https://kiia.cloud/es/blog/extraccion-datos-facturas-documentos-aduanales-ia/"
---

> **En 60 segundos:** Para extraer datos de facturas con IA, definí primero qué significa cada campo, qué tipo admite y cuándo debe quedar en `null`. Conservá el documento y la evidencia de lectura. Usá la confianza para enrutar: valores altos con todas las validaciones aprobadas pueden registrarse dentro del permiso acordado; los dudosos van a revisión; los críticos ausentes o ilegibles quedan en cuarentena. Calculá sumas en código y cruzá referencias con el sistema autorizado. Calibrá los umbrales con documentos propios antes de habilitar escrituras. En documentos aduanales, una discrepancia se señala para revisión del responsable; nunca se corrige el original automáticamente.

Una factura ficticia dice «Total: 1.250,00» y «Moneda: USD». El extractor devuelve `1250.00`, pero lo carga como moneda local. La estructura es válida y el asiento puede quedar equivocado. El trabajo de operaciones empieza en esa diferencia entre leer un dato y poder usarlo.

Esta guía se concentra en el contrato entre el documento y el ERP: esquema, ausencia, confianza, reglas y revisión. La extracción termina con campos candidatos; conciliar la factura contra lo cotizado es un proceso posterior. Todos los ejemplos son ficticios y no contienen datos de clientes.

## Qué aporta una extracción tipada

OCR reconoce texto; una plantilla intenta ubicarlo según posiciones o etiquetas conocidas. Para una factura con diseño estable, ese mecanismo puede alcanzar. Si cambia la distribución, necesitás comprobar que la regla siga apuntando al total y no al subtotal.

Pedir JSON a un LLM generalista organiza la respuesta. También podés exigirle un esquema con herramientas que lo admitan. El contrato operativo requiere, además, definir cómo se representa un dato ausente, cómo se comprueba la evidencia y qué señal de incertidumbre está disponible. Un campo `number` válido puede corresponder al importe de otra fila.

En un flujo tipado, diseñás cada salida antes de leer documentos: número de factura como texto, total como número, fecha como fecha. Separá las tareas de extracción de cualquier estimación. Si falta la fecha de vencimiento, una predicción de cuándo pagará el cliente no puede ocupar ese campo.

El diseño debe funcionar con OCR más reglas, un servicio documental, un modelo con visión o un LLM con salida estructurada. Exigí el mismo contrato al adaptador de cada proveedor. Si no ofrece confianza comparable, mantené revisión hasta medir una política alternativa; no conviertas una frase como «estoy seguro» en una probabilidad.

## Diseñá el esquema antes del prompt

Guardá por campo el valor literal, el normalizado, la página o fragmento que lo respalda y el motivo de ausencia o duda. Conservá también el hash del original, versión del esquema, extractor y política aplicada. La ausencia de un campo opcional puede ser válida; la de uno obligatorio impide avanzar.

| Campo | Tipo de destino | Regla propuesta |
| --- | --- | --- |
| `invoice_number` | Texto | Conservar ceros y separadores; nunca convertir un folio en número |
| `supplier_tax_id` | Texto o `null` | Leer el identificador impreso; resolver la identidad contra el maestro por separado |
| `total` | Decimal o `null` | Definir qué total incluye impuestos, descuentos y flete; guardar la precisión exigida por el destino |
| `currency` | Código de moneda o `null` | Un símbolo `$` aislado no permite elegir país ni moneda |
| `issue_date` | Fecha ISO o `null` | No interpretar `04/05` sin una convención confirmada ni inventar el año |
| `purchase_order` | Texto o `null` | Si no aparece, no reutilizar el folio de factura |
| `line_items` | Lista de registros | Mantener referencia a cada fila y distinguir una tabla ilegible de una tabla vacía |

Con decimales, definí separadores por formato de origen y rechazá ambigüedades. Para dinero, calculá con aritmética decimal o unidades menores y la regla de redondeo del negocio. No impongas dos decimales a cantidades, precios unitarios o monedas que requieran otra precisión.

Una fecha sin año necesita contexto aprobado y trazable. Si ese contexto no existe, conservá el literal y dejá la fecha normalizada en `null`. Un dato completado desde la orden de compra debe ir en otro campo con esa procedencia: no puede hacerse pasar por texto de la factura.

Por ejemplo, una factura ficticia `DEMO-0042` muestra «Total: 1.250,00 USD», «Emisión: 20/10/2026» y no menciona orden de compra. La representación de la aplicación podría ser:

```json
{
  "invoice_number": "DEMO-0042",
  "total": "1250.00",
  "currency": "USD",
  "issue_date": "2026-10-20",
  "purchase_order": null,
  "status": "review",
  "reason": "purchase_order_required_by_policy"
}
```

Es un contrato ilustrativo del destino, no una respuesta de Clairic: el decimal se serializa como cadena para preservar precisión. Los metadatos de evidencia y confianza se guardan junto a estos valores. Aunque la lectura sea correcta, una regla que exige orden de compra mantiene el caso en revisión.

