Automatizar listas de precios: lo que se rompe cuando el proveedor cambia el Excel

Hace un tiempo escribí sobre automatizar una distribuidora y puse la carga de listas de precios como el proceso con mejor retorno. Me preguntaron por el detalle, así que va la implementación, con las partes que se rompen.

El escenario: el proveedor manda una lista cada dos o tres semanas. PDF o Excel, formato distinto según quién la exportó ese día. Alguien la abre y carga cientos de artículos a mano en el sistema de gestión.

El error de arranque: mandarle el archivo entero al modelo

Lo primero que uno intenta es pasarle el PDF al LLM y pedirle el JSON de las 800 filas. Funciona en la demo con 20 filas y se cae con el archivo real: se saltea filas del medio, inventa códigos que no existen, y el costo por corrida sube sin necesidad.

El modelo no tiene que leer las 800 filas. Tiene que leer el encabezado.

Archivo del proveedor
│
▼ Extracción determinística de la tabla (pdfplumber / openpyxl)
│
▼ LLM sobre las primeras ~15 filas → mapeo de columnas
│