Lo determinista debe seguir siendo determinista: lo que acierta el sistema de cuentas por pagar de Snowflake

Hay una forma tentadora de automatizar las cuentas por pagar con IA: dar a un agente acceso al buzón, al ERP y al sistema de pagos, describir la política en un prompt y dejarlo trabajar. Luce bien en una demo. Y es muy difícil de auditar, probar o explicar a un controller.

El relato de Snowflake sobre InvoiceIQ, una aplicación de cuentas por pagar que la empresa construyó y usa internamente, sigue el camino contrario. El propio resumen de Snowflake es la mejor frase del texto: mantener determinista lo que es determinista y usar la IA como una capa de un sistema más amplio, en lugar de convertir todo el flujo en un agente opaco.

Cómo funciona InvoiceIQ

Según Snowflake, las facturas llegan por una integración de correo o por carga manual y recorren seis etapas: clasificación, extracción, traducción, conciliación, enriquecimiento y decisión.

Lo interesante es qué pasos usan IA y cuáles no:

• IA donde la entrada no está estructurada. Funciones de IA descartan los documentos que no son facturas, extraen campos estructurados, traducen facturas en otros idiomas y concilian semánticamente las líneas de la factura con las del pedido de compra.
• Lógica determinista donde la respuesta se conoce. El nombre del proveedor se resuelve con coincidencia exacta de texto y una función estándar de coincidencia aproximada. El enriquecimiento obtiene datos estructurados de sistemas corporativos cuyos datos ya están en la plataforma.
• Un conjunto claro de resultados. Cada factura termina aprobada, rechazada, marcada como duplicada o enviada a un analista.

Cada acción, de IA o humana, escribe un evento en una tabla de auditoría, con un historial consultable de lo que pasó con cada factura. Las excepciones llegan a los analistas con contexto estructurado, no con una pantalla en blanco. El equipo sigue la latencia por etapa, los tokens por llamada de IA, los errores y reintentos, y prueba la calidad con regresiones frente a un conjunto de referencia validado por personas.

Snowflake afirma que, en el despliegue interno, la mayoría de las facturas de proveedores pasó a procesarse con InvoiceIQ. Es la descripción de la propia empresa sobre su uso, en su propia plataforma.

1. Clasificar el documento
2. Extraer y traducir campos
3. Identificar al proveedor con reglas
4. Conciliar líneas con el pedido
5. Enriquecer con datos del ERP
6. Resultado o revisión del analista

Paso con IAPaso determinista

Por qué funciona el patrón

Los pasos probabilísticos quedan contenidos. Cuando la extracción falla, los pasos deterministas que la rodean pueden detectar la incoherencia: el proveedor no aparece, los totales no cuadran con el pedido. Un agente de principio a fin no ofrece esos puntos de control.

Cada paso se puede probar por separado. La precisión de la extracción, la calidad de la conciliación y la distribución de resultados son métricas distintas. Cuando cambia el modelo, el equipo sabe qué etapa volver a probar.

El registro de auditoría forma parte del diseño. Los controllers y auditores no preguntan si la IA es buena. Preguntan qué pasó con la factura 4471 y quién la aprobó. Un evento por acción lo responde directamente.

La revisión humana es selectiva. El objetivo no es eliminar a las personas, sino que dediquen su tiempo a los casos que requieren criterio, con la información ya reunida.

Los datos se quedan donde están gobernados. Ejecutar el flujo junto a los datos que necesita el enriquecimiento evita copiar datos financieros a otro sistema con otro modelo de acceso.

El mismo principio aparece en los agentes de seguridad de Google: combinar IA con validación determinista y entregar el resultado dentro de un proceso en el que las personas ya confían.

Latinoamérica: la factura electrónica ya es estructurada

En buena parte de Latinoamérica la factura electrónica es obligatoria desde hace años: el CFDI en México, la factura electrónica validada por la DIAN en Colombia, el documento tributario electrónico en Chile. Son XML con campos definidos y validados por la autoridad fiscal. Usar IA para “leer” esos datos sería cambiar información exacta por una estimación. Ahí, la extracción y la identificación del proveedor son deterministas por naturaleza.

La IA gana espacio en los bordes: facturas de proveedores extranjeros, documentos que llegan en PDF, conciliación de líneas cuando la descripción del proveedor no coincide con el catálogo interno, y preparación del contexto para el analista en las excepciones.

España: hacia la factura electrónica obligatoria

España avanza hacia la factura electrónica obligatoria entre empresas, impulsada por la Ley Crea y Crece, y hacia sistemas de facturación verificables. A medida que más facturas lleguen estructuradas, la parte determinista del proceso crecerá. Diseñar hoy el flujo con pasos separados, en lugar de un agente que lo hace todo, permite sustituir la extracción con IA por datos estructurados a medida que lleguen, sin rehacer el sistema.

Qué hacer ahora

1. Divida el proceso en etapas y marque cuáles tienen respuesta conocida. Esas siguen siendo deterministas, empezando por los datos de la factura electrónica.
2. Use IA solo donde la entrada no está estructurada o la conciliación es aproximada, y ponga una comprobación determinista justo después.
3. Registre un evento de auditoría por cada acción, de IA o humana, desde el primer día.
4. Defina los resultados posibles y las condiciones exactas para derivar a una persona.
5. Cree un conjunto de referencia con facturas que sus analistas ya procesaron, y vuelva a ejecutarlo en cada cambio de modelo o de prompt.

En resumen

InvoiceIQ no destaca por usar IA. Destaca por usarla con moderación, en los pasos que la necesitan, dentro de un flujo que sigue siendo verificable y auditable. En procesos financieros, eso es estar listo para producción. El conjunto completo de controles está en nuestra guía del stack de 2026.