Santiago
Luro

Una distribuidora recibe facturas de muchos proveedores, y controlarlas a mano renglón por renglón contra la lista de precios pactada es lento, así que los cobros de más suelen pasar. El sistema lee cada factura con IA y marca las diferencias. Hoy lo usa una distribuidora de bebidas.

Cómo funciona

1. 01
   Carga
   El cliente sube la factura en foto o PDF.
2. 02
   Extracción
   La IA lee producto, cantidad e importe de cada renglón.
3. 03
   Perfil
   Se identifica al proveedor por CUIT y se aplican sus reglas.
4. 04
   Comparación
   Se cruza contra la lista y se marcan los cobros de más.

Freno antes de cada deploy

# antes de publicar, el build corre los tests
# con facturas y listas reales de los 8 proveedores del cliente
$ npm run build
  ✓ proveedor 1 … proveedor 8: mismos resultados
  → deploy a Vercel

# si un cambio mueve aunque sea un renglón:
  ✗ el renglón cambió respecto del resultado esperado
  → build frenado, no se publica

Decisiones técnicas

• Motor común + perfil por proveedor

  Las listas de precios argentinas no tienen un formato estándar. En vez de un parser por proveedor, hay un motor único y una configuración de cálculo para cada uno, identificada por CUIT.

• Tests con datos reales

  Un arreglo para un proveedor puede romper a otro. Por eso cada deploy se valida contra facturas reales de todos y, si algo cambia, no sale.

• Rescate de columnas corridas

  En algunas fotos la columna de precios sale desalineada. Cuando pasa, el precio unitario se reconstruye dividiendo el importe por la cantidad.

• Onboarding administrado

  Configuro cada proveedor desde un panel de superadmin. El cliente solo ve dos acciones: subir lista o subir factura.

• TypeScript
• Node.js
• PostgreSQL
• API de Claude
• Vercel

Cada empresa carga su documentación interna y la consulta en lenguaje natural desde la web. Fue el primer producto de Melvox.

Arquitectura

Decisiones técnicas

• Multitenant

  Cada empresa tiene sus propios documentos y su plan. Una empresa nunca puede ver los documentos de otra.

• Una sola fuente de verdad

  El bot hacía RAG por su cuenta. Lo refactoricé para que llame a la API central, que concentra la búsqueda, las cuotas y las métricas.

• Embeddings multilingües

  Elegí el modelo multilingüe de Cohere porque los documentos de los clientes están en español.

• Seguridad

  Hice una auditoría del sistema y a partir de ella agregué rate limiting a la API.

• TypeScript
• Node.js
• SQLite
• Cohere
• PM2
• Linux