¿Puede la IA extraer datos de XML de NF-e? Sí: análisis inteligente, no OCR

Sí. La IA puede extraer datos de archivos XML de NF-e (Nota Fiscal Eletrônica) brasileños: lee el CNPJ del proveedor, los códigos NCM de los productos, los valores de impuestos ICMS/IPI y los detalles de las partidas. Pero la NF-e es un caso especial: los datos ya están estructurados en XML. Aquí, la extracción significa analizar inteligentemente el esquema XML y asignar los campos a columnas legibles de la hoja de cálculo, no OCR. Cada NF-e de proveedor sigue el mismo esquema gubernamental, pero contiene diferentes campos opcionales, configuraciones de impuestos y elementos específicos de la versión, lo que hace que la consolidación manual de docenas de proveedores sea un dolor de cabeza recurrente.

Cómo funciona la extracción de XML de NF-e — y por qué aún necesitas "extracción"

Si los datos de la NF-e ya están en XML, ¿por qué no escribir una hoja de estilo XSLT y listo? Porque nunca recibes un solo formato de NF-e.

El sistema NF-e de Brasil — creado por el Ajuste SINIEF 07/05 y ahora obligatorio para prácticamente todas las transacciones B2B — define un esquema XML estándar del gobierno (actualmente en la versión 4.0). Cada factura electrónica tiene la misma estructura raíz: CNPJ del emisor y nombre de la empresa, datos del destinatario, ítems con clasificación NCM y códigos CFOP, y cuatro bloques de impuestos separados para ICMS (IVA estatal), IPI (impuesto federal), PIS y COFINS.

El problema surge cuando recibes XML de 30 proveedores en un mes. Cada uno usa un ERP diferente — TOTVS, Sankhya, Omie, SAP Business One — y cada uno completa diferentes campos opcionales. Uno incluye detalles de flete; otro los omite. Uno usa NF-e 4.0 con totalización ampliada; otro aún opera en 3.10.

Los enfoques tradicionales de análisis XML — XSLT, scripts de Python, importaciones de Power Query — fallan cuando faltan campos o cambian los espacios de nombres. La IA lee el XML semánticamente, identificando campos por lo que representan, no por dónde están en el árbol. Esto es Extracción de Columnas Personalizadas aplicada a datos estructurados — defines las columnas de salida que deseas ("CNPJ del proveedor", "Código NCM", "Valor ICMS"), y la IA localiza los datos coincidentes independientemente de los campos opcionales o diferencias de versión.

Lo que la IA hace bien en XML de NF-e

La naturaleza estructurada del XML de NF-e hace que la precisión de la extracción con IA sea mayor que en documentos basados en imágenes — a menudo superando el 99% para campos estándar principales. Las restricciones de formato favorecen a la IA de tres maneras.

CNPJ y CPF

Cada XML de NF-e contiene el CNPJ del emisor (Cadastro Nacional da Pessoa Jurídica — el ID fiscal federal de 14 dígitos) en una posición fija dentro del bloque <emit>. El formato rígido XX.XXX.XXX/XXXX-XX y la ruta XML predecible hacen que la extracción sea prácticamente sin errores. La precisión de extracción de CNPJ en XML de NF-e 3.10 y 4.0 supera el 99.5% — el formato estructurado elimina la ambigüedad de reconocimiento de caracteres que afecta a las facturas escaneadas en papel.

Códigos NCM

Los códigos NCM (Nomenclatura Comum do Mercosul) — la clasificación de productos de 8 dígitos utilizada en los países del Mercosur — se ubican en su propia etiqueta <NCM> dentro de cada ítem. Para las empresas que presentan SPED Fiscal (Sistema Público de Escrituração Digital — el sistema de contabilidad fiscal digital de Brasil), la extracción precisa del NCM de las NF-e de compra entrantes es crítica: códigos incorrectos generan alertas de auditoría. La IA alcanza una precisión del 98-99% porque el código sigue un patrón numérico rígido de 8 dígitos en una etiqueta XML dedicada.

Valores de Impuestos (ICMS, IPI, PIS, COFINS)

Una sola NF-e puede contener cuatro impuestos distintos, cada uno con su propia base de cálculo, tasa y valor final — una carga fiscal inusualmente alta en comparación con facturas de otros países. Las secciones de impuestos son bloques XML claramente separados, y la IA asigna cada uno a su columna de salida con alta fiabilidad. En NF-e donde todas las secciones de impuestos están completas, la precisión del valor del ICMS alcanza el 99%+ — superior a la entrada manual de datos, que introduce errores de transposición.

Donde la IA tiene dificultades con el XML de NF-e

La estructura que hace precisa la extracción de NF-e también crea casos límite. Tres escenarios reducen la fiabilidad.

