Validación humana vs IA en la extracción de datos: ¿cuánta precisión necesitas de verdad?

Toda demo de proveedor acaba en la misma diapositiva: *99% de precisión*. Todo el mundo asiente. Y tres semanas después, en el piloto, alguien de contabilidad encuentra una factura de proveedor contabilizada con el NIF equivocado y la conversación vuelve a empezar.

El problema no es la cifra. Es que "99% de precisión" no es una especificación hasta que dices por qué unidad: por carácter, por campo, por documento o por lote. Son cuatro realidades muy distintas, y solo una de ellas predice cuánta validación humana necesitas de verdad.

Este artículo va de elegir esa cifra a conciencia en lugar de heredarla de una diapositiva.

Un 99% por campo no es un 99% por documento

Empecemos por la aritmética, porque zanja casi toda la discusión.

Supón una extracción con un 99% de acierto por campo y una cabecera de factura con 10 campos que te importan: proveedor, NIF, número de factura, fecha, vencimiento, base imponible, tipo de IVA, cuota, total e IBAN.

La probabilidad de que los diez estén simultáneamente bien es 0,99¹⁰ ≈ 0,904. Es decir: aproximadamente 1 de cada 10 documentos lleva al menos un campo mal, aunque cada campo individual sea "99% preciso".

Añade ahora las líneas. Una factura de 30 líneas con 4 campos por línea suma 120 oportunidades más de equivocarse. Al 99% por campo, la probabilidad de un documento impecable se desploma.

Esto no es un argumento contra la IA. Es un argumento contra el perfeccionismo a nivel de documento. Si exiges que un humano verifique todos los campos de todos los documentos, no has automatizado nada: has añadido un paso de revisión encima de la digitación manual.

La pregunta útil es más estrecha: *¿qué campos, con qué confianza, en qué documentos?*

Lo que cuesta de verdad teclear a mano (y lo preciso que es realmente)

Antes de decidir cuánta validación humana comprar, conviene poner precio honesto a la alternativa.

Los benchmarks de cuentas a pagar de Ardent Partners de 2025 sitúan el coste medio totalmente cargado de procesar una factura en 9,40 $, y en 2,78 $ en las organizaciones best-in-class. El mismo estudio reporta una tasa media de excepciones del 14%, que baja al 9% en los mejores equipos. Esas excepciones las genera o las resuelve una persona.

En precisión, el listón humano es menos halagador que el folclore. Una revisión sistemática con metaanálisis sobre métodos de procesamiento de datos en investigación clínica —un entorno con mucha más disciplina de verificación que la bandeja de entrada de una asesoría— sitúa la entrada manual simple en torno a un 0,29% de error a nivel de campo, y la doble entrada bastante por debajo. Esos operadores están formados, supervisados y contrastados. Tu administrativa a media jornada, tecleando 60 facturas el último viernes del trimestre, no trabaja en esas condiciones.

Así que la comparación real no es "humano infalible contra máquina falible", sino dos procesos falibles con formas de fallo distintas:

El humano falla de forma aleatoria y silenciosa: un dígito transpuesto, una línea saltada, una fecha en otro formato. Errores sin correlación e invisibles hasta la conciliación.
La IA falla de forma sistemática y detectable: se atasca con el layout de un proveedor concreto o con un escaneo de bajo contraste, y normalmente *sabe* que no está segura.

Esa segunda propiedad lo cambia todo.

Los tres regímenes, y por qué solo uno escala

En la práctica hay tres maneras de capturar datos de documentos.

1. Todo manual. Cada campo lo teclea una persona. El coste escala linealmente con el volumen y la precisión se degrada con el cansancio y la presión de plazos. Es el régimen en el que están de verdad la mayoría de gestorías y administradores de fincas, y el que revienta en agosto y a cierre de trimestre — algo que ya tratamos en Cerrar el trimestre en agosto con medio equipo de vacaciones.

