Automatización aduanera con IA: cómo digitalizamos el DUA

El problema: 47 minutos por declaración

Preparar un DUA (Documento Único Administrativo) a mano requiere un promedio de 47 minutos por declaración. Un transitario medio en España procesa entre 30 y 80 declaraciones diarias. Las cuentas son simples: entre 23 y 63 horas-persona al día solo en preparación documental.

El proceso clásico es manual, repetitivo y propenso a errores: un agente de aduanas recibe la documentación del exportador o importador (factura comercial, packing list, certificados de origen, documentos de transporte), extrae manualmente los datos relevantes, busca la partida arancelaria correcta en el TARIC, calcula aranceles e impuestos, y cumplimenta los 54 campos del DUA. Un error en la partida arancelaria puede resultar en una retención de mercancías, una sanción, o ambas cosas.

Automatizar este proceso no era un ejercicio académico para nosotros. Era una necesidad operativa de nuestros clientes de logística.

La arquitectura de la solución

El sistema tiene cuatro fases encadenadas. Cada una resuelve un problema específico.

Fase 1: extracción documental (OCR + NLP)

Los documentos llegan en todos los formatos imaginables: PDF escaneados con distintas calidades, fotografías de documentos tomadas con móvil, Excel, e incluso faxes (sí, en 2025 sigue habiendo faxes en comercio internacional). El primer paso es extraer datos estructurados de documentos no estructurados.

Usamos una combinación de OCR (Tesseract para documentos con buena calidad, una pipeline con preprocesamiento de imagen para calidades bajas) y modelos de NLP específicos para documentación comercial. El modelo de extracción está entrenado con 12.000 documentos reales de comercio internacional y reconoce campos clave: nombre y NIF del exportador/importador, descripción de mercancías, pesos, valores, incoterms, país de origen, y datos de transporte.

La precisión de extracción varía según la calidad del documento: 94% para PDFs nativos, 87% para escaneos de buena calidad, 71% para fotografías de móvil. Los campos con baja confianza se marcan para revisión humana. No pretendemos automatizar el 100%; pretendemos que el agente de aduanas revise y corrija en lugar de teclear desde cero.

Fase 2: clasificación arancelaria

El TARIC tiene más de 15.000 partidas arancelarias. Elegir la correcta requiere conocimiento técnico del producto, experiencia en comercio internacional, y a veces interpretación de notas legales complejas. Es el paso más crítico del proceso y el que más errores genera.

Nuestro clasificador arancelario usa un modelo entrenado con 280.000 pares de (descripción de producto, partida arancelaria) extraidos de declaraciones históricas reales. El modelo recibe la descripción del producto (extraida en la fase anterior o proporcionada por el usuario) y devuelve las 3 partidas más probables con su nivel de confianza.

Para confianza superior al 92%, la clasificación se acepta automáticamente. Entre 75% y 92%, se presenta al agente con la recomendación. Por debajo del 75%, el sistema indica que necesita intervención humana. En producción, el 64% de las clasificaciones se aceptan automáticamente, el 28% se aceptan con la recomendación del sistema, y el 8% requieren clasificación manual.

Un detalle crítico: el modelo se reentrena mensualmente con las correcciones que hacen los agentes. Cada corrección humana es un dato de entrenamiento. Esto significa que el sistema mejora continuamente. La tasa de aceptación automática ha subido del 48% al 64% en 14 meses.

Fase 3: validación de compliance

Antes de generar el DUA, el sistema valida automáticamente:

• Sanciones: la entidad (exportador, importador, destinatario) se cruza contra las listas de sanciones de la UE, OFAC, y la ONU. Si hay un match positivo o parcial, la declaración se bloquea y se escala inmediatamente.
• Licencias: determinados productos requieren licencia de importación o exportación (bienes de doble uso, productos fitosanitarios, medicamentos). El sistema identifica estos productos basándose en la clasificación arancelaria y verifica que la documentación requerida esté presente.
• Valores: el valor declarado se compara contra rangos históricos para la misma partida arancelaria y país de origen. Desviaciones superiores al 30% se marcan para revisión (pueden indicar infravaloración o errores).
• Preferencias arancelarias: si hay un acuerdo comercial aplicable (UE-Canadá, UE-Japón, etc.), el sistema verifica que la documentación de origen es correcta y que el producto cumple las reglas de origen.

Esta fase es puramente basada en reglas, no en IA. Las reglas de compliance son deterministas y cambian con cada regulación nueva. Mantenemos un repositorio de reglas actualizado semanalmente con cambios del TARIC, listas de sanciones y acuerdos comerciales.

Fase 4: generación del DUA

Con los datos extraidos, clasificados y validados, el sistema genera el DUA en formato EDI para transmisión a la AEAT. Los 54 campos del documento se cumplimentan automáticamente. El agente de aduanas revisa el borrador completo, hace correcciones si las hay, y autoriza la transmisión.

Para una visión completa de cómo automatizar operaciones logísticas con IA, consulta nuestra guía de automatización logística. El resultado neto: el tiempo medio de preparación baja de 47 a 13 minutos por declaración. Una reducción del 73%. Para un transitario que procesa 50 declaraciones diarias, esto equivale a liberar 28 horas-persona al día.

Lo que aprendimos

Los edge cases son infinitos. Comercio internacional tiene una casuística que ningún modelo cubre al 100%. Mercancías en tránsito, reimportaciones, admisiones temporales, depósitos aduaneros, perfeccionamiento activo/pasivo. Cada régimen tiene sus propias reglas. Diseñar el sistema para manejar los casos comunes automáticamente y escalar los edge cases a humanos fue la decisión arquitectónica más importante.

La confianza se gana con transparencia. Los agentes de aduanas son profesionales con años de experiencia. No van a confiar ciegamente en una IA. Cada recomendación del sistema incluye la explicación: por qué sugiere esa partida arancelaria, qué regla de compliance aplica, qué rango histórico de valores usó como referencia. La explicabilidad no es un nice-to-have; es lo que hace que los profesionales adopten la herramienta.

El dato histórico es oro. Cada declaración procesada, cada corrección humana, cada nueva regulación alimenta el sistema. Después de 14 meses en producción, el modelo es significativamente mejor que el día del lanzamiento. Los clientes que llevan más tiempo tienen mejores resultados porque su histórico de datos es más rico.

La automatización aduanera es un ejemplo de cómo la inteligencia artificial aplicada resuelve problemas operativos concretos. No se trata de reemplazar al agente de aduanas. Se trata de eliminar el trabajo mecánico para que el profesional se concentre en las decisiones que realmente requieren su criterio.