El pedido llega casi siempre con las mismas palabras: "necesito una IA que lea las facturas y las cargue al sistema". Atrás hay alguien real pasando una o dos horas por día tipeando números de un PDF a una planilla, y una empresa que ya se cansó de eso. El problema es legítimo y la solución suele ser más barata de lo que se imagina. Pero casi nunca es la que se pidió.
Antes de cotizar cualquier cosa hay una pregunta que ahorra proyectos enteros: ¿el dato que querés extraer ya existe en algún lado en formato estructurado? Porque si la respuesta es sí, no necesitás inteligencia artificial. Necesitás pedirle a alguien el archivo correcto.
Primero: chequeá si el dato ya viene estructurado
En Uruguay esta pregunta tiene una respuesta particular y muy a favor nuestro. Los comprobantes fiscales electrónicos —los CFE— no son PDFs: son archivos XML firmados digitalmente. El PDF que te llega por mail es una representación visual de ese XML, no el documento en sí. Y el régimen dejó de ser para unos pocos: desde enero de 2025 los contribuyentes de IVA son, en términos generales, emisores electrónicos, como cierre de un proceso de universalización que llevó más de una década. Quedan afuera algunos casos, entre ellos los adheridos al Monotributo.
Lo que eso significa en la práctica: si tus proveedores son empresas uruguayas que te facturan con CFE, el dato que estás pagando para que una IA adivine de un PDF ya existe, perfectamente estructurado, con cada campo en su lugar y sin margen de error. Número, RUT, fecha, líneas, IVA desglosado, total. Todo.
El paso cero, entonces, no es técnico ni cuesta plata: hablá con tu proveedor de facturación electrónica y preguntale qué acceso te da a los XML de los comprobantes que recibís, y si tiene una API o una carpeta donde depositarlos. Muchos lo tienen y el cliente nunca lo usó porque nadie le dijo que existía. Si tu proveedor solo te entrega PDFs, eso es una limitación de tu proveedor, no del régimen, y vale la pena preguntarle por qué. Como todo lo tributario, confirmalo con tu asesor o con la DGI antes de armar nada encima.
Esta nota es sobre el camino de entrada de los datos. El camino de salida —emitir tus propios CFE sin que alguien los cargue a mano— lo tratamos aparte en cómo automatizar la facturación electrónica en Uruguay, y son dos proyectos distintos que conviene no mezclar en el mismo presupuesto.
La regla que decide todo: estructura, no volumen
La intuición habitual es que el volumen justifica la automatización: mil facturas por mes, automaticemos. Es la variable equivocada. Lo que define qué herramienta usar —y cuánto cuesta— es cuánta estructura tiene el documento. Tres niveles, y cada uno tiene su solución.
| Nivel | Qué es | Con qué se resuelve | Costo relativo |
|---|---|---|---|
| Estructurado | XML de un CFE, respuesta de una API, CSV de un sistema | Un script. Nada de IA. | Bajo |
| Semiestructurado | PDF que siempre sale del mismo sistema, con el mismo campo en el mismo lugar | Plantillas y reglas; la IA solo para los casos raros | Medio |
| Sin estructura | Mail en texto libre, foto de un remito, lista de precios que cada proveedor arma distinto | Acá sí: un modelo que interprete | Alto |
Casi todos los proyectos que se piden como "IA" son en realidad del primer o segundo nivel, y se resuelven por una fracción del precio. La pregunta útil para hacerle a quien te cotiza no es qué modelo va a usar: es cuántos de tus documentos tienen estructura fija, y qué pensás hacer con los que no.
Los cinco casos donde la IA sí se paga
Dicho todo eso, hay situaciones donde no hay dato estructurado posible y la extracción con IA es la única salida razonable. Estas son las que vemos seguido en pymes uruguayas.
- Facturas de proveedores del exterior. No son CFE, no hay XML, cada país y cada proveedor tiene su formato. Si importás, acá está la mitad del trabajo manual de tu administración.
- Pedidos de clientes en texto libre. El mayorista que recibe "mandame 12 del 38 y 6 del 40" por WhatsApp o por mail y alguien lo transcribe al sistema. Es el caso de mejor retorno de los cinco, porque el error no es contable: es un pedido mal despachado.
- Listas de precios de proveedores. Cada uno manda su Excel con las columnas en otro orden, o un PDF, y hay que actualizar precios en tu catálogo. Mensual, tedioso, y si se hace mal te comés el margen.
- Remitos y documentos de transporte en papel. Firmados, fotografiados con el celular, a veces escritos a mano. Es el escenario más difícil y el que más conviene limitar a extraer dos o tres campos, no el documento entero.
