Controlé un mes de gastos usando solo fotos de recibos: el experimento radical

Por Daniil Kozin · ex-banquero · Florianópolis

Durante 30 días registré cada gasto solo con una foto del recibo, sin mensajes de chat escritos, sin carga manual, sin subir un extracto bancario. El modelo de visión de Capi leyó 42 recibos en dos monedas. Acertó 33 a la primera, confundió el año dos veces y se equivocó de moneda tres veces. Cuatro días la foto simplemente no alcanzó.

Yo dirijo Capi, así que esto fue en parte una prueba de estrés sobre mi propio producto y en parte una pregunta que nunca me había respondido: si la foto es la forma más fácil de registrar una compra, ¿por qué todavía escribo la mitad de mis gastos en el chat? La regla era simple y la rompí exactamente cuatro veces, por motivos que terminaron siendo lo más útil de todo el mes.

¿Cuál era la regla de una foto por compra?

La regla era una foto por compra, enviada al chat de Capi en Telegram, sin escribir el monto y sin corregir nada salvo que la app marcara el movimiento como pendiente. Un día con tres compras significaba tres fotos. En 30 días envié 42 fotos: supermercado, café, peluquería, ferretería, dos cenas afuera, un día de coworking y varias capturas de pantalla de recibos de Uber.

Seguí dos monedas durante el mes, reales para el día a día en Florianópolis y dólares por un viaje de trabajo. El total sumado dio el equivalente a US$2.140. Cada foto tomaba unos 15 segundos entre sacarla y enviarla, contra unos 10 segundos de un mensaje escrito con monto y categoría. El esfuerzo extra era real pero chico, y desaparecía por completo en los días con más de una compra, porque la foto reemplazaba tener que escribir el nombre de un comercio que de todas formas iba a recordar mal.

¿Qué tan precisa fue la IA para leer los recibos?

El modelo de visión de Capi leyó comercio, monto y moneda correctos a la primera en 33 de los 42 recibos, cerca del 79 por ciento. Los otros nueve necesitaron corrección manual, y los nueve vinieron de las mismas dos causas: papel térmico ya desgastado después de una semana en el bolsillo, o un recibo fotografiado en ángulo con poca luz.

Ese número coincide con lo que muestran las pruebas independientes de OCR a lo largo de 2026: los modelos de visión actuales bajan la tasa de error de carácter entre tres y cuatro veces frente a los motores de OCR más viejos en recibos y escaneos desprolijos, con un error de uno a dos por ciento en totales impresos limpios y mucho peor en papel arrugado o desgastado. Mi propia tasa de fallo del 21 por ciento en la primera lectura entra dentro de ese rango si se pesa cuánto de mi muestra era papel térmico cargado en el bolsillo varios días antes de acordarme de fotografiarlo. La solución fue siempre la misma: Capi marcó el movimiento como pendiente en lugar de asumir una suposición, y confirmarlo tomó un toque.

¿Qué categorías le costaron más al modelo de visión?

Supermercado y restaurante fueron las categorías más fáciles, cero errores de lectura en 19 recibos sumados, porque las impresoras de supermercado y restaurante usan papel térmico fresco con el total bien claro. Cafeterías y ferreterías dieron más problemas, seis de los nueve errores vinieron de esos dos rubros, porque un recibo chico se dobla en el bolsillo y recién se fotografía después, cuando la impresión ya empezó a desgastarse.

El desglose por categoría: supermercado 11 recibos, cero errores. Restaurante 8 recibos, cero errores. Café 9 recibos, cuatro errores, todos en papel desgastado. Ferretería 3 recibos, dos errores, uno de ángulo y uno de desgaste. Transporte, en su mayoría capturas de Uber, 6 recibos, un error, una captura recortada demasiado justo que tapó el símbolo de la moneda. Coworking y servicios, 5 recibos, dos errores. El patrón se mantuvo todo el mes: la edad del papel y el ángulo de la foto explicaron cada error, no el tipo de comercio ni el monto. Un café de pocos dólares y una factura de coworking de US$340 fallaron por el mismo motivo exacto, una foto sacada demasiado rápido con poca luz.

¿Qué salió mal: el año confundido y las monedas mezcladas?

Dos recibos tuvieron el año impreso mal leído, uno como 2025 y otro como 2027, y tres fotos generaron la moneda equivocada, siempre en una foto borrosa o con poca luz donde el símbolo de un peso y el de un dólar se parecen demasiado para el modelo. Ninguno de los dos errores fue silencioso. Los dos aparecieron como movimiento pendiente esperando confirmación.

El año confundido suena peor de lo que es, porque la fecha del movimiento en Capi viene de la hora del mensaje, no de leer la fecha impresa en el recibo. Así que un recibo con el año mal leído igual cayó en el día correcto de mi registro; el error de lectura solo apareció en un campo de texto secundario que nunca uso para ordenar ni filtrar nada. Las monedas mezcladas fueron el problema más serio, porque una moneda equivocada cambia el número, no solo la etiqueta. Las tres se detectaron antes de entrar al total del mes, y ese es justamente el punto de un diseño pendiente por defecto: un modelo que acierta el 79 por ciento de las veces solo es seguro si el otro 21 por ciento pregunta antes de escribir.

¿Funcionó saltarse la carga manual por chat?

