Extracción de Datos CFDI:
La Guía Completa de Facturas Electrónicas Mexicanas

Qué hace que el CFDI sea diferente de cualquier otra factura

Toda factura que haya procesado de un proveedor estadounidense, europeo o asiático sigue el mismo patrón básico: el proveedor emite un documento, usted lo recibe y los datos (número de factura, fecha, monto, impuestos) viven en el propio documento. El documento es la fuente de la verdad. El CFDI invierte este modelo por completo.

Un CFDI (Comprobante Fiscal Digital por Internet) es un documento XML que debe ser validado y sellado por un PAC (Proveedor Autorizado de Certificación) autorizado por el gobierno antes de que sea legalmente válido. Esto se llama el modelo de validación: el emisor genera el XML, lo envía a un PAC, el PAC verifica la estructura y la firma digital, aplica un timbre fiscal (sello digital) y envía una copia al SAT — la autoridad fiscal de México — en tiempo real. Solo después de este apretón de manos de tres vías la factura existe como documento legal. El UUID (Folio Fiscal) asignado por el SAT en ese momento se convierte en el identificador permanente que vincula esa transacción con cada auditoría, pago y declaración fiscal posterior.

Esto tiene una consecuencia práctica que sorprende a la mayoría de los equipos de cuentas por pagar que manejan proveedores mexicanos por primera vez: el archivo XML es la factura legalmente válida. El PDF que llega adjunto al mismo correo es una impresión decorativa — útil para la revisión humana, pero sin valor legal. Según el Artículo 30 del CFF, tanto el emisor como el receptor deben conservar el XML del CFDI original durante al menos cinco años. Deshacerse del XML y conservar solo el PDF crea una exposición en auditorías que muchos equipos descubren solo cuando el SAT solicita los registros.

La versión actual, CFDI 4.0, es obligatoria desde abril de 2023. Introdujo una validación más estricta del receptor: el RFC, la razón social y el código postal del domicilio fiscal deben coincidir exactamente con el padrón de contribuyentes del SAT. Las facturas de la versión 3.3 ya no se aceptan. Para cualquiera que construya un flujo de extracción de CFDI, esto significa que cada documento que maneje sigue el esquema 4.0 — un objetivo consistente para la extracción, pero que incluye más campos obligatorios que las versiones anteriores.

El problema central en la extracción de CFDI no es que falten datos. Es que los datos viven en un formato diseñado para la validación gubernamental, no para el consumo en hojas de cálculo — y el puente entre ambos es lo que a la mayoría de los equipos les cuesta construir.

Los seis tipos de documento CFDI — y cuándo se encontrará con cada uno

El CFDI no es un único tipo de documento. El SAT define seis tipos distintos de comprobante, cada uno con sus propias reglas de esquema, campos obligatorios y requisitos de extracción. Si procesa facturas de más de un puñado de proveedores mexicanos, se encontrará con la mayoría de ellos.

El tipo que genera más fricción en la extracción en la práctica es Pago. Cuando un proveedor emite una factura bajo condiciones de pago PPD, la factura en sí contiene las partidas y los totales, pero no los detalles del pago. Cada vez que el comprador realiza un pago, el proveedor emite un CFDI de Pago independiente que contiene un Complemento de Pago que especifica qué UUID se está pagando, en qué monto, en qué fecha y por qué método. Un equipo de cuentas por pagar que procesa 40 facturas PPD puede tener 60 a 80 CFDIs que conciliar, cada uno requiriendo una referencia cruzada de UUID entre el Ingreso y su(s) complemento(s) de pago. Para un flujo de trabajo detallado de fin de mes que maneja esta conciliación en más de 50 facturas de múltiples proveedores, consulte nuestra guía sobre procesamiento por lotes de facturas CFDI mexicanas en cuentas por pagar.

Campos principales, catálogos del SAT y qué significa cada uno para su hoja de cálculo

Entender qué campos extraer no es solo una cuestión técnica: determina si su salida es útil para la presentación de la DIOT, la conciliación del crédito de IVA y la respuesta a auditorías. Cada campo en un CFDI se asigna a un código de catálogo del SAT, y el mismo campo puede tener diferentes consecuencias fiscales según el código seleccionado.

