IA y ERP: automatizar la recepción de mercancías a partir de albaranes, PDF, CSV y Excel

Después de analizar cómo la inteligencia artificial puede automatizar la recepción y el registro de los pedidos de venta, continuamos nuestra serie dedicada al uso práctico de la IA en los procesos ERP.

En este segundo artículo abordamos otra actividad cotidiana para muchas empresas: la recepción de mercancías y el registro de los documentos recibidos de los proveedores.

Tampoco en este caso hablamos de funcionalidades futuras ni de simples experimentos.

Las funcionalidades descritas en esta serie ya están disponibles y pueden utilizarse con GERP.

El objetivo es sencillo: transformar documentos recibidos en diferentes formatos — PDF, CSV, Excel y otros documentos estructurados o no estructurados — en información que pueda utilizarse directamente en el ERP, reduciendo el trabajo manual necesario para registrar los materiales entrantes.

Del documento del proveedor a la recepción de mercancías

Cuando llegan mercancías a una empresa, normalmente los productos van acompañados de un documento que describe lo que se ha entregado.

Puede tratarse de un albarán en PDF recibido por correo electrónico, un documento en papel, un archivo CSV, una hoja de Excel u otro formato generado por el sistema informático del proveedor.

El problema es que cada proveedor puede utilizar un formato diferente.

Cambian la ubicación de la información, las descripciones de los artículos, los códigos utilizados, las unidades de medida e incluso la forma de indicar cantidades, lotes o referencias a los pedidos.

Tradicionalmente, por tanto, es necesario que un operador lea el documento y transfiera la información al ERP.

La inteligencia artificial permite abordar el problema de una manera diferente.

PDF, CSV y Excel: formatos diferentes, un mismo proceso

Un sistema tradicional de importación normalmente requiere un formato predefinido.

Para importar un archivo CSV, debemos saber qué columna contiene el código del artículo, cuál contiene la cantidad, cuál corresponde al lote, etcétera.

Con los documentos PDF, la situación se vuelve aún más compleja, porque generalmente están diseñados para ser leídos por una persona y no por un software.

La IA permite añadir una capa de interpretación.

GERP puede utilizar el documento recibido para identificar información como:

• proveedor;


• número y fecha del documento;


• pedido o pedidos de compra de referencia;


• códigos de los artículos;


• descripciones;


• cantidades entregadas;


• unidades de medida;


• lotes;


• posibles números de serie;


• referencias del proveedor;


• notas incluidas en el documento.

Lo importante es que no es necesario que todos los proveedores utilicen el mismo diseño de documento.

El objetivo no es enseñar al sistema dónde se encuentra determinada información en un modelo específico, sino permitirle comprender el significado de la información contenida en el documento.

Reconocer los artículos del proveedor

Como hemos visto con los pedidos de venta, también en el proceso de compras existe un problema frecuente: el código utilizado por el proveedor puede ser diferente del código utilizado internamente por la empresa.

En el albarán podríamos encontrar:

MAT-4587 — Film transparente PET de 23 µm

mientras que dentro del ERP el mismo material podría estar identificado con un código completamente diferente.

GERP puede utilizar la información ya presente en el ERP — artículos, códigos de proveedores, descripciones, pedidos de compra e historial de suministros — para identificar la correspondencia más probable.

Por tanto, la IA no se limita a leer el documento.

Interpreta el documento utilizando el contexto del ERP.

Y es precisamente este contexto el que hace que la automatización resulte mucho más interesante que la simple extracción de texto de un PDF.

La comparación con el pedido de compra

El siguiente paso es aún más importante.

Si la mercancía recibida procede de un pedido de compra ya registrado en GERP, el sistema puede comparar lo que se había pedido con lo que el proveedor declara haber entregado.

Podemos pasar, por tanto, de:

leer el albarán → registrar manualmente la recepción

a:

leer el albarán → identificar el pedido → comparar los datos → preparar la recepción → señalar las diferencias.

Supongamos, por ejemplo, que el pedido de compra contempla 5.000 kg de material y que el documento del proveedor indica 4.800 kg.

Lo importante para el operador no es transcribir "4.800".

Es saber que han llegado 200 kg menos de lo previsto en el pedido.

La automatización permite, por tanto, desplazar la atención de la introducción de datos al control de las excepciones.

Pedido, documento y mercancía recibida

Sin embargo, el documento del proveedor representa solo una parte del proceso.

El sistema puede conocer:

qué hemos pedido → qué declara haber enviado el proveedor → qué hemos recibido realmente.

Estos tres elementos pueden compararse.

GERP puede, por tanto, señalar automáticamente situaciones como cantidades diferentes de las solicitadas, artículos no previstos, entregas parciales, materiales que faltan, unidades de medida diferentes o referencias que no encuentran correspondencia.

El operador puede concentrarse en las anomalías en lugar de comprobar manualmente cada línea.

La IA prepara el movimiento de inventario, el operador lo verifica

También en la recepción de mercancías es importante distinguir entre automatización y ausencia de control.

