Hoy la inteligencia artificial en un departamento contable hace bien tres cosas: lee documentos y extrae datos, reconoce patrones en transacciones repetidas, y compara dos listas para encontrar lo que no cuadra. Hace mal, o directamente no hace, todo lo que exige criterio: decidir si un gasto es deducible, cuánto provisionar, o qué firmar. Esta guía separa una cosa de la otra con cifras realistas, no con la promesa de un contable automático que no existe.
Esta guía la firma Miguel Quílez, director de Hiberus Booster, la unidad del grupo Hiberus hiperespecializada en inteligencia artificial. Hiberus es la primera consultora tecnológica española de capital privado, con más de 4.000 profesionales. El contenido procede de implantaciones reales de automatización contable y financiera en empresas españolas.
Las seis tareas contables que la IA automatiza hoy
Seis tareas concentran casi todo lo que funciona bien hoy. En cada una hay una parte que se puede dejar a la máquina y una parte que sigue exigiendo una persona.
1. Captura y contabilización de facturas de proveedor
Un modelo de reconocimiento de documentos lee la factura, la clasifica por proveedor y sugiere la cuenta contable. La tasa de acierto en la extracción de campos (importe, CIF, fecha, concepto) está entre el 85% y el 95% cuando la factura llega en PDF o imagen legible, y baja bastante con escaneados de mala calidad o formatos poco habituales. Sigue siendo humana la decisión sobre qué cuenta usar en casos ambiguos y la validación del asiento antes de contabilizarlo en firme.
2. Categorización de movimientos bancarios
El sistema aprende de tu histórico de categorizaciones y aplica el mismo criterio a los movimientos nuevos. Con proveedores y conceptos recurrentes, la tasa de acierto sube al 90-98%. Con un movimiento que no se parece a nada anterior —un proveedor nuevo, un concepto genérico como «transferencia»— la precisión cae, y conviene revisar antes de dar el asiento por bueno.
3. Conciliación bancaria
Cruzar el extracto bancario con el libro mayor y señalar las diferencias es, de las seis tareas, la que mejor se presta a automatizarse cuando hay una referencia limpia que enlazar, como un número de factura o una referencia de pago. Sin esa referencia, el sistema solo puede proponer coincidencias probables por importe y fecha, y alguien tiene que confirmarlas. La parte humana no desaparece: se mueve de teclear a decidir sobre lo dudoso.
4. Detección de duplicados y anomalías
Buscar facturas pagadas dos veces, importes que se salen del patrón habitual de un proveedor, o asientos que rompen una regla contable es una tarea de comparación, y es donde la IA rinde con más fiabilidad porque no depende de interpretar contenido nuevo, solo de comparar contra lo que ya existe. Sigue haciendo falta que alguien decida qué hacer con cada alerta: no toda anomalía es un error.
5. Preparación del cierre mensual
La IA puede dejar precontabilizados los asientos recurrentes, avisar de las provisiones que se repiten cada mes y marcar las cuentas que no cuadran antes de que alguien se siente a cerrar. No decide qué provisionar ni firma el cierre: prepara la mesa para que la persona que cierra tarde menos en encontrar lo que falta.
6. Respuesta a consultas sobre el propio libro mayor
Preguntar en lenguaje normal cuánto se ha gastado en un proveedor este trimestre, o comparar dos periodos, funciona bien cuando los datos ya están limpios y categorizados: es una consulta sobre datos existentes, no una decisión. Si la contabilidad de base está mal categorizada, la respuesta hereda ese error sin avisar.
Qué tasa de automatización es realista
Ninguna cifra vale para todas las empresas: depende del volumen, de lo limpio que esté el histórico y de cuántos proveedores y conceptos nuevos aparecen cada mes. Como orden de magnitud:
| Tarea | Automatización realista | Qué revisa una persona |
|---|---|---|
| Captura de facturas de proveedor | 85-95% en documentos legibles | Casos ambiguos y mala calidad de escaneado |
| Categorización de movimientos recurrentes | 90-98% | Cambios de criterio y casos límite |
| Categorización de movimientos nuevos o atípicos | 50-70% | La mayoría de los casos, hasta que hay histórico |
| Conciliación con referencia clara (nº factura, referencia de pago) | 80-95% | Discrepancias de importe o fecha |
| Conciliación sin referencia (solo importe y fecha) | 40-60% | La mayoría de las coincidencias propuestas |
| Detección de duplicados y anomalías | 85-95% de las alertas son correctas | Qué hacer con cada alerta |
La conciliación al cierre: por qué es el cuello de botella
«La conciliación es nuestro mayor cuello de botella al cierre mensual» es una de las quejas que más se repiten en los departamentos contables, y casi nunca es un problema de que falte una herramienta. Se atasca por tres motivos, en este orden de frecuencia.
