¿Qué es la tasa de Straight-Through Processing?

La tasa de Straight-Through Processing es el porcentaje de documentos o transacciones que completan todo su ciclo de procesamiento — ingesta, clasificación, extracción, validación y contabilización — sin ninguna intervención humana. Es la métrica que más directamente se relaciona con el costo laboral, porque cada documento que no pasa directamente requiere tiempo humano remunerado.

Cómo funciona la tasa de STP

La tasa de STP se calcula con una fórmula, consistente en todas las industrias que la utilizan — IBM la define simplemente como «el porcentaje de transacciones que se procesan automáticamente» (IBM Think):

Tasa de STP = documentos procesados sin intervención manual ÷ total de documentos recibidos × 100%

El numerador solo cuenta los documentos que pasaron por todas las etapas — ingesta, clasificación, extracción, validación y contabilización — sin que un humano haga clic en «aprobar», corrija un campo o resuelva una discrepancia. El denominador es cada documento que ingresó al sistema, incluidos los que fallaron y se derivaron a un humano. La definición de OpsDog del equivalente en salud, la adjudicación automática, añade un caso límite importante: un reclamo que se procesó automáticamente pero luego se encontró que tenía errores que requerían resolución manual debe excluirse del numerador (OpsDog). La STP cuenta los documentos que permanecieron directos en todo el recorrido — no los documentos que parecían automatizados y luego necesitaron corrección.

Lo que cuenta como «sin intervención manual» es deliberadamente estricto. Un documento que se extrae automáticamente pero luego se revisa manualmente no es STP. Un documento que pasa la extracción y validación pero permanece en una cola de aprobación esperando el clic de un gerente no es STP. Solo cero puntos de contacto humanos en cualquier parte del ciclo cuenta. Por eso la tasa de STP siempre es más baja — a menudo drásticamente más baja — que las cifras de «precisión» que citan los proveedores: la precisión mide con qué frecuencia se leen correctamente caracteres o campos, mientras que la STP mide si el documento completo fluyó de extremo a extremo sin participación humana alguna.

Por qué importa la tasa de STP

La tasa de STP es la única métrica ampliamente comparada que se convierte directamente en horas de trabajo. El informe de métricas de cuentas por pagar (AP) de Ardent Partners de 2025 (n=212) sitúa la tasa media del sector sin intervención manual en 32,6 %, lo que significa que aproximadamente dos tercios de todas las facturas siguen requiriendo intervención humana en algún punto de su recorrido (Ardent Partners, 2025). Cada una de esas facturas con intervención manual cuesta tiempo real: los puntos de referencia de IOFM sitúan la intervención manual en una factura típica en 12,5 minutos, y las excepciones añaden otros 15–45 minutos adicionales (IOFM, 2024).

La diferencia entre equipos es la historia real. Las organizaciones mejor de su clase de Ardent alcanzan un 49,2 % sin intervención manual, una ventaja de 2,1 veces frente al 23,4 % logrado por el resto de empresas, lo que reduce los costos de procesamiento de facturas a 2,78 $ por factura frente a 9,40 $ en la organización media (Ardent Partners, 2025). The Hackett Group constata que los adoptantes de soluciones de AP promedian tasas del 60 % sin intervención manual, y los equipos por encima del 30 % son 3,5 veces más productivos (The Hackett Group, 2025). Las implementaciones de la era de la IA llegan aún más lejos: las cifras de analistas describen a los mejores en el rango del 60–80 % (Levvel Research, vía Ascend, 2025), mientras que las cifras de producción reportadas por proveedores alcanzan el 85–92 % para plataformas de agentes (Hypatos, reportado por el proveedor).

La tasa de STP también es donde las afirmaciones de marketing se vuelven difusas. Los proveedores citan habitualmente una «precisión del 99 %» sin especificar qué se midió — caracteres, campos o documentos — y ninguna de esas cifras es la tasa de STP. Un sistema puede tener 99 % de precisión por carácter y aun así enviar documentos a revisión humana, porque un solo carácter mal leído corrompe un campo completo (consulte la referencia de precisión de campo frente a precisión de carácter). La tasa de STP es la cifra que se refleja en la dotación de personal de su departamento — por eso importa y por eso los proveedores rara vez la publican.