2. Todo automático, sin revisión. Lo que sale del modelo entra directo en el ERP. Rápido y barato hasta que una cuota de IVA silenciosamente mal llega a una declaración. Defendible en campos de bajo impacto, indefendible en los que alimentan un modelo tributario o un pago.

3. Revisión enrutada por confianza. El extractor devuelve un valor *y* una señal de confianza. Lo que supera el umbral pasa directo; lo que no, va a una cola humana. El coste escala con la tasa de excepciones, no con el volumen.

El régimen 3 no es un invento comercial: es como están diseñados los propios servicios cloud. Amazon Textract se integra con Amazon Augmented AI precisamente para enrutar a revisores humanos las predicciones que caen por debajo del umbral de confianza que tú fijas, y AWS documenta dos umbrales distintos (confianza de identificación del par clave-valor y confianza de calificación del texto que contiene). La propia guía del fabricante dice que ajustes esos umbrales con el tiempo para encontrar el equilibrio entre precisión y coste. Nadie serio vende el 100% de automatización. Venden un dial.

Decide por campo, no por documento

El replanteamiento práctico: deja de preguntar cuán preciso es el sistema y empieza a clasificar tus campos por lo que cuesta un valor equivocado.

Nivel A — tiene que estar bien; verifica siempre por debajo de confianza alta. Campos donde el error tiene consecuencia legal, fiscal o de pago y es caro de deshacer:

IBAN o cuenta bancaria en una orden de pago
NIF/CIF en una factura deducible
Importe total y cuota de IVA
Datos de identidad usados en KYC o en un trámite ante la Administración

Nivel B — debería estar bien; verifica ante anomalía. Campos donde el error molesta pero se delata aguas abajo:

Número de factura (un duplicado o un salto aparece en la conciliación)
Fechas (un vencimiento imposible falla una regla de validación)
Cantidades y precios unitarios de línea (tienen que cuadrar con la base)

Nivel C — está bien tenerlo, pero nunca bloquees por ello. Descripciones, notas en texto libre, líneas de dirección, códigos de referencia que solo sirven para buscar. Un error aquí cuesta una búsqueda fallida, no una sanción.

La palanca está en el nivel B. La mayoría de "errores de IA" en facturas no se cazan releyendo el documento, sino con aritmética barata y cruces que el software puede ejecutar gratis:

¿Base + IVA − IRPF cuadra con el total declarado?
¿Las líneas suman la base?
¿Ese número de factura ya está registrado para ese proveedor? (Ver Cómo detectar facturas duplicadas antes de contabilizarlas.)
¿Ese NIF es el que ya conocíamos para ese nombre de proveedor?

Cada comprobación que pasa te compra el derecho a saltarte a un humano. Cada una que falla es una excepción *dirigida* —un campo, un motivo, treinta segundos de atención— en lugar de una relectura completa.

Y conviene saber por qué falla el sistema antiguo: los motores de plantillas por proveedor se rompen en cuanto el emisor cambia el diseño, un problema que explicamos en Por qué las plantillas OCR por proveedor se rompen.

La trampa que nadie presupuesta: el sesgo de automatización

Añadir un paso de revisión humana parece reducción de riesgo. Muchas veces no lo es, por un fallo bien documentado: el sesgo de automatización, la tendencia a confiar de más en una salida automática, dejar de escrutarla y aprobar por defecto.

MIT Sloan Management Review ha escrito específicamente sobre cómo las organizaciones acaban sellando sin mirar las recomendaciones algorítmicas: revisores ante una salida de aspecto seguro, con presión de tiempo y sin autoridad ni incentivo claro para discrepar, aprenden a pulsar "aprobar". El expediente registra una decisión humana. No hubo decisión humana.