Diferencias entre Versiones del Esquema

La NF-e ha evolucionado a través de múltiples versiones — 1.0, 2.0, 3.10 y 4.0 (actual). Cada revisión agregó, eliminó o renombró etiquetas XML. Cuando la IA encuentra un XML antiguo de NF-e 2.0 donde un campo simplemente no existe, deja correctamente la celda vacía — pero esa celda vacía puede romper fórmulas de hojas de cálculo posteriores que esperan un valor. La solución: procesar por lotes los XML de versiones antiguas por separado y aplicar una validación posterior a la extracción para marcar los campos faltantes.

Campos Opcionales y NF-e Solo de Servicios

Muchos campos de la NF-e son opcionales. Las facturas de servicios omiten campos relacionados con productos por completo — sin códigos NCM, sin IPI. Cuando la IA procesa un lote mixto, deja correctamente vacías las columnas no aplicables, pero si tu hoja de cálculo asume que cada fila tiene un código NCM, las filas de servicios parecerán incompletas. Define columnas que cubran ambos escenarios — "Código NCM (solo NF-e de producto)" — para establecer expectativas.

Flujos de trabajo mixtos XML + DANFE

El DANFE (Documento Auxiliar da NF-e) es el PDF impreso complementario. Muchos proveedores brasileños más pequeños envían solo el DANFE, no el XML subyacente. Los PDF de DANFE requieren extracción de IA basada en imágenes con una precisión del 90-95 %, inferior al 99 %+ que se obtiene con el análisis directo del XML. La mejor práctica: solicite el XML a cada proveedor y trate los archivos de solo DANFE como un lote separado de menor confianza.

Cómo obtener los mejores resultados de la extracción de XML de NF-e

Cinco pasos que marcan una diferencia medible al trabajar con facturas electrónicas brasileñas.

Defina nombres de columnas semánticos, no rutas XML. Use «CNPJ del proveedor», «Código NCM», «Valor del ICMS» — no cadenas XPath como /nfeProc/NFe/infNFe/emit/CNPJ. La IA resuelve esto semánticamente, encontrando el CNPJ ya sea en la posición de NF-e 4.0 o en una ubicación ligeramente diferente de NF-e 3.10. Esto es Extracción de Columnas Personalizadas aplicada a datos estructurados.

Solicite el XML, no los PDF de DANFE. Este único cambio de hábito produce una mejora de precisión de 5 a 10 puntos porcentuales. La ley brasileña exige que los proveedores proporcionen el XML — envíe a los nuevos proveedores: «Por favor, enviar o arquivo XML da NF-e juntamente com o DANFE».

Agrupe las NF-e por versión al procesar por lotes. Separe el XML de NF-e 4.0 de los archivos más antiguos 3.10 o 2.0. La versión actual del esquema completa más campos — procesarlos juntos significa que las filas de versiones antiguas tienen más celdas vacías, lo que puede parecer fallos de extracción. Agrupar por versión le permite revisar cada lote con las expectativas correctas.

Use columna calculada para la validación de impuestos. Los impuestos brasileños crean verificaciones de auditoría integradas. Defina una columna calculada que verifique que el valor del ICMS ≈ base del ICMS × tasa del ICMS — la IA señala discrepancias durante la extracción en lugar de que usted las descubra más tarde en su sistema contable.

Verifique por muestreo el bloque de totales. La sección <total> contiene los valores sumados definitivos. Después de la extracción, verifique que los totales de las líneas coincidan con el total declarado en el XML — una discrepancia señala un error más rápido que revisar cada campo. Con XML limpio, menos del 2 % de las NF-e fallan esta verificación.

Escenarios del mundo real

Consolidación de NF-e de múltiples proveedores para SPED Fiscal

Un fabricante mediano en São Paulo recibe de 30 a 50 XML de NF-e mensualmente de proveedores de materia prima: acero de Gerdau, componentes eléctricos de WEG, embalajes de proveedores locales. Cada NF-e tiene diferentes tasas de ICMS (del 7% al 18% según el estado de origen) y distintos niveles de completitud de campos. El registro manual le tomaba a un asistente de cuentas por pagar dos días completos al mes.

Con la extracción por IA, subir todos los archivos XML en un lote produce una hoja de cálculo consolidada con columnas: CNPJ del proveedor, número de NF-e, fecha de emisión, código NCM, descripción del producto, cantidad, precio unitario, base de ICMS, valor de ICMS, total de NF-e, lista para importar al ERP TOTVS de la empresa. Dos días de trabajo se convierten en tres minutos, y los valores de ICMS se validan de forma cruzada contra el bloque de totales del XML, detectando errores antes de que lleguen al SPED. Para el flujo de trabajo a nivel de campo y los tres métodos comparados en detalle, consulte nuestra guía de extracción de NF-e XML a Excel.