Historia y evolución del STP

El STP nació en la liquidación financiera, no en el procesamiento de documentos. Los primeros esfuerzos tomaron forma en la década de 1970, cuando el Banco de la Reserva Federal de San Francisco introdujo la primera cámara de compensación automatizada (ACH) para el depósito directo de nóminas y SWIFT (fundada en 1973) construyó la red global de mensajería para transferencias bancarias transfronterizas, ambas eliminando la reentrada manual de instrucciones de pago que antes se telegrafiaban o se tecleaban a mano (Investopedia; Routable). En las décadas de 1980 y 1990, la negociación de valores y el procesamiento de reclamaciones de seguros adoptaron la misma lógica: automatizar la liquidación y la adjudicación para que las transacciones fluyan sin puntos de intervención manual.

La década de 2010 llevó el STP a los documentos. Ardent Partners ha rastreado el procesamiento de facturas «sin intervención manual» desde sus primeras investigaciones sobre AP, definiéndolo como «una factura que se recibe, se aprueba y se programa su pago sin ninguna intervención manual por parte del equipo de cuentas por pagar (AP)» (Ardent Partners, 2020). Para la década de 2020, las plataformas de extracción basadas en IA hicieron alcanzables tasas mucho más altas: mientras que el OCR basado en plantillas alcanzaba un máximo de alrededor del 10–20 % de STP, el procesamiento moderno de documentos con IA reporta un 60–75 %, y las plataformas agénticas afirman un 85–92 % en producción (Hypatos, reportado por el proveedor, 2019/2026). La métrica en sí no ha cambiado desde la década de 1970; lo que cambió es cuánto del recorrido del documento puede automatizarse realmente.

Dónde se utiliza la tasa de STP

La tasa de STP se mide de manera diferente en distintas industrias, aunque la fórmula es la misma. La definición se estrecha según lo que signifique «procesamiento completo» en ese ámbito:

• Cuentas por pagar (el uso dominante en la actualidad): el STP significa que una factura se recibe, se extrae, se valida contra órdenes de compra (PO) y recibos, se aprueba y se contabiliza, todo sin acción humana. Aquí es donde se encuentran los mejores datos de referencia (promedio de 32,6 % de Ardent, 60 % de Hackett entre los adoptantes).
• Pagos y liquidación financiera (el origen): el STP significa que una transacción fluye desde su iniciación a través de validación, enriquecimiento, enrutamiento y liquidación sin intervención manual, la base de ACH, SWIFT y las redes de pago modernas (IBM Think). En la aplicación de cobros (la conciliación de pagos entrantes con facturas abiertas), el STP promedio de la industria oscila entre el 60 y el 80 % en plataformas basadas en reglas, y supera el 95 % con conciliación impulsada por IA (Transformance).
• Reclamaciones de seguros y atención médica: el STP (llamado adjudicación automática) significa que una reclamación se valida, se adjudica y se paga mediante reglas y sistemas automatizados. La tasa base de STP se sitúa en el 5–10 %, aumenta al 20–40 % con automatización y al 40–60 % para tipos específicos de reclamaciones de baja gravedad en las principales aseguradoras (Peakflo, 2026). El objetivo de referencia de la industria ronda el 80 % de adjudicación automática, aunque las tasas reales de primer paso oscilan entre el 10 % y el 70 % (HCIM).

Conceptos erróneos comunes

• Concepto erróneo: «La tasa de STP es lo mismo que la precisión del OCR».
• Realidad: El OCR mide cuántos caracteres se leyeron correctamente; el STP mide si un documento completo se procesó de principio a fin sin intervención humana. Tungsten Automation lo plantea claramente: «El OCR determina el "qué" en la captura de datos, mientras que el STP aborda el "qué sigue"» (Tungsten Automation, 2025). Un sistema puede leer correctamente el 99 % de los caracteres y aun así tener una tasa de STP baja, porque la extracción es solo una de las cinco etapas que deben completarse sin intervención manual.
• Concepto erróneo: «Una alta precisión de extracción garantiza un STP alto».
• Realidad: La precisión de extracción es una condición necesaria pero no suficiente. El STP además requiere una clasificación correcta de documentos, una validación exitosa contra datos de referencia (órdenes de compra, maestros de proveedores), la conciliación y la integración con el ERP; cualquiera de estas puede enviar un documento a un humano incluso cuando todos los campos se extrajeron correctamente. La guía de implementación de Finofo es contundente: «Lograrlo a escala requiere más que un buen OCR»; también depende de la higiene del maestro de proveedores, la cobertura de PO y la configuración de tolerancias (Finofo, 2026). Una tasa de extracción del 99 % en una factura de 15 campos aún deja más de uno de cada tres documentos con al menos un error, y cada uno de esos documentos requiere revisión humana.
• Concepto erróneo: «Se puede lograr un STP del 100 %: la automatización significa que no hay humanos».
• Realidad: Un STP del 100 % real es poco frecuente en producción. El glosario de LlamaIndex señala que la mayoría de las organizaciones logran entre el 26 % (transacciones internacionales) y el 67 % (mejor de su clase), porque «siempre quedan excepciones, casos límite y escenarios que el motor de reglas no puede manejar» (LlamaIndex). Los escaneos de mala calidad, los formatos de documentos novedosos, los datos ambiguos y las alertas de fraude siempre existirán; el objetivo honesto es elevar el STP tanto como sea económicamente razonable y derivar el resto a una revisión humana bien diseñada, no eliminar por completo a los humanos.

