Facturas del correo a una hoja de cálculo, automático

Toda pyme tiene a alguien —a veces el propio dueño a las once de la noche— abriendo PDFs de facturas uno por uno y tecleando los mismos cinco campos en una hoja para pasársela a la gestoría. Es trabajo de copiar y pegar, propenso a erratas, y se acumula justo cuando peor viene.

Este workflow se conecta al buzón donde llegan las facturas (una carpeta concreta, o filtrando por remitente / asunto), coge los PDF adjuntos de los correos nuevos y por cada uno:

1. Extrae el texto del PDF.
2. Identifica los campos: fecha de emisión, número de factura, proveedor / NIF, base imponible, tipo y cuota de IVA, total.
3. Normaliza los importes (comas, puntos, símbolos de moneda) a número.
4. Añade una fila a la hoja de cálculo y marca el correo como procesado para no duplicarlo.

La extracción de los campos es la parte delicada, porque cada proveedor maqueta la factura distinta. El workflow usa un enfoque mixto: primero intenta patrones (expresiones regulares para los formatos más comunes de “Base imponible”, “B.I.”, “Total factura”…) y, para lo que no encaje, pasa el texto por un modelo de lenguaje que devuelve los campos estructurados en JSON. Puedes usar una API (OpenAI, Claude, Gemini) o un modelo local con Ollama si no quieres coste ni mandar las facturas fuera.

Reglas duras que lleva puestas y conviene respetar:

• Si un campo no aparece con claridad, se deja vacío y se marca la fila para revisar. Nunca se inventa un importe. Una factura mal cargada en contabilidad es peor que no cargarla.
• Se guarda el nombre del archivo original y el ID del correo en la fila, para poder auditar de dónde salió cada dato.
• El PDF se archiva (a Drive, a una carpeta, donde quieras); el buzón no se toca más allá de la etiqueta de “procesado”.

No sustituye a la gestoría ni al criterio contable: sustituye el tecleo. Alguien sigue revisando la hoja una vez al mes, pero repasar es diez veces más rápido que transcribir.

El JSON y el vídeo de este workflow están en preparación.