En su mayoría sí. Las compras con tarjeta y en comercio formal se fotografían bien porque emiten recibo: supermercado, restaurante, ferretería, coworking. Cuatro días rompieron la regla por completo, porque la compra no tenía recibo para fotografiar: una propina en efectivo, un puesto de comida callejera y dos favores pagados en efectivo a un amigo. Sin nada para apuntarle a la cámara, el gasto simplemente no quedaba registrado a menos que hiciera otra cosa.

Lo que hice esos cuatro días fue mandar una nota de voz de diez segundos en vez de una foto, la misma entrada que usa Capi para el registro manos libres que cubrí en la prueba de control por nota de voz. Esa es la conclusión honesta: controlar solo con fotos no reemplaza el chat o la voz por completo, es la mejor opción justo para el gasto que deja un comprobante de papel. Mi rutina real del día a día, que escribí aparte en lo que controlo cada día, ya mezcla foto, voz y alguna línea escrita de vez en cuando por esta misma razón. Este mes solo demostró por qué existe esa mezcla, en lugar de simplemente suponerlo.

¿Cómo se compara el control solo por fotos con Copilot Money y Monarch?

Copilot Money no tiene ninguna captura de recibos por foto en 2026. Categoriza bien las transacciones bancarias, pero no hay nada para apuntarle a la cámara dentro de la app. Monarch agregó lectura nativa de recibos que lee comercio, monto e ítems de línea, pero eso queda en el plan Plus, por unos US$199 al año, por encima del plan base de US$99,99. Capi entrega captura por foto en todos los planes, incluido el gratuito.

Si tu banco ya sincroniza bien y nunca manejás efectivo, la categorización de Copilot es rápida y quizás nunca extrañes la captura por foto. Si querés que el recibo se convierta en un historial real detrás del resumen de tarjeta, la versión de Monarch es prolija pero queda detrás de un muro de pago. Lo que expuso esta prueba no es qué modelo de visión es más inteligente, es qué producto te deja empezar a fotografiar recibos desde el primer día sin tener que pagar antes. El panorama completo está en la guía 2026 de apps de control financiero, y el lado multi-moneda de mi propia configuración está en Capi vs Monarch.

Una advertencia antes del veredicto: esta es una muestra de una sola persona, un solo mes, 42 recibos, corrida sobre el producto que yo mismo construí, así que tomen el 79 por ciento como un dato puntual y no como referencia de la industria. Lo que sí puedo respaldar es el patrón del error, porque coincide con la investigación más amplia de OCR en 2026 sobre recibos desprolijos y coincide con las quejas que escucho de usuarios de Capi cada semana: el papel nuevo se lee limpio, el papel viejo y doblado no, y la confianza de un modelo en una moneda equivocada se ve idéntica a la confianza en una correcta hasta que una persona lo revisa.

¿Vale la pena controlar gastos solo con fotos en 2026?

Vale la pena para el aproximadamente tres cuartos de las compras que emiten recibo, y no como método único. El resultado real de este mes no fue "la foto reemplazó todo", fue "la foto reemplazó casi toda la escritura, y la voz cubrió el resto sin hacer ruido". Esa combinación me costó menos atención que cualquiera de los dos métodos por separado.

El número honesto para recordar es 79 por ciento de acierto a la primera y cero errores silenciosos, porque cada falla apareció como algo para confirmar en lugar de un número que entró mal sin avisar. Un modelo de visión no necesita ser perfecto para ser útil. Necesita saber cuándo preguntar, y en un mes entero eso pesó más que la precisión bruta.

Preguntas frecuentes sobre el control de gastos por foto

¿Qué es controlar gastos solo con fotos de recibos?

Controlar gastos solo con fotos significa registrar cada compra enviando una foto del recibo o del tique a una app financiera, en lugar de escribir el monto o conectar la cuenta bancaria. El modelo de visión de la app lee el comercio, el monto y la moneda directo de la imagen y crea el movimiento solo.

¿Qué tan precisa es la IA para leer recibos en fotos?

En esta prueba de 30 días, el modelo de visión de Capi leyó bien comercio, monto y moneda a la primera en 33 de 42 recibos, cerca del 79 por ciento. El resto necesitó corrección manual, casi siempre por papel térmico ya desgastado o un recibo fotografiado en ángulo.

¿Se puede controlar todos los gastos usando solo fotos, sin cargar nada a mano?

No del todo. Las compras con tarjeta y en comercio formal se fotografían bien porque emiten recibo. Un gasto en efectivo sin recibo, una propina o un puesto callejero, no tiene qué fotografiar, así que cuatro de los 30 días necesitaron una nota de voz rápida en vez de foto para no quedar sin registro.

¿Cuáles son los mayores riesgos de controlar gastos solo con fotos?

Los dos riesgos reales son la moneda equivocada en una foto borrosa y el año mal leído en un recibo desgastado, a veces llamado alucinación de fecha. Los dos aparecieron en esta prueba. Ninguno dañó el registro, porque una lectura mal hecha queda como movimiento pendiente por confirmar, y la fecha del movimiento viene de la hora del mensaje, no del texto impreso.

¿Cuánto cuesta Capi para controlar gastos por foto?

El envío de fotos está en todos los planes de Capi, incluido el gratuito, hasta 30 movimientos al mes en una moneda. Capi Core cuesta US$9,90 al mes o US$69,90 al año y quita ese límite. Capi Together, para dos personas, cuesta US$99 al año para el hogar.