De las líneas del documento al SKU: por qué extraer no basta

Cuando se habla de automatización documental, el ejemplo más inmediato suele ser la factura. Tomas un PDF, extraes número, fecha, proveedor, base, IVA y total. Obtienes datos estructurados y los envías al ERP. Parece sencillo — y para muchos documentos lo es.

Pero cuando el documento no debe solo registrarse en contabilidad, y tiene que alimentar un proceso operativo, el verdadero problema empieza casi siempre unos centímetros más abajo: en las líneas.

Una línea no es siempre producto, cantidad y precio

En una factura de compra una línea puede contener lo mínimo:

• código de producto y descripción
• cantidad y unidad de medida
• precio unitario, descuento, tipo de IVA

Según el sector y el producto, en la misma línea pueden aparecer también lote, fecha de caducidad, matrícula o número de serie, talla, color, peso, envase, referencia al pedido, código artículo del proveedor. Y no todas las líneas del mismo documento tienen por qué compartir la misma estructura.

Un producto tiene lote y caducidad, el siguiente no. Otro tiene un número de serie. Otro esconde información extra en la descripción. Quien lee el documento interpreta esas diferencias de forma natural. Un proceso automático debe convertir una estructura visual variable en un esquema de datos coherente.

La cabecera de la factura os dice quién y cuánto. Las líneas os dicen qué tiene que entrar de verdad en el ERP.

El documento tiene que convertirse en un modelo de datos

Supongamos que queremos extraer de cada línea producto, código, cantidad, lote, caducidad y precio. Si una línea no tiene fecha de caducidad, el sistema no debe inventarla — ni marcar forzosamente el documento como erróneo. Debe producir un campo vacío y seguir.

Parece un detalle técnico. Es el punto. El objetivo de un sistema de Intelligent Document Processing no es transformar un PDF en texto. Es transformarlo en datos estructurados, con un esquema lo bastante estable para que otro software los use. Ahí se ve la diferencia entre OCR y procesamiento documental.

El código del proveedor no es vuestro código

Aunque la línea se extraiga a la perfección, el ERP puede no saber qué hacer con ella. El proveedor indica ABC-500-20; en vuestro ERP el mismo producto es SKU-84721. O el documento trae solo una descripción. Alguien debe establecer que esa línea corresponde a un artículo del catálogo.

Por eso el catalog matching es uno de los pasos más importantes en los procesos documentales de compras y almacén. El flujo ya no es PDF → extracción → ERP. Pasa a ser documento → extracción → normalización → matching con el catálogo → verificación → ERP. Una diferencia sustancial: sin ese paso habéis copiado más rápido — no habéis alimentado el almacén.

Extraer la línea es necesario. Hacerla coincidir con vuestro SKU es lo que hace utilizables los datos.

Documentos distintos requieren controles distintos

No todos los documentos de compra deben seguir el mismo proceso. Una factura de productos destinados a almacén puede exigir extracción de líneas, reconocimiento de productos, matching con SKU, verificación de cantidades y captura de lote o caducidad cuando existen. Una factura de un servicio puede no requerir ningún cruce con el catálogo.

El tipo de documento determina qué datos extraer y qué controles ejecutar. Un buen proceso documental no aplica la misma receta a cualquier PDF: primero entiende qué está procesando, después aplica las reglas adecuadas.

IA donde hace falta comprensión, reglas donde hace falta certeza

Es también uno de los ejemplos más claros de cómo IA y automatización determinista pueden trabajar juntas. La IA es eficaz cuando debe interpretar layouts distintos, descripciones no estándar, tablas complejas, campos desplazados, documentos de proveedores nunca vistos.

Una vez extraídos los datos, muchas comprobaciones no necesitan inteligencia artificial. Cantidad × precio debe coincidir con el importe de la línea: se calcula. El total de las líneas debe ser coherente con el total del documento: se verifica. Un código debe existir en el maestro de productos: se consulta. Una fecha debe cumplir ciertas condiciones: se controla.

IA donde hace falta comprensión. Determinismo donde hace falta certeza.

¿Y cuando algo no cuadra?

Automatizar no significa eliminar la intervención humana. Significa evitar que una persona tenga que revisar del mismo modo cada documento y cada línea. Si el documento tiene 50 líneas y 48 se extraen, concilian y validan, el operador debería centrarse en las dos que presentan una anomalía.

• producto no encontrado en el catálogo
• cantidad incoherente o campo obligatorio ausente
• lote no reconocido o fecha no válida
• total que no cuadra

El trabajo humano pasa así de teclear de forma sistemática a gestionar excepciones. Es una diferencia enorme cuando los documentos se cuentan por cientos o miles.

El ERP no hay que sustituirlo

Nada de esto exige cambiar de ERP. El ERP debe seguir haciendo para lo que se diseñó: administración, compras, almacén, contabilidad. El nivel de document intelligence se sitúa antes: recibe PDF, imágenes, escaneos o archivos de correo y almacenamiento, los convierte en datos estructurados, los verifica y los entrega al sistema existente.

La integración puede ser un CSV importado periódicamente o un flujo por API y webhook. La pregunta, por tanto, no es solo «¿podemos leer automáticamente este documento?». La más interesante es: «¿podemos transformar lo escrito en datos que nuestro ERP pueda usar de verdad?» Ahí la automatización documental deja de ser OCR y pasa a formar parte del proceso de negocio.

De los documentos a datos utilizables

LOCRAI transforma facturas, pedidos, albaranes y otros documentos empresariales en datos estructurados, verifica la información extraída, concilia los códigos de producto con el catálogo y prepara la salida para ERP. CSV, Excel, JSON, XML, API o webhook: el documento sigue siendo el punto de partida, no el de llegada.

Sobre métodos de extracción de cabecera está ya el artículo sobre facturas PDF. Aguas abajo, ciclo pasivo y cruce pedido–albarán–factura. Para verlo en vuestros archivos, pedid una demo.