Campos a nivel de encabezado (nodo Comprobante)

Desglose de impuestos: IVA, Retenciones e IEPS

La estructura de impuestos en un CFDI se encuentra por debajo del nivel de concepto (partida), anidada dentro de cada Concepto. Esto significa que la tasa y el monto del IVA son por partida, no agregados a nivel de factura. La extracción debe sumarlos si su salida necesita una sola línea de impuestos por factura, pero los datos subyacentes son granulares:

• IVA 16% — tasa estándar aplicada a la mayoría de bienes y servicios. La región fronteriza (frontera norte y sur) califica para una tasa reducida de IVA del 8% bajo ciertas condiciones.
• IVA 0% — se aplica a exportaciones (Exportación=02/03) y a ciertos alimentos básicos, medicinas y suministros agrícolas.
• IVA Retenido — el receptor puede estar obligado a retener dos tercios del IVA y remitirlo directamente al SAT. El CFDI muestra tanto ImpuestosTrasladados (IVA cobrado por el proveedor) como ImpuestosRetenidos (IVA retenido por el comprador).
• ISR Retenido — retención del 10% sobre servicios prestados por personas físicas, 1.67% sobre compras al régimen general, 20% sobre pagos de intereses. Estos deben reportarse en la DIOT mensual.
• IEPS — impuesto especial sobre bienes específicos: alcohol, tabaco, gasolina, bebidas azucaradas. Cada categoría de producto se asigna a una tasa de IEPS diferente (3%–160%).

Para la extracción, el punto crítico es que un solo CFDI puede contener múltiples combinaciones de impuestos en diferentes partidas. Una sola factura de un distribuidor que vende tanto bienes estándar (IVA 16%) como productos sujetos a IEPS tendrá partidas al 16%, al 16%+IEPS y potencialmente al 0%. Su salida de extracción debe conservar el detalle de impuestos a nivel de partida o agregar correctamente por tasa.

La capa de Complemento: donde la mayoría de las guías de extracción se detienen

Un complemento es un anexo XML estructurado que amplía el esquema CFDI base para tipos de transacción específicos. El CFDI base cubre el encabezado de la factura y las partidas. Todo lo demás — detalles de pago, desgloses de nómina, datos aduaneros, información de transporte — vive en los complementos. Para los equipos de AP que procesan facturas mexicanas, tres complementos son los más importantes.

Complemento de Pago

Adjunto a cada CFDI de Pago, este complemento es la mayor fuente de complejidad de extracción en el AP mexicano del mundo real. Cuando un proveedor emite una factura bajo términos PPD (MétodoPago=PPD), la factura de Ingreso original no contiene datos de pago. Cada vez que el comprador paga — ya sea en su totalidad, en montos parciales o en plazos diferidos — el proveedor emite un CFDI de Pago cuyo Complemento de Pago registra:

• El UUID de la factura de Ingreso original que se está pagando
• El monto del pago aplicado a ese UUID
• La fecha de pago y el método de pago (transferencia, cheque, efectivo, tarjeta)
• La moneda y el tipo de cambio al momento del pago (crítico cuando la factura original estaba en USD)
• El saldo insoluto después de este pago

Una factura de Ingreso puede liquidarse mediante múltiples CFDI de Pago — cada uno haciendo referencia al mismo UUID con un monto de pago diferente. El desafío de extracción no es técnico (el UUID siempre está presente) sino procedimental: la mayoría de los equipos de AP nunca extraen el Complemento de Pago, dejando los datos de pago en un documento separado que nada en el flujo de trabajo conecta con la factura original.

Una extracción de partidas de CFDI que se detiene en el encabezado de la factura y deja los complementos sin tocar captura aproximadamente el 60% de los datos que su equipo de AP realmente necesita.

Complemento de Nómina

Los empleadores en México deben emitir un CFDI de Nómina por cada pago a empleados: salario, bonos, comisiones, prima vacacional, indemnización y aguinaldo. El Complemento de Nómina es uno de los documentos con más campos en el sistema CFDI, con más de 50 campos estructurados, entre ellos:

• CURP del empleado y número de seguridad social del IMSS
• Salario base y salario diario (Salario Base de Cotización)
• Ingresos ordinarios (percepciones) desglosados por código de tipo: Sueldos, Aguinaldo, Prima Vacacional, PTU
• Deducciones: ISR retenido, aportaciones al IMSS, pagos de préstamos INFONAVIT, SAR/Afore, préstamos de pensión
• Horas extra con tipo de tiempo y porcentaje
• Pago neto total

Para empleadores con múltiples entidades, la extracción de nómina implica procesar cientos de CFDI de Nómina por ciclo de pago. Cada empleado genera un CFDI por pago, y cada uno requiere que los campos del complemento se conviertan en una hoja de cálculo de RR. HH. o de reportes de nómina.

Complemento de Comercio Exterior

Requerido cuando Exportación=02 (exportación definitiva con clave aduanera A1) o Exportación=03 (exportación definitiva con clave A2). Este complemento contiene los datos aduaneros de las transacciones transfronterizas:

• Número de pedimento (identificador de declaración aduanera)
• RFC del exportador y dirección completa
• Identificación fiscal extranjera del receptor
• Código INCOTERM
• Detalle por línea: fracción arancelaria, unidad de medida aduanera, valor en USD de las mercancías
• País de origen y destino

La versión 2.0 de este complemento se ha integrado con el CFDI 4.0 desde enero de 2024. Para las empresas que exportan mercancías desde México, la extracción que captura tanto los campos base del CFDI como los datos del complemento de comercio exterior es esencial para conciliar las facturas de flete con las declaraciones aduaneras.