## La confianza enruta; las reglas habilitan

Clairic distingue `p_null` —probabilidad de que la entrada no determine el valor— y `confidence`. Un `null` puede reflejar ausencia o un fallo de lectura; no demuestra que el dato no exista. La [guía oficial de extracción](https://developers.cloudflare.com/workers-ai/concepts/extraction-models/), consultada el **20 de octubre de 2026**, advierte que tipos y confianza no sustituyen comprobaciones de la aplicación.

Leé primero `value`, luego la señal de ausencia y la confianza. No rescates una conjetura auxiliar si el valor final es `null`. Tampoco promedies campos: varias descripciones bien leídas no compensan una moneda incierta.

| Ruta | Condición de la política | Acción |
| --- | --- | --- |
| Registro automático | Todos los campos críticos presentes, confianza sobre su umbral de aprobación, ausencia bajo su límite y reglas aprobadas | Registrar solo la operación autorizada; conservar respuesta del ERP |
| Revisión humana | Evidencia legible pero confianza intermedia, referencia ambigua o diferencia resoluble | Mostrar original y candidatos; pedir decisión con motivo |
| Cuarentena | Campo crítico nulo, confianza baja, documento ilegible, salida truncada o inconsistencia bloqueante | Detener la escritura y asignar responsable para pedir evidencia o escalar |

Definí dos límites por campo: uno para aprobación automática y otro para revisión. Por debajo del segundo, el caso queda en cuarentena. La política también necesita un límite para la señal de ausencia y motivos que bloquean independientemente del puntaje. La escritura de una factura no concede permiso para pagarla ni liberar un despacho.

### Cómo elegir los umbrales con una muestra propia

1. Reuní documentos autorizados de distintos proveedores, monedas, idiomas, diseños y calidades. Incluí notas de crédito, campos ausentes y casos que ya causaron retrabajo. Anonimizá los ejemplos usados fuera del entorno autorizado.
2. Hacé que el equipo marque el valor correcto y su evidencia por campo. Resolvé desacuerdos antes de evaluar al modelo.
3. Usá una parte para ajustar esquema y umbrales. Reservá otra para comprobar el resultado sin reajustarlo sobre esos mismos documentos; evitá repartir copias de la misma factura entre ambas.
4. Para cada política candidata, contá errores que se registrarían automáticamente, documentos elegibles, revisiones y cuarentenas. Separá resultados por campo y formato; mirá especialmente errores con confianza alta.
5. Elegí límites con Finanzas y Operaciones según el impacto y la capacidad real de la cola. Probá en modo sombra, sin escribir, y auditá también casos que habrían pasado automáticamente.

Si la muestra de un formato es pequeña, mantenelo en revisión. Recalibrá cuando cambien el modelo, OCR, esquema o mezcla de documentos. Guardá la versión de política para poder reconstruir por qué se aceptó un registro.

## Validaciones deterministas después del modelo

Calculá en código sumas de líneas, impuestos, descuentos y flete, con tolerancias y redondeos aprobados. Compará el resultado con el total leído; una diferencia tiene que generar una excepción visible.

Validá el formato de RFC o NIT según el país y el tipo de identificador configurado. Un formato válido no acredita identidad ni situación fiscal: cruzá el proveedor con el maestro autorizado. Contrastá factura, orden de compra o cotización por referencias, moneda, conceptos y cantidades, conservando las diferencias para el proceso de conciliación.

Si necesitás una conversión, obtené el tipo de cambio desde la fuente aprobada para la fecha y operación correspondiente. Guardá fuente, fecha y regla; si faltan, bloqueá la conversión. No uses una tasa recordada por el modelo. Estos son controles de diseño de software; el responsable local define las reglas fiscales y aduanales aplicables.

Antes de escribir, comprobá duplicados con identificadores y huella del documento, permisos mínimos e idempotencia. Guardá el ID devuelto por el ERP. Un timeout exige consultar el resultado antes de reintentar, para no duplicar la factura.

## IA para documentos aduanales: señalar la diferencia

En una configuración para pedimentos, DUA u otros documentos, acordá con el responsable de comercio exterior los campos críticos del formato concreto. Pueden incluir número y versión de declaración, importador o exportador, aduana, régimen, moneda, valor declarado, clasificación arancelaria, origen, cantidades, unidades y referencias de factura. La lista depende del país y la operación; no es un formulario universal.

Conservá identificadores y códigos como texto. Diferenciá peso neto de bruto y unidad comercial de unidad declarada. Una coincidencia entre dos cifras con unidades distintas no valida la lectura.

