Automatización de 167 facturas trimestrales · Estación de servicio familiar

El reto

Una pyme familiar con estación de servicio y bar gestionaba 167 facturas trimestrales a mano. El proceso era siempre el mismo: entrar al correo, buscar los emails con facturas adjuntas, descargar cada PDF, abrir el archivo, copiar manualmente el nombre del proveedor, el número de factura, la fecha, el importe base y el IVA a una hoja de Excel, y repetir esto 167 veces.

El proceso completo les llevaba más de 10 horas cada trimestre, y siempre aparecían errores: una cifra copiada mal, un IVA equivocado, una factura olvidada. El gestor tenía que revisar todo antes de presentar los impuestos.

La solución

Desarrollamos un script Python que automatiza completamente el proceso:

1. Monitorización del correo: Usando imaplib, el script se conecta al servidor de correo y busca emails con PDFs adjuntos de los proveedores habituales.

2. Extracción de datos: Con pdfplumber, extraemos el texto de cada factura PDF. Los campos clave (proveedor, número, fecha, base, IVA) se identifican mediante expresiones regulares y patrones específicos.

3. Validación con IA: Para facturas con formatos inusuales o texto difícil de parsear, usamos la Claude API para validar y completar los datos extraídos.

4. Volcado a Excel: Con openpyxl, generamos automáticamente el Excel con el formato exacto que necesita el gestor: una fila por factura, columnas predefinidas, totales automáticos.

Extracto de código

# Extracting invoice data with pdfplumber
import pdfplumber
import re
from dataclasses import dataclass

@dataclass
class InvoiceData:
    supplier: str
    invoice_number: str
    date: str
    base_amount: float
    vat_rate: float
    vat_amount: float
    total: float

def extract_invoice_data(pdf_path: str) -> InvoiceData:
    with pdfplumber.open(pdf_path) as pdf:
        text = ""
        for page in pdf.pages:
            text += page.extract_text() or ""

    # Extract key fields with regex patterns
    supplier = re.search(r'(?:Emisor|Proveedor|Empresa):\s*(.+)', text)
    invoice_num = re.search(r'(?:Factura|Nº)\s*[:#]?\s*(\w+-?\d+)', text)
    date = re.search(r'(\d{1,2}[/\-]\d{1,2}[/\-]\d{2,4})', text)
    base = re.search(r'Base\s+imponible[:\s]+(\d+[.,]\d{2})', text)
    vat = re.search(r'IVA\s+(\d+)%', text)

    base_amount = float(base.group(1).replace(',', '.')) if base else 0.0
    vat_rate = float(vat.group(1)) / 100 if vat else 0.21
    vat_amount = base_amount * vat_rate

    return InvoiceData(
        supplier=supplier.group(1).strip() if supplier else "Desconocido",
        invoice_number=invoice_num.group(1) if invoice_num else "",
        date=date.group(1) if date else "",
        base_amount=base_amount,
        vat_rate=vat_rate,
        vat_amount=vat_amount,
        total=base_amount + vat_amount
    )

Resultados

El resultado fue inmediato. El proceso que antes llevaba 10 horas ahora se ejecuta en menos de 5 minutos. El gestor recibe directamente el Excel con todos los datos validados y listos para presentar.

Impacto medido: - 10 horas ahorradas por trimestre = 40 horas/año - 0 errores de transcripción en el último trimestre - 167 facturas procesadas automáticamente cada trimestre - El Excel llega al gestor el mismo día que se reciben las facturas