OCR de facturas en Argentina: qué es, cómo funciona y cuándo alcanza

Un OCR de facturas convierte el PDF o la foto de un comprobante en texto. Es el primer paso para dejar de tipear facturas, pero no el único: para cargar una factura argentina hay que saber qué número es cada cosa —el neto, el IVA de cada alícuota, cada percepción con su jurisdicción, cada renglón— y controlar que lo leído sea cierto, empezando por el CAE.

Esta guía explica qué hace un OCR, qué tiene la factura argentina que un OCR genérico no ve, qué se puede hacer gratis y cuándo hace falta otra cosa. Si ya estás comparando proveedores, la lista de preguntas está en cómo evaluar un lector de facturas con IA.

Qué es un OCR de facturas

OCR (reconocimiento óptico de caracteres) es la tecnología que reconoce las letras y los números de una imagen y los devuelve como texto. Aplicado a facturas, toma un PDF escaneado o una foto de celular y devuelve todo lo que está escrito, en el orden en que lo encuentra.

Lo que devuelve es texto, no datos. El OCR no sabe que "21,00" es una alícuota, que el número de 14 dígitos del pie es el CAE ni que una línea que dice "Perc. IIBB CABA" es una percepción de Ingresos Brutos. Para cargar la factura en un sistema, alguien —una persona, una plantilla o un modelo de IA— tiene que decidir qué es cada número.

Ahí aparecen tres tipos de herramienta:

Lo que la factura argentina tiene y un OCR genérico no ve

Una factura argentina trae datos que una factura de otro país no tiene, y un OCR pensado en general no los separa:

• Letra y código de comprobante: A, B, C o M, y factura, nota de crédito o nota de débito. Cambia cómo se carga y si da crédito fiscal.
• CUIT del emisor con dígito verificador: el último dígito se calcula con los otros diez, así que un CUIT mal leído se puede detectar sin consultar a nadie.
• CAE y su vencimiento: el vencimiento del CAE no es el vencimiento del pago, y un OCR que lee "Vto." y lo toma como fecha de pago te hace pagar en otra fecha.
• IVA por alícuota: 21 % y 10,5 % pueden convivir en la misma factura, cada uno con su base.
• Percepciones, cada una con su tipo y su jurisdicción. Una factura puede traer percepción de IVA y de Ingresos Brutos de varias provincias, y cada una se imputa por separado. Ver percepción vs. retención.
• Renglones con columnas propias de cada proveedor: bultos, kilos, metros. Un OCR que toma la columna de bultos como cantidad te carga 200 donde dice 20.000.
• Fechas en día/mes/año: un sistema pensado para otro formato lee el 05/08 como 8 de mayo, y la fecha que sale existe, así que no salta.

Lo que la norma pide que la factura discrimine es justamente lo que hay que leer:

En el caso de operaciones gravadas efectuadas con sujetos responsables inscriptos en el gravamen o adheridos al Régimen Simplificado para Pequeños Contribuyentes (Monotributo), deberá discriminarse:

1.1. La alícuota a que está sujeta la operación.

1.2. El monto del impuesto resultante.

1.3. El monto de los restantes tributos que no integren el precio neto gravado.

1.4. El importe de la percepción que resulte procedente.

El código QR no reemplaza la lectura

Desde la RG 4892/2020, la factura electrónica trae un código QR. Es tentador pensar que alcanza con leerlo, pero codifica los datos para comprobar la factura, no para cargarla: fecha, CUIT del emisor, punto de venta, tipo y número, importe total, moneda y CAE, entre otros. No trae el IVA por alícuota, las percepciones ni los renglones. Y la propia norma aclara que el QR no reemplaza lo impreso:

La incorporación del referido código "QR" no deberá obstaculizar la visualización de los datos exigidos por la normativa vigente, ni eximirá de la obligación de consignar dichos datos en los comprobantes electrónicos que se emitan.

Además, las facturas que no son electrónicas, o las fotos donde el QR salió cortado o borroso, no lo tienen disponible.

PDF digital, escaneado o foto

No todos los archivos se leen igual, y conviene saber cuál tenés antes de elegir herramienta:

• PDF digital (el que genera el sistema del proveedor): ya trae el texto adentro. Excel lo puede importar y no hace falta OCR, pero el texto viene en el orden interno del archivo, no en el que se ve: un número puede quedar lejos de su rótulo.
• PDF escaneado: es una imagen dentro de un PDF. Sin OCR no hay nada que leer.
• Foto de celular: torcida, con sombras, a veces en HEIC (el formato del iPhone), que muchos programas no abren.
• Facturas largas: con muchas hojas, algunos lectores leen la primera y se pierden los renglones del resto.

Qué se puede hacer gratis

Para sacar el texto de una factura hay opciones gratuitas:

• Google Drive: al abrir un PDF o una imagen con Documentos de Google, hace OCR y deja el texto debajo de la imagen.
• Excel de Microsoft 365: Datos → Obtener datos → Desde archivo → Desde PDF importa las tablas de un PDF que ya trae texto. Con un escaneo no funciona.

Las dos te dan texto o tablas sueltas. El CUIT, el número, el IVA de cada alícuota y cada percepción los tenés que buscar y acomodar a mano, factura por factura, y nadie controla que estén bien. Con cinco facturas por mes alcanza; con quinientas, seguís tipeando.

Qué hace falta para cargar facturas sin tipear

Para que las facturas de proveedores se carguen solas hacen falta tres cosas, además de reconocer el texto:

1. Interpretar la factura: devolver cada dato con su nombre, cada percepción en su fila y cada renglón con su cantidad y su precio. Es lo que agrega la lectura con IA.
2. Controlar lo leído: que el CUIT pase el dígito verificador, que cantidad por precio dé el importe de cada renglón, que los renglones sumen el neto. Y que lo que no se pudo leer quede vacío y marcado, nunca completado con lo más probable.
3. Validar contra ARCA: constatar el CAE con el web service de ARCA, que pide el comprobante entero, y bloquear los duplicados cuando la misma factura llega dos veces.

Y al final, sacar los datos en un formato que tu sistema tome: un Excel ordenado o un JSON, con los importes al centavo.

Cómo lo hace Anexa

Anexa (anexaempresas.io) carga las facturas de proveedores de empresas argentinas: entran por mail, se leen con IA, se controlan, se constata el CAE contra ARCA y salen en Excel o en JSON. Está explicado en carga automática de facturas de proveedores.

• Lee la factura entera: el comprobante, el CAE, el IVA por alícuota con su base, cada percepción con su jurisdicción y régimen, y cada renglón con código, unidad, cantidad, precio, bonificación e importe.
• No adivina lo que es del código: las fechas se interpretan siempre como día/mes/año, y qué columna es la cantidad lo decide el código por el rótulo impreso, no el modelo.
• Lee cualquier archivo: un PDF digital va además con su texto ordenado por renglones, para que cada número quede al lado de su rótulo; las fotos en HEIC, TIFF o BMP se pasan a JPEG antes de leerlas; y las facturas largas se leen por partes y se juntan antes de entrar.
• Tiene prohibido inventar: lo que no ve queda vacío, y la factura va a revisión con el original al lado.
• Controla el dígito verificador del CUIT, que los renglones cuadren, el CAE contra ARCA y los duplicados.

Se puede probar con una factura tuya en la demo del lector, sin registrarte: muestra lo leído al lado del original y la baja en Excel.