Primero, los datos no traen una referencia común. Si el banco muestra «TRANSF ABASTECIMIENTOS SL» y la factura dice «ABASTOS S.L. FRA 2026-0341», cruzar ambos exige interpretar texto libre, y ahí cualquier sistema falla más. Segundo, el volumen de movimientos manuales —transferencias hechas a mano, pagos por caja— no deja rastro estructurado que un sistema pueda leer. Tercero, y el más frecuente, la conciliación se hace al final del mes en vez de a diario, así que se acumulan cuatro semanas de movimientos de golpe.
Lo que se puede automatizar, en orden: primero, cruzar automáticamente todo lo que ya trae una referencia exacta, que suele ser el 60-80% del volumen. Segundo, dejar que el sistema proponga coincidencias probables por importe, fecha y proveedor para que una persona las confirme con un clic en vez de buscarlas a mano. Tercero, mover la conciliación de mensual a diaria o semanal, para que lo pendiente al cierre sea una fracción pequeña y no el mes entero. Ningún proveedor de software resuelve el problema si el pago se sigue haciendo por caja sin dejar registro: eso es una decisión de proceso, no de tecnología.
Qué necesitas tener antes de automatizar nada
- Un plan contable estable, sin cuentas que cambian de significado cada trimestre.
- Histórico de asientos ya categorizado, al menos doce meses, para que el sistema tenga de qué aprender.
- Acceso a los extractos bancarios en un formato legible por una máquina (API del banco, CSV), no solo el PDF que se descarga a mano.
- Un criterio escrito de qué hacer con lo dudoso: quién lo revisa, en cuánto tiempo y con qué autoridad para decidir.
- Una persona que valide el trabajo del sistema durante los primeros meses, no que lo supervise una vez y lo deje correr solo.
Cuánto cuesta y en cuánto se nota
Lo que la IA no va a hacer por ti
Cuatro cosas siguen siendo trabajo de una persona con formación contable, y no hay indicio de que vayan a dejar de serlo a corto plazo.
El criterio contable: decidir cómo tratar una operación atípica, un contrato nuevo o una norma que acaba de cambiar exige interpretación, no reconocimiento de patrones. La responsabilidad fiscal: quien firma las cuentas responde por ellas, y esa responsabilidad no se delega en un modelo. Las decisiones de provisión: cuánto reservar para una contingencia depende de un juicio sobre el futuro que ningún histórico garantiza. Y la relación con el auditor: explicar por qué se ha tomado una decisión, defenderla con matices y negociar un criterio con quien audita las cuentas sigue siendo una conversación entre personas.
Preguntas frecuentes
¿La IA sustituye a un contable?
No. Automatiza la captura, la categorización repetitiva y la conciliación de lo que ya sigue un patrón conocido, pero el criterio sobre qué es gasto deducible, cómo provisionar una contingencia o qué decirle al auditor sigue siendo de una persona con formación contable. Lo que cambia es el tiempo que esa persona dedica a teclear en vez de a decidir.
¿Qué tasa de acierto alcanza la IA en categorización de movimientos?
Depende de la tarea y de si el movimiento ya es conocido. En categorización de gastos recurrentes con historial suficiente, entre el 90% y el 98%. En movimientos nuevos, proveedores que no habías visto antes o conceptos ambiguos, la tasa baja a un 50-70%, y ahí conviene que una persona revise antes de contabilizar.
¿Funciona con mi ERP o programa de contabilidad actual?
Sí, si tu ERP expone una API o al menos permite importar y exportar en un formato estructurado (CSV, XML, el formato propio del ERP). Si solo permite teclear a mano o exportar en PDF, hay que resolver eso primero: no es un límite de la IA, es un límite del sistema que la alimenta.
¿Qué pasa con la protección de datos si uso IA para contabilidad?
Los datos contables y bancarios son datos personales y económicos sensibles, y el RGPD aplica igual que en cualquier otro tratamiento. Hay que saber dónde se alojan los datos, con qué base legal se tratan, y si el proveedor de IA los usa para entrenar sus modelos por defecto —conviene que no—. Esto se resuelve en el contrato con el proveedor, no en la herramienta.
¿Cuánto tarda en implantarse una IA para contabilidad?
Entre cuatro y doce semanas para las primeras tareas (captura de facturas y categorización), y de tres a seis meses para llegar a un cierre mensual con conciliación asistida. El plazo lo marca más el estado de tus datos históricos que la tecnología en sí.
¿Qué hago si la IA se equivoca en un asiento?
Lo mismo que si se equivoca una persona: se corrige el asiento y se revisa por qué ha pasado. La diferencia es que un sistema bien planteado deja el asiento pendiente de validación en vez de contabilizarlo directamente cuando la confianza es baja, así que el fallo debería aparecer antes de cerrar, no después.
Que un especialista revise qué automatizar en tu contabilidad
Cuéntanos tu ERP, tu volumen de facturas y dónde se atasca hoy el cierre. Te decimos en 24 horas qué automatizar primero y qué esperar de retorno. La primera conversación no cuesta nada.
✓ ¡Recibido!
Gracias. Un especialista de Hiberus Booster te contacta en menos de 24 horas.