Un modelo eficaz puede seguir la misma lógica descrita anteriormente para los pedidos de venta:

leer → comprender → comparar → proponer → verificar → registrar

GERP puede preparar el documento de recepción o el movimiento de inventario a partir de la información reconocida.

El operador puede verificar el resultado, corregir posibles anomalías y confirmar la operación.

Para los casos más sencillos y repetitivos, el nivel de automatización puede ser mayor; para aquellos en los que existen dudas o incoherencias, el sistema puede solicitar expresamente la intervención del usuario.

Gestionar las excepciones en lugar de transcribir documentos

Imaginemos una empresa que recibe 30 entregas durante el día.

Si 25 coinciden perfectamente con los pedidos de compra registrados en el ERP, no resulta especialmente útil que una persona dedique la misma atención a las 30.

Es mucho más útil que el sistema pueda indicar:

25 recepciones correctas. 5 requieren atención.

Por ejemplo:

• cantidad recibida diferente de la solicitada;


• artículo no reconocido;


• lote que falta;


• pedido de compra no identificado;


• entrega superior a la cantidad pendiente del pedido.

En ese momento, el trabajo del operador cambia radicalmente.

Ya no tiene que transferir sistemáticamente información de un documento al ERP: debe tomar decisiones sobre los casos en los que realmente existe algo que verificar.

Aspectos críticos que deben tenerse en cuenta

La recepción de mercancías presenta, naturalmente, situaciones más complejas que la simple lectura de un documento.

Un PDF puede tener una calidad deficiente, un documento puede contener códigos desconocidos, un mismo artículo puede expresarse con diferentes unidades de medida o una entrega puede hacer referencia simultáneamente a varios pedidos.

Además, lo que aparece escrito en el albarán no garantiza que corresponda a lo que ha llegado físicamente.

Por este motivo, es fundamental distinguir entre la información extraída del documento y la verificación física de la mercancía.

La inteligencia artificial puede leer que se han entregado diez bultos, pero esto no significa que los diez bultos estén realmente presentes delante del operador.

Por tanto, el proceso debe contemplar niveles de control adecuados y mostrar claramente la información interpretada automáticamente, las correspondencias identificadas y las posibles anomalías.

La IA debe ayudar al operador a realizar mejores controles, no limitarse a sustituir una introducción manual de datos por una automatización que no pueda verificarse.

¿Cuánto tiempo se puede ahorrar?

También en este caso podemos realizar una simulación.

Supongamos que leer el documento del proveedor, identificar el pedido de compra, registrar las líneas recibidas y verificar los datos requiere una media de 6 minutos por recepción.

Con un proceso asistido por IA podemos estimar que se necesitan, de media, 2 minutos para la verificación y confirmación.

El ahorro medio sería, por tanto, de aproximadamente 4 minutos por recepción.

Con 10 recepciones al día, esto significa ahorrar aproximadamente 40 minutos diarios, equivalentes a unas 147 horas al año.

Con 20 recepciones al día, llegamos a aproximadamente 293 horas al año.

Con 50 recepciones al día, el ahorro potencial alcanza aproximadamente 733 horas al año, considerando 220 jornadas laborales.

Naturalmente, se trata de valores orientativos: una recepción compuesta por dos líneas es muy diferente de un albarán con cincuenta artículos.

Y es precisamente por eso que, en las empresas que reciben documentos complejos, el beneficio puede ser aún mayor.

No pedir a los proveedores que se adapten a nuestro ERP

Uno de los aspectos más interesantes del enfoque basado en la inteligencia artificial es que la automatización no requiere necesariamente modificar la forma de trabajar de los proveedores.

Un proveedor puede enviar un PDF.

Otro puede proporcionar un archivo CSV.

Otro puede enviar un archivo Excel.

Cuando están disponibles, los formatos estructurados y las integraciones directas siguen siendo, naturalmente, herramientas extremadamente eficientes. Sin embargo, no siempre podemos imponerlos a toda nuestra cadena de suministro.

La IA puede convertirse en la capa intermedia capaz de transformar diferentes documentos en información estructurada comprensible para el ERP.

De la introducción de datos al control de los procesos

Es el mismo cambio que hemos observado en la recepción de los pedidos de venta.

En el proceso tradicional:

llega la mercancía → llega el documento → una persona lo lee → una persona introduce los datos → el ERP los registra.

Con un ERP integrado con inteligencia artificial:

llega el documento → GERP lo comprende → identifica el pedido y los artículos → compara la información → prepara la recepción → el operador gestiona las posibles excepciones.

Por tanto, el valor de la inteligencia artificial aplicada al ERP no consiste únicamente en hacer más rápidamente lo que ya hacemos.

Consiste en cambiar dónde invertimos el tiempo y las competencias de las personas.

Menos tiempo dedicado a leer y transcribir documentos.

Más tiempo dedicado a comprobar las discrepancias y tomar decisiones.

En el próximo artículo de esta serie veremos cómo este mismo principio puede aplicarse a otro proceso administrativo especialmente interesante: la recepción, verificación y registro de las facturas de proveedores mediante inteligencia artificial.