Extracción de NCM para aranceles de importación

Una empresa de logística que maneja importaciones necesita códigos NCM y valores de producto de las NF-e de los proveedores para calcular los aranceles de importación. Cada NF-e contiene de 5 a 20 líneas de artículos con diferentes clasificaciones. La IA extrae una fila por línea de artículo en segundos, con el formato listo para la plantilla de declaración del agente de aduanas.

Preguntas frecuentes

¿Puede la IA distinguir entre ICMS, IPI, PIS y COFINS en la misma NF-e?

Sí. Cada impuesto tiene su propio bloque XML con elementos secundarios únicos: el ICMS tiene <orig> y <CST>, el IPI tiene <clEnq>. La IA los asigna a columnas de salida separadas de forma limpia porque la estructura del XML los diferencia. Esto es más fácil para la IA que la extracción basada en imágenes, donde los impuestos aparecen como filas de números sin diferenciar.

¿La IA funciona con NF-e de diferentes estados brasileños con diferentes tasas de ICMS?

Sí. La tasa de ICMS (alícuota) se indica dentro del bloque <ICMS> de cada NF-e. Ya sea que una NF-e tenga el 18% de São Paulo o el 19% de Río de Janeiro, la IA lee la tasa directamente del XML. Los escenarios de ICMS-ST (Substituição Tributária) entre estados también se capturan porque el XML etiqueta explícitamente los montos de ICMS-ST.

¿Puede la IA extraer datos de XML de NF-e en portugués a una hoja de cálculo con columnas en inglés?

Sí. Defina las columnas de salida en inglés — "Supplier CNPJ," "Invoice Total" — y la IA asigna los campos XML en portugués a los encabezados en inglés. Las etiquetas XML no dependen del idioma, y el mapeo semántico funciona entre idiomas. Para más información, consulte cómo la IA maneja la extracción multilingüe.

¿Qué pasa con las NFS-e (facturas de servicios municipales)?

La NFS-e (Nota Fiscal de Serviços Eletrônica) es un documento municipal independiente — cada ciudad (prefeitura) tiene su propio esquema. A diferencia de la estandarización federal de la NF-e, los formatos de NFS-e varían según el municipio. La IA también puede extraer datos de XML de NFS-e, pero la variación de esquemas por ciudad requiere más verificación. La NF-e (federal, para mercancías) es la confiable; la NFS-e (municipal, para servicios) introduce más variables. Para el lado de servicios, consulte nuestra guía de extracción de NFS-e.

¿La extracción con IA de XML de NF-e cumple con el registro fiscal brasileño?

La extracción es un paso de transformación de datos — no altera el XML original, que sigue siendo su registro fiscal legal. Las autoridades fiscales brasileñas exigen conservar el XML de NF-e firmado digitalmente durante 5 años (plazo decadencial, CTN Art. 173). La extracción con IA crea una hoja de cálculo derivada; el XML original firmado digitalmente permanece intacto.

¿Cuál es la diferencia de precisión entre la extracción de XML de NF-e y la de PDF de DANFE?

Es una categoría completamente distinta. La extracción de XML de NF-e alcanza más del 99% en los campos principales porque los datos están en etiquetas XML inequívocas. La extracción de PDF de DANFE — leer la representación impresa — baja al 90-95% porque se convierte en un problema de comprensión de imágenes: las variaciones de fuente, la calidad de impresión y la alineación de columnas introducen los mismos errores que cualquier documento escaneado. Siempre prefiera XML sobre DANFE cuando ambos estén disponibles.

La Conclusión

La extracción de XML de NF-e no es una cuestión de capacidad de IA — es una decisión de flujo de trabajo. El formato estructurado hace que la extracción sea más precisa que cualquier documento basado en imágenes, pero esa estructura puede ser engañosa: "es solo XML" hace que el problema de consolidación parezca más simple de lo que es. El trabajo real — mapear campos inconsistentes de 30 proveedores, cuatro versiones de NF-e y múltiples configuraciones fiscales — es un reconocimiento de patrones repetitivo que la IA automatiza mejor que cualquier script XSLT o macro de Excel.

La pregunta no es si la IA puede extraer XML de NF-e. Es si usted quiere pasar la tarde rastreando rutas <ICMS><ICMSSN102><orig> en 200 archivos o dejar que la IA asigne CNPJ, códigos NCM y valores de ICMS a una hoja de cálculo en menos de un minuto.

Pruébelo con sus archivos XML de NF-e →