Preguntas frecuentes

¿Qué es una buena tasa de procesamiento directo?

Una tasa de STP «buena» depende de su punto de partida: el promedio de la industria en cuentas por pagar (AP) es del 32,6 %, los equipos mejor de su clase alcanzan el 49,2 %, los adoptantes de soluciones AP promedian el 60 %, y los de alto rendimiento en la era de la IA reportan 60–80 % (Ardent Partners 2025; Hackett 2025; Levvel). Las cifras publicadas por proveedores del 80–92 % son reales, pero reflejan poblaciones de documentos controladas y bien preparadas; trátelas como límites superiores, no como rendimiento típico.

¿Cómo se calcula la tasa de STP?

Tasa de STP = documentos procesados sin intervención manual ÷ total de documentos recibidos × 100 %. Solo los documentos que pasan por todas las etapas —ingesta, clasificación, extracción, validación y contabilización— con cero intervención humana cuentan en el numerador; todo lo que entra al sistema cuenta en el denominador (IBM Think). Los documentos auto-procesados pero corregidos posteriormente por una persona deben excluirse del numerador (OpsDog).

¿Cuál es la diferencia entre la tasa de STP y la tasa de excepciones?

Son casi inversas con denominadores diferentes. La tasa de excepciones mide la proporción de documentos que fallan en la validación o el emparejamiento y requieren manejo humano especial; la tasa de STP mide la proporción que se completa totalmente sin intervención manual. Un documento puede ser tocado por una persona (flujo de aprobación) sin ser una excepción, por lo que las tasas de STP y de excepciones no suman 100 % (Precoro). Juntas describen el límite de la automatización: las excepciones son los documentos que rompen el flujo; el STP es el flujo que nunca se rompió.

¿La tasa de STP es lo mismo que la tasa de automatización?

No. La tasa de automatización describe cuánto del proceso está automatizado; la tasa de STP mide si un documento realmente se completó de principio a fin sin intervención humana. Un flujo de trabajo puede estar 100 % automatizado y aun así enviar cada documento a una persona para aprobación o gestión de excepciones, lo que arroja una tasa de STP cercana a cero. Hyperscience lo plantea directamente: «la tasa de automatización no contempla el tiempo dedicado a gestionar excepciones», y una tasa de STP del 100 % no aporta valor si el tiempo total de gestión no es más rápido (Hyperscience).

¿Cómo se mejora la tasa de STP?

Atacar las etapas que interrumpen el flujo, en orden. (1) Corregir la calidad de los datos upstream: un maestro de proveedores limpio y una alta cobertura de órdenes de compra (PO) elevan el techo de cada etapa posterior (la guía de implementación de Finofo califica la higiene del maestro de proveedores como «la condición previa para el STP»). (2) Actualizar la extracción de OCR basado en plantillas a IA que maneje la variación de formatos, ya que los sistemas de la era de plantillas limitan el STP a alrededor del 10–20 %, mientras que las plataformas de IA reportan 60–75 % (Hypatos, datos reportados por el proveedor). (3) Ajustar las reglas de validación y coincidencia para que los documentos válidos dejen de marcarse. (4) Medir el STP por categoría de documento: con PO vs. sin PO, proveedores nuevos vs. recurrentes, porque cada categoría tiene un techo diferente (Finofo).

¿Qué es el procesamiento directo en la extracción de documentos?

En la extracción de documentos específicamente, el STP significa que los datos extraídos fluyen directamente del motor de IA/OCR a su sistema downstream (ERP, contabilidad o flujo de trabajo) y se registran sin que una persona los revise o corrija. Es la tasa de finalización de extremo a extremo de la extracción, la métrica que determina cuántos FTE de procesamiento se necesitan realmente. Se sitúa un nivel por encima de la precisión a nivel de documento: un documento puede extraerse con un 100 % de precisión y aun así no ser STP si una persona debe revisarlo antes de registrarlo.

