GuíasEntender la IA
OCR e IA: dos formas de leer documentos escaneados
Dos caminos
OCR y luego modelo de lenguaje
Modelo de visión
Las herramientas de cada familia
| Familia | Ejemplos |
|---|---|
| OCR de código abierto | Tesseract |
| OCR como servicio en la nube | Google Document AI, AWS Textract, Azure Document Intelligence |
| Modelos que leen imágenes y PDF | Claude y los demás grandes modelos multimodales |
Cómo elegir
| Situación | Mejor |
|---|---|
| Gran volumen, formulario siempre igual | OCR especializado |
| Documentos variados, tablas, maquetación libre | Modelo de visión |
| Escaneo muy degradado | OCR con preprocesado y luego modelo |
| Manuscrito | Modelo de visión, con revisión |
Lo que no cambia
- Un esquema de salida fijo, validado por código.
- Controles de negocio: totales, fechas, números conocidos.
- Una cola de revisión para los casos dudosos, y cifras sobre la tasa de error.
Un ejemplo completo: extraer los datos de facturas PDF. Contra los errores: evitar las alucinaciones.
Preguntas frecuentes
- ¿Un modelo de visión sustituye al OCR?
- A menudo, para volúmenes moderados y maquetaciones variadas. Para millones de páginas idénticas, un OCR especializado sigue siendo más económico.
- ¿Y la escritura a mano?
- Los modelos de visión recientes leen muchas caligrafías, sin ser infalibles. Prevé una revisión para los campos importantes.
- ¿Qué resolución enviar?
- Una imagen nítida en la que el texto se lea a simple vista. Una foto borrosa o torcida hace más daño que una resolución modesta.