OCR: cómo un programa lee un documento escaneado
El OCR (reconocimiento óptico de caracteres) convierte la imagen de un documento en texto que un programa puede usar. Es el primer paso para no teclear a mano facturas, albaranes o partes en papel.
1Qué hace exactamente
Una foto de un albarán o un PDF escaneado es, para el ordenador, un dibujo: no sabe que ahí pone «Total 1.250,00». El OCR mira la imagen y devuelve las letras y los números que reconoce, con su posición en la página.
No todos los PDF lo necesitan. Las facturas que genera un programa de facturación suelen llevar el texto dentro y se pueden leer directamente, con más fiabilidad. El OCR hace falta cuando el documento es una imagen: un escaneo, una foto desde el móvil, un fax convertido.
2Leer no es entender
Este es el matiz que más confusiones causa. El OCR devuelve texto, pero no sabe cuál de los números es el total, cuál la base imponible o cuál el número de pedido. Para eso hace falta un segundo paso: extraer los campos, es decir, interpretar el documento y rellenar una ficha con proveedor, fecha, número, líneas, importes e impuestos.
Ese segundo paso se resuelve con reglas por proveedor, con modelos de IA que entienden el documento o con una mezcla. En los tres casos, el resultado se comprueba: que la suma de las líneas dé la base, que la base más el impuesto dé el total, que el NIF del proveedor exista en su ficha.
3Dónde falla
Conviene saberlo antes de esperar milagros:
- Escaneos de mala calidad: torcidos, con sombras, a baja resolución o con el sello encima de un importe.
- Tablas largas: líneas partidas entre páginas, columnas que se desplazan, descuentos en una línea aparte.
- Texto manuscrito: anotaciones a bolígrafo en un albarán, una cantidad corregida a mano. Es lo más difícil y lo menos fiable.
- Formatos raros: el proveedor que cambia su plantilla o manda una factura rectificativa con signos negativos.
4Por qué siempre revisa una persona
Ningún sistema de lectura acierta siempre. La forma sensata de usarlo es que la lectura proponga y una persona confirme lo dudoso: los documentos que no cuadran o que el sistema ha leído con poca seguridad van a una bandeja de revisión, con el original al lado, en lugar de pasar sin más a la contabilidad.
Así el equipo deja de teclear lo fácil y dedica su tiempo a lo que de verdad necesita criterio. Si quiere ver el proceso completo, de la bandeja de entrada al asiento, lo contamos en la página sobre lectura de facturas de proveedor.
5Lectura de documentos en uso

Farmacta
La trastienda de una farmacia, montada sobre su papeleo
Farmacta lee en PDF los albaranes y facturas de mayoristas y laboratorios, extrae los datos contables y deja lo que no se lee con seguridad marcado para revisión, con el PDF original al lado. En uso en su primera farmacia.
En uso en su primera farmacia

Certero
Inteligencia de licitaciones para la obra pública
Certero lee pliegos y actas de licitaciones, y revisores independientes comprueban cada cifra contra el documento original. Es otro tipo de documento, pero el mismo principio de verificar lo leído. En producción en certero.es.
En producción en certero.es. Aceptado en NVIDIA Inception.
6Preguntas frecuentes
¿Funciona con fotos hechas con el móvil?
Sí, si la foto está enfocada, recta y con buena luz. Una mala foto da una mala lectura; conviene que la aplicación avise en el momento para repetirla.
¿Lee albaranes escritos a mano?
Lo impreso, bien. Lo escrito a mano, con poca fiabilidad. Las anotaciones manuscritas deberían ir siempre a revisión.
¿Necesito escanear las facturas que ya me llegan en PDF por correo?
No. Si el PDF lo generó un