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

Sube tu PDF

Ningún archivo seleccionado.

O usa un documento de ejemplo

«Procesar ejemplo» envía el PDF al servidor y lo extrae de verdad; «Ver resultado precalculado» lo muestra al momento desde la página, sin gastar cupo.

Descargar el PDF de ejemplo · resultado de referencia (JSON)

Modo de procesamiento

Modo IA: no configurado en este servidor, así que no se ofrece (no se simula).

2. Estado

  1. Subiendo
  2. Procesando en el servidor
  3. Listo
Esperando un documento.

Cómo funciona

  1. 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.
  2. 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.
  3. 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.
  4. 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.