- Datos que el cliente ya te dio pero en el lugar equivocado. El caso clásico es el RUT y la razón social llegando en el campo de notas del pedido, para que alguien los copie después.
Ese último merece una aclaración, porque es el que más se puede evitar de raíz: si el RUT termina en un campo de notas es porque no hubo dónde ponerlo, y eso en una tienda Shopify depende del plan que tengas. Lo desarmamos en qué se puede personalizar del checkout de Shopify. Arreglar la captura del dato es siempre más barato que pagar una IA para interpretarlo después.
Y si el caso es el de los pedidos por WhatsApp, vale evaluar antes si lo que falta no es un canal donde el cliente cargue el pedido él mismo: el análisis está en tienda mayorista online. Interpretar pedidos desprolijos con IA y darle al cliente un lugar para pedir bien son dos respuestas al mismo problema, y la segunda escala mejor.
El problema no es leer: es qué pasa cuando se equivoca
Acá se cae la mayoría de los proyectos que arrancan bien. Un sistema de extracción con IA no falla como falla un script: el script se rompe, tira un error y alguien se entera. El modelo nunca se rompe. Te devuelve un número con la misma seguridad cuando acertó y cuando leyó 1.350 donde decía 1.850. Si no hay nada atrás que lo verifique, estás metiendo errores silenciosos en tu contabilidad a velocidad industrial.
Un empleado que tipea mal una factura por mes es un problema menor. Un sistema que tipea mal el 3% de mil facturas por mes, sin avisar, es otra cosa.
Por eso un proyecto serio tiene tres piezas que no son el modelo, y que son las que conviene exigir en la propuesta:
- Validaciones duras, que no dependen de la IA. El total tiene que ser igual a la suma de las líneas. El RUT tiene que tener el formato correcto y existir en tu lista de proveedores. La fecha tiene que ser plausible. El IVA tiene que cerrar con la tasa que corresponde. Lo que no pasa una validación no entra.
- Una cola de revisión humana. Lo dudoso va a una pantalla donde una persona confirma en cinco segundos, en vez de tipear en dos minutos. El objetivo no es cero intervención: es cambiar transcripción por aprobación.
- Un registro de lo que entró y de dónde salió. Cuando dentro de seis meses haya que explicar un asiento, tiene que poder rastrearse hasta el documento original.
Si una propuesta no menciona qué pasa con los casos dudosos, no está terminada. Y si promete 100% de precisión, está vendiendo algo que no existe.
Cómo saber si cierra el número
La cuenta de servilleta es simple y conviene hacerla antes de pedir cotizaciones. Medí cuántos minutos lleva procesar un documento a mano, multiplicá por la cantidad por mes, y pasalo a plata al costo hora real de quien lo hace. Eso te da el ahorro bruto mensual.
Después restá tres cosas que casi nadie resta: el tiempo que va a seguir llevando la cola de revisión, que nunca es cero; el costo de procesar los documentos con el modelo, que es por documento y por lo tanto crece con tu volumen; y el mantenimiento, porque el día que un proveedor cambie el formato de su factura alguien tiene que ajustarlo. Un proyecto de extracción no es una compra, es algo que queda vivo.
Si el ahorro neto no paga el desarrollo en seis a doce meses, casi siempre conviene empezar por otra cosa: los datos que ya están en tus sistemas y nadie mira. Eso es más barato y suele doler más, y lo contamos en reportes automáticos para pymes.
Con qué se arma y por dónde empezar
Técnicamente no hace falta nada exótico: un orquestador que mueva los documentos y dispare los pasos, un modelo que interprete lo que no tiene estructura, las validaciones, la cola de revisión y la conexión a tu sistema. La comparación de orquestadores —y cuál conviene según cómo esté armada tu empresa— está en n8n, Make o Zapier.
Lo que importa más que las herramientas es el alcance del primer paso. El patrón que funciona es arrancar con un tipo de documento y un proveedor, los de mayor volumen, corriendo en paralelo al proceso manual durante tres o cuatro semanas. Comparás resultados, medís cuánto cae en la cola de revisión, y recién entonces decidís si se amplía. El patrón que falla es arrancar con todos los documentos de todos los proveedores porque "total la IA se adapta".
En Firox el primer paso de estos proyectos es siempre el mismo y es gratis: mirar una muestra real de tus documentos y decirte cuántos ya vienen estructurados. Es bastante común que la conversación termine ahí, con una integración chica en vez de un proyecto de IA, y es el mejor resultado posible para los dos.
La versión corta, si te quedás con una sola cosa: la pregunta no es si la IA puede leer tus facturas. Puede. La pregunta es por qué estás leyendo facturas para obtener datos que, en Uruguay y desde 2025, casi siempre ya te llegaron en XML.