Fuentes

1. Ardent Partners — «AP Metrics That Matter in 2025». n=212 profesionales de cuentas por pagar (AP); la fuente definitiva para los puntos de referencia de sin intervención manual/STP: 32,6 % promedio, 49,2 % mejor de su clase, 23,4 % todos los demás, 9,40 $ frente a 2,78 $ de costo por factura. Fuente principal de todas las cifras de referencia de STP en AP.
2. IBM Think — «What Is Straight-Through Processing?». Definición oficial de IBM: «La tasa de STP se refiere al porcentaje de transacciones que se procesan automáticamente», además del desglose completo de etapas (iniciación, validación, enriquecimiento, enrutamiento, liquidación). Fuente principal de la definición y la fórmula.
3. Investopedia — «Understanding Straight-Through Processing (STP)». Fuente histórica: orígenes en ACH y SWIFT en los años 1970, depósito directo de nómina y evolución desde las transferencias telegráficas. Fuente principal de la sección de historia.
4. The Hackett Group — AP Solutions Research (2025). Puntos de referencia de consultoría: 60 % promedio de sin intervención manual entre los adoptantes de soluciones de AP; los equipos con más del 30 % de sin intervención manual son 3,5 veces más productivos. Corrobora el ancla del 60 % en la era de la IA.
5. IOFM — AP Benchmarking / Ask the Expert (2024). Datos de la asociación industrial: 12,5 minutos de intervención manual promedio por factura, 15–45 minutos adicionales por excepción. Fuente para la conversión de costo laboral.
6. Levvel Research (ahora Deloitte), vía Ascend (2025). Datos de analistas: sin intervención manual en la industria ~30 % frente a 60–80 % en los de alto rendimiento. Fuente del rango de 60–80 % para los de alto rendimiento.
7. Hypatos — Document AI (2019, actualizado). Comparación generacional reportada por el proveedor: era de plantillas 10–20 % de STP, IA moderna 60–75 %, plataformas agénticas 85–92 %. Reportado por el proveedor; se usa solo para el marco de generaciones de automatización.
8. Finofo — «Straight-Through Processing in AP: A Practical Guide». Experiencia de implementación: progresión realista de STP (30–45 % al inicio hasta 75–85 % mejor de su clase) y dependencia de la higiene del maestro de proveedores, la cobertura de órdenes de compra (PO) y los ajustes de tolerancia. Fuente del argumento de «más que un buen OCR».
9. Tungsten Automation — «How Advanced OCR Powers STP» (2025). Marco: el OCR captura el «qué», el STP gestiona el «qué sigue» (validación, lógica de negocio, enrutamiento). Fuente de la distinción entre OCR y STP.
10. Transformance — «What is Straight-Through Processing?» (2026). Glosario: STP en la aplicación de cobros, fórmula (coincidencia automática y contabilización / total), promedio de la industria de 60–80 % de STP en plataformas basadas en reglas. Fuente de la variante de aplicación de cobros.
11. Peakflo — «Procesamiento automatizado de reclamos de seguros». Tabla de KPI de la industria: línea base de STP de reclamos 5–10 % → 20–40 % automatizados, aseguradoras líderes 40–60 % para tipos de reclamos específicos, 23 días manuales frente a menos de 24 horas para los elegibles para STP. Fuente para la variante de reclamos de seguros.
12. OpsDog — KPI de «Tasa de adjudicación automática de reclamos». Empresa de benchmarking: definición de adjudicación automática y la regla estricta de que los reclamos procesados automáticamente y luego corregidos se excluyen del numerador. Fuente para el caso límite de la definición sin intervención manual.
13. LlamaIndex — «Cómo funciona el procesamiento directo en la práctica». Glosario: rango real de STP del 26 % (internacional) al 67 % (mejor de su clase); el 100 % de STP real es poco frecuente. Fuente para la corrección del concepto erróneo del 100 % de STP.

Términos relacionados

• Tasas de excepción en la automatización de documentos: El casi inverso de la tasa de STP: la proporción de documentos extraídos del flujo automatizado para su manejo especial, con el desglose completo de los puntos de referencia.
• Precisión de caracteres por tipo de documento: Puntos de referencia de precisión a nivel de caracteres y campos: la capa de extracción de la que depende STP, aunque no es lo mismo.
• ¿Qué es el reconocimiento óptico de caracteres (OCR)?: La tecnología de lectura fundamental cuya precisión se confunde con mayor frecuencia con STP.

Lecturas relacionadas: Cómo probar la precisión de la extracción de documentos · Precisión a nivel de campo vs. precisión de procesamiento directo · Cuándo pasar de OCR a la extracción con IA