Si el valor declarado difiere de la factura, guardá ambos con sus fuentes y abrí una excepción. No recalcules ni sobrescribas el dato oficial para que coincida. Una persona autorizada revisa la causa y determina el trámite que corresponda; el agente conserva el documento original y el historial de versiones.

La pantalla de revisión necesita documento, página, valor literal, normalizado, campo dudoso, regla incumplida y responsable. La decisión debe registrar actor, fecha y motivo. El patrón de [Excel a gestión de excepciones](/es/blog/limpiar-excel-a-gestionar-excepciones-ia/) sirve para operar esa cola.

## Clairic como ejemplo: estado verificado el 20 de octubre de 2026

El [anuncio oficial del 19 de octubre](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/) presenta `@cf/cloudflare/clairic` en **preview**. Los pesos abiertos son una intención anunciada, no una publicación confirmada. Admite texto, números, fechas/horas, duraciones, listas, estimaciones y pronósticos; los escalares incluyen `p_null` y `confidence`. Las predicciones incluyen mediana e intervalo p10–p90 del 80 %. Cloudflare declara fiables cálculos de uno o dos pasos, pero limita cadenas largas y agregaciones de muchas filas: extraé los operandos y calculá en código.

La [ficha del modelo](https://developers.cloudflare.com/workers-ai/models/clairic/), consultada en esa fecha, documenta texto e imágenes PNG/JPEG/WebP: hasta cuatro, 4 MiB cada una y 8 MiB combinadas; sin URLs remotas. Declara contexto de 65.536 tokens y pases de 8.192 para distribuir campos. No documenta entrada PDF directa ni soporte específico de español o formularios LATAM: **no publicado / verificar**. Prepará texto o imágenes del PDF y validá cobertura. `reference_date` ancla fechas sin año; usalo únicamente con contexto aprobado.

El [precio oficial](https://developers.cloudflare.com/workers-ai/platform/pricing/), consultado el **20 de octubre de 2026**, es **USD 0,10 por millón de tokens de entrada**; el anuncio confirma que no hay cargo por tokens de salida. Es precio de inferencia, no del flujo completo: preparación documental, almacenamiento, integración y revisión requieren presupuesto propio. Revalidá tarifa y límites antes de contratar.

Este ejemplo no acredita rendimiento con facturas propias. Para evaluar otra herramienta, usá el mismo conjunto de documentos y comprobá evidencia, nulos, lectura de tablas, límites de entrada, tratamiento de datos y posibilidad de detener una escritura.

## Cuándo no automatizar todavía

Mantené revisión obligatoria si no tenés documentos representativos, la identidad del proveedor es ambigua, no hay fuente de cambio aprobada o nadie puede resolver la cola. Tampoco habilites escrituras si el destino no permite limitar permisos, detectar duplicados y verificar resultados. Los formatos aduanales no validados permanecen fuera de la ruta automática.

Para llevar los campos a un flujo completo, seguí el [agente de comprobantes y cobranzas](/es/blog/como-hacer-agente-comprobantes-cobranzas/). Las entradas por [WhatsApp](/es/blog/comprobantes-pago-whatsapp-cobranzas/) y [Outlook o Teams](/es/blog/comprobantes-pago-outlook-teams-cobranzas/) comparten estos controles aunque cambie el canal. El objetivo operativo es reducir el [coste de copiar datos entre sistemas](/es/blog/coste-copiar-datos-entre-sistemas/) conservando evidencia de cada decisión.

Si tu equipo está definiendo este flujo, [conversá con Kiia](/es/#cta-final) sobre un piloto acotado: un formato, un esquema revisable y una cola con dueño antes de conectar escrituras al ERP.

## Preguntas frecuentes

### ¿La IA puede extraer datos de facturas sin errores?

Puede devolver un campo del tipo correcto y leer mal su contenido. Conservá el original, verificá importes y referencias con reglas, y enviá las excepciones a una persona antes de registrar datos en el ERP. Una confianza alta no autoriza un pago ni valida un documento oficial.

### ¿Qué umbral de confianza uso?

Definilo por campo y riesgo con documentos representativos revisados por el equipo. Compará umbrales en una muestra separada y medí errores que pasarían al ERP, casos automatizados y carga de revisión. No hay un porcentaje universal; un campo crítico sin evidencia bloquea el documento completo.

### ¿Necesito OCR aparte?

Depende de los formatos y de la herramienta. Un PDF con texto puede permitir lectura directa; un escaneo necesita OCR o un modelo con visión. La ficha de Clairic consultada el 20 de octubre de 2026 admite imágenes, pero no documenta entrada PDF directa: prepará texto o imágenes compatibles y probá su lectura antes de automatizar.