Por qué los distintos PAC generan diseños de PDF diferentes

Todo CFDI parte del mismo esquema XML — Anexo 20 versión 4.0, definido en el XSD publicado por el SAT. El XML es consistente sin importar qué PAC lo timbre. Pero la representación en PDF, que es lo que la mayoría de los equipos de cuentas por pagar realmente revisan, depende por completo de cómo cada PAC elige renderizar el XML en un formato visual.

En la práctica, un PDF de CFDI timbrado por Finkok ordenará los campos en un orden visual distinto al de uno timbrado por SW sapien, Digifact, FacturAPI o la herramienta gratuita del propio SAT. Los datos son idénticos. El diseño no lo es. Para las herramientas de OCR basadas en plantillas que dependen de zonas de extracción de posición fija, cada diseño de PAC requiere una plantilla separada. Una empresa que recibe facturas de 20 proveedores que en conjunto usan 8 PAC distintos necesitaría 8 plantillas de extracción — y perdería las facturas del 9.º PAC que aún no hubiera configurado.

Aquí es donde la extracción semántica — IA que lee un documento comprendiendo qué significa cada campo en lugar de dónde se ubica — cambia la economía del procesamiento de CFDI. Una herramienta de extracción semántica que conoce la diferencia entre un UUID y un RFC puede encontrar ambos campos en cualquier parte de la página, ya sea que el PAC los haya colocado arriba, a la izquierda, a la derecha, abajo o dentro de un recuadro con borde. El diseño del PAC se vuelve irrelevante, lo que significa que una sola configuración de extracción cubre a todos los proveedores y todos los PAC de su cartera.

Métodos de extracción comparados: ¿qué enfoque se adapta a su flujo de trabajo de CFDI?

Distintos equipos eligen distintos enfoques para la extracción de CFDI según el volumen de documentos, la mezcla de formatos, la capacidad técnica y el presupuesto. La siguiente tabla compara los cuatro métodos principales frente a las dimensiones que importan para el procesamiento de facturas mexicanas.

La elección entre el análisis de XML y la extracción semántica con IA no siempre es sencilla. Si todos los proveedores envían el XML crudo del CFDI y su equipo tiene capacidad de scripting, el análisis de XML mediante XPath o una librería como lxml en Python produce una extracción limpia y directa de los campos a partir de los datos estructurados. La limitación es que el análisis de XML no puede leer facturas escaneadas, no puede interpretar la representación visual en PDF cuando el XML no está adjunto y requiere mantenimiento activo cuando el SAT actualiza el esquema (como ocurrió con la migración 3.3→4.0).

La extracción semántica con IA, en cambio, funciona con cualquier documento visual — PDF, imagen escaneada, foto de teléfono — y no requiere una entrada XML estructurada. Los modelos de visión modernos entrenados con miles de diseños de facturas pueden localizar los campos UUID, RFC e IVA comprendiendo qué significan esas etiquetas, sin importar dónde aparezcan en el documento. Para los equipos que reciben una mezcla de adjuntos PDF (sin XML) y documentos escaneados, esta es la única opción escalable.

Cómo la Extracción con IA Maneja Documentos CFDI — En los Tres Formatos

El escenario más práctico para la mayoría de los equipos de cuentas por pagar es recibir una mezcla de archivos XML, adjuntos PDF y documentos escaneados de diferentes proveedores que usan distintos PAC. Crear un flujo de trabajo separado para cada formato genera costos de mantenimiento y brechas de procesamiento. Un enfoque de extracción con IA que trate los tres como fuentes de entrada con una sola definición de campos simplifica esto drásticamente.

ImageToTable.ai maneja la extracción de CFDI mediante su paradigma de Extracción de Columnas Personalizadas — usted define las columnas que desea en su salida, y la IA localiza cada valor al comprender qué significa el campo, no dónde está en la página. Para CFDI, el flujo de trabajo es:

Este enfoque resuelve automáticamente el problema del diseño de PAC: la IA no depende de que los campos estén en una posición fija, por lo que un CFDI generado por Finkok (con UUID en la esquina superior derecha de la segunda página) y uno generado por FacturAPI (con UUID en el pie de página inferior izquierdo) producen ambos la misma salida estructurada.

Para la extracción de complementos específicamente, al procesar archivos XML directamente, la IA puede navegar la estructura jerárquica — recorriendo desde el nodo /Complemento/Pagos de un CFDI de Pago para extraer el UUID referenciado, el monto del pago y la fecha. Para representaciones PDF del mismo CFDI de Pago, la IA lee los campos del complemento desde donde el PAC eligió mostrarlos en el documento visual.

Integración de datos CFDI con software contable mexicano

Los datos CFDI extraídos solo son útiles si llegan al sistema que usa tu equipo de contabilidad. El ecosistema de software contable mexicano difiere mucho del estadounidense o europeo: los actores dominantes son locales y cada uno tiene requisitos específicos de importación de datos.

CONTPAQi

CONTPAQi es el paquete de contabilidad y gestión empresarial más usado en México, que abarca contabilidad (Contabilidad), facturación electrónica (Factura Electrónica), nóminas (Nóminas) y operaciones comerciales (Comercial). CONTPAQi importa de forma nativa XML CFDI para verificación, pero para análisis masivo de datos —conciliar 200 facturas de proveedores contra códigos presupuestarios, generar informes de gastos por categoría UsoCFDI o preparar insumos para DIOT— los datos deben estar en un formato Excel que se asigne al catálogo de cuentas de CONTPAQi. Columnas extraídas como RFC, UUID y monto de IVA se integran directamente al auxiliar de cuentas de CONTPAQi al importarse como póliza de diario.

Aspel SAE / COI / NOI

Aspel es la segunda plataforma contable más común en PyMEs mexicanas, con módulos SAE (administrativo), COI (contable) y NOI (nóminas). Al igual que CONTPAQi, Aspel puede procesar XML CFDI para verificación individual de facturas, pero su capa de informes funciona mejor cuando los datos CFDI por lote se compilan previamente en una tabla Excel que coincida con las plantillas de importación de Aspel. Entre los contralores mexicanos es práctica común mantener un registro auxiliar de CFDI en Excel —un renglón por factura, columnas para RFC, UUID, folio, tasa de IVA e IVA retenido— y conciliarlo mensualmente contra el libro mayor de Aspel. La extracción automatizada convierte ese registro auxiliar de un ejercicio de captura manual a una exportación directa.

SAP y Oracle NetSuite

Las empresas grandes que operan en México suelen usar SAP u Oracle NetSuite con localizaciones para cumplimiento CFDI. Estos sistemas manejan la validación XML y el envío al PAC automáticamente mediante sus módulos CFDI integrados. Sin embargo, el reto pasa del cumplimiento a la conciliación: los equipos de compras y cuentas por pagar necesitan cotejar los datos CFDI extraídos contra órdenes de compra, notas de recepción de mercancía y términos contractuales con proveedores. Un flujo de extracción con IA que genere datos CFDI como renglones estructurados —con UUID, RFC, códigos de producto (c_ClaveProdServ) y desglose de impuestos— se integra directamente en MIRO (Verificación de Facturas Logísticas) de SAP o en los procesos de importación masiva de cuentas por pagar de NetSuite.

Preguntas Frecuentes

La brecha entre «tengo documentos CFDI» y «mi sistema contable tiene los datos» no es una brecha tecnológica — es una brecha de traducción de formatos. El flujo de extracción adecuado cierra esa brecha en minutos, no en horas.

La extracción de datos CFDI no es fundamentalmente difícil. El XML está estructurado. El PDF contiene los mismos datos. Los complementos están documentados en los XSD publicados por el SAT. Lo que lo hace difícil en la práctica es la diversidad de formatos, la variabilidad de los diseños de los PAC, el anidamiento jerárquico de los datos fiscales y de complementos, y el hecho de que la mayoría de los flujos de extracción fueron diseñados para documentos planos basados en posiciones que se ven iguales cada vez. Un enfoque semántico — uno que lee documentos entendiendo qué es cada campo, no dónde se encuentra — maneja todas estas complejidades desde una sola definición de campo. Usted define las columnas. La IA encuentra los datos. El formato se vuelve irrelevante.

Si hoy procesa facturas de proveedores mexicanos y pasa más tiempo moviendo datos entre documentos que usándolos, el siguiente paso es sencillo: tome un lote de muestra — de 10 a 20 archivos CFDI en el formato que tenga — y póngalos a través de un flujo de extracción con IA. La brecha entre "tengo los documentos" y "mi hoja de cálculo tiene los datos" es más pequeña de lo que el proceso manual hace sentir.

Este artículo es parte de la serie de guías de ImageToTable.ai sobre extracción de datos de facturas. Para una visión más amplia, consulte ¿Qué es la Extracción de Datos de Facturas? y ¿Qué es el OCR?. Para la introducción para principiantes al CFDI, lea ¿Qué es un CFDI?. Para un tutorial práctico paso a paso de extracción que cubre cada formato CFDI, consulte Extracción de Datos de Facturas CFDI Mexicanas a Excel. Para un análisis más profundo de por qué el procesamiento de CFDI confunde los flujos de trabajo de AP tradicionales, lea Por Qué el Procesamiento de Facturas CFDI Mexicanas Es Más Difícil de lo Que la Mayoría de los Equipos Esperan.