Consecuencias prácticas para el diseño del flujo:

Una cola de revisión con el 100% de los documentos no vale nada. Si hay que revisar todo, no se revisa nada. El revisor se calibra con la tasa base: si el 97% de lo que ve está bien, deja de mirar.
Las colas pequeñas, raras y concretas sí reciben atención. "Tres campos marcados porque el IVA no cuadra" es revisable. "Aquí tienes la factura entera, confírmala" no lo es.
Enseña la evidencia, no solo el valor. Quien ve el recorte del documento junto al campo extraído está verificando. Quien ve solo una caja de texto está tecleando.
Mide la tasa de corrección. Si tus revisores cambian la respuesta de la IA en menos del 1% de los casos, tu umbral es demasiado conservador y estás pagando teatro. Si la cambian en el 30%, es demasiado laxo.

Qué exige la ley (menos de lo que temes, más que nada)

Dos marcos importan a una pyme europea, y son más estrechos de lo que sugiere el post medio de LinkedIn.

El artículo 22 del RGPD reconoce el derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado que produzca efectos jurídicos o afecte significativamente de modo similar, y exige como mínimo el derecho a obtener intervención humana, a expresar el punto de vista y a impugnar la decisión. La jurisprudencia ha cerrado el atajo de la supervisión nominal: la revisión tiene que ser *significativa*, hecha por alguien con capacidad real de revertir el resultado.

Y un matiz clave: extraer los campos de un documento no es una decisión sobre una persona. Leer un NIF de una factura, o un nombre y un número de documento de un DNI, es tratamiento de datos —con todas las obligaciones habituales de base jurídica, minimización y plazos de conservación, como vimos en Cómo guardar copias del DNI de tus clientes sin saltarte el RGPD—, pero el artículo 22 solo entra cuando ese dato *decide* algo automáticamente: descartar a un inquilino, rechazar a un cliente, bloquear un pago.

El Reglamento europeo de IA exige, en su artículo 14, que los sistemas de alto riesgo se diseñen para poder ser supervisados de forma efectiva por personas físicas, capaces de entender sus límites, interpretar la salida y descartarla, anularla o revertirla. Ojo al matiz: alto riesgo. La captura genérica de datos de documentos contables no es, por sí sola, un uso de alto riesgo del Anexo III. Además, el calendario está en movimiento: las obligaciones del Anexo III estaban previstas para el 2 de agosto de 2026 y el Digital Omnibus acordado en 2026 aplaza las de los sistemas autónomos del Anexo III a diciembre de 2027, pendiente de publicación formal en el Diario Oficial. Las obligaciones de transparencia del artículo 50 no se aplazaron.

Resumen: para extraer facturas y suministros, la ley pide higiene de datos, no que alguien reteclee todo. Para cualquier cosa que decida automáticamente sobre una persona, mantén a un humano con autoridad real en el circuito.

Una regla práctica que puedes aplicar esta semana

Lista tus campos y clasifícalos (A/B/C). Diez minutos, una vez.
Convierte cada relación aritmética que tengas en una comprobación automática. Totales, sumas, tipos de IVA, orden de fechas, duplicados. Salen gratis y no se cansan.
Enruta a humanos solo con dos disparadores: confianza baja en un campo de nivel A, o un cruce que falla. Nada más.
Audita por muestreo el flujo automático. Saca 20 documentos aprobados al azar cada mes y revísalos en serio. Así sabes si tu umbral es honesto, a una fracción del coste de revisarlo todo.
Mueve el umbral según la tasa de corrección, no según lo mucho que te asustó el último error.

El objetivo no es el 100% de precisión. Es una tasa de error conocida y aceptable, con los errores caros estructuralmente imposibles. Un equipo que verifica el 8% de los documentos y audita el resto le gana a otro que revisa nominalmente el 100% y en realidad no lee ninguno.

Si quieres ver dónde caen tus propios documentos, prueba la extracción con una factura o un DNI real antes de montar nada: sube uno y comprueba tú mismo los campos en el extractor gratuito, sin registro.