AI Lab · Aplicación 1
Document Intelligence Engine
Extrae los datos de una factura en PDF, los valida con un esquema estricto y reglas de coherencia, te deja corregirlos y descargarlos en JSON o CSV. Al subir tu PDF, el procesamiento es real en el servidor, no una simulación.
Factura sintética con datos ficticios. Es un resultado precalculado: se muestra al momento, sin subir nada ni gastar cupo. Después puedes procesar ese mismo ejemplo de verdad o subir tu PDF.
Retención: en los modos determinista y demostración no se guarda nada. El PDF y el texto extraído se procesan en memoria y se descartan al terminar; no se escriben en disco ni en los registros.
1. Elige un documento
2. Estado
- Subiendo
- Procesando en el servidor
- Listo
3. Resultado
Extracción asistida, no automática. En la última evaluación, con 224 facturas sintéticas propias (no reales), el motor acertó la factura completa sin corregir nada en 68 (30,4 %): unas 3 de cada 10. Por eso la revisión humana es obligatoria y todo lo dudoso se marca. No es una medida de precisión sobre facturas reales.
Campos extraídos
Confianza y origen de cada campo (página y línea del PDF). Si corriges un valor queda marcado como «corregido por la persona».
Revisión humana, campo a campo. Confirma o corrige cada valor dudoso leyéndolo en el documento. Confirmar no verifica nada ni habilita pagos, y el IBAN nunca queda verificado.
Qué significa confirmar o corregir
Los valores que el sistema no ha podido comprobar (ambiguos, no verificables o que requieren revisión) y todo valor que propone la IA aparecen con una casilla para confirmarlos. Confirmar o corregir un valor declara que lo has leído en el documento; no verifica la titularidad de ninguna cuenta, no valida nada fiscal y no habilita pagos ni domiciliaciones. El IBAN sigue siendo «no verificado» para uso financiero aunque lo confirmes. No hay un botón para confirmarlo todo a la vez: se revisa cada valor. Puedes deshacer cualquier confirmación o corrección.
Líneas de la factura
En pantallas estrechas, desliza la tabla en horizontal para ver todas las columnas.
| Descripción | Cantidad | Precio | IVA % | Importe |
|---|
Qué revisar
Ordenado por importancia y sin repetir avisos iguales. Se recalcula al corregir cualquier campo, con las mismas reglas que el servidor.
Qué incluye cada descarga
El JSON incluye los datos (corregidos si los has editado), las inconsistencias, el modo, la versión del esquema, la hora y, en el bloque revisionHumana, lo que tú has confirmado o corregido, separado de lo que el sistema pudo comprobar; no incluye el PDF ni su texto. El CSV (separador «;», coma decimal, UTF-8) recoge los campos, las líneas, su estado de revisión y los avisos, para abrirlo en Excel.
Métricas técnicas
Cómo funciona
- Validación del fichero: extensión, tipo declarado, firma
%PDF-, tamaño y estructura. Se rechazan PDF cifrados, con JavaScript o acciones automáticas, formularios XFA y adjuntos incrustados. - Extracción aislada: pdf.js en un proceso separado con límites de memoria, CPU y tiempo impuestos por el sistema operativo, sin variables del servidor, sin descargar recursos externos (pdf.js está configurado sin peticiones de red) y sin ejecución de código del documento. Si un PDF consume demasiado, se rechaza y el resto de la web no se entera.
- Campos: reglas deterministas sobre el texto y su posición (columnas, etiquetas, formatos españoles de importes y fechas). En modo IA, el texto va como dato delimitado a un modelo con salida estructurada, y su respuesta se valida con el mismo esquema o se descarta. El modo híbrido (experimental, solo si el servidor lo habilita) hace además la extracción determinista, compara las dos propuestas con las reglas de coherencia contable y, si discrepan, te muestra las dos alternativas para que decidas; la coherencia no prueba que un valor sea auténtico.
- Validación: esquema estricto y reglas de coherencia fiscal básicas; cada inconsistencia indica campo, valor esperado, valor encontrado y gravedad.
Limitaciones conocidas
- Sin OCR: los PDF escaneados no se procesan.
- Solo facturas en español y en euros; otros documentos pueden extraerse de forma incompleta.
- La confianza es una heurística de las reglas (alta, media, baja), no una probabilidad calibrada. En modo IA no se muestra confianza.
- No comprueba que un NIF exista ni la validez legal de la factura: solo formato, control y coherencia aritmética.
Arquitectura, seguridad y pruebas documentadas en el repositorio. ¿Quieres algo así con tus documentos y tus reglas? Solicita un desarrollo parecido.
Preguntas frecuentes
¿Se guarda el PDF que subo?
No, en los modos determinista y demostración. El PDF y el texto extraído se procesan en memoria y se descartan al terminar la petición: no se escriben en disco ni en los registros del servidor, que solo anotan duración, tamaño, número de páginas, modo y código de resultado.
¿Se usa inteligencia artificial?
Por defecto, no: la extracción es determinista (reglas y expresiones regulares sobre el texto y su posición). El modo IA solo aparece si está configurado en el servidor y, antes de usarlo, tienes que aceptar que el texto extraído se envíe al proveedor indicado. El resultado siempre dice qué modo se ha usado.
¿Qué documentos entiende?
Facturas españolas en PDF con capa de texto (las que genera un programa de facturación), de hasta 10 MB y 20 páginas. No hace OCR: un escaneo o una foto se rechaza con un aviso claro. Formatos muy distintos de una factura habitual pueden extraerse de forma incompleta; para eso está el editor.
¿Qué comprueba la validación?
Que los datos cumplen un esquema estricto y que son coherentes: suma de líneas igual a la base, base por tipo igual a la cuota, base más cuotas menos retención igual al total, NIF/CIF con dígito de control válido, IBAN con control módulo 97 y vencimiento no anterior a la emisión. No comprueba que el NIF exista ni la validez fiscal de la factura. El IBAN solo se valida por sus dígitos de control (no prueba quién es el titular), es informativo y nunca se usa para ejecutar pagos; si hay varios o alguno oculto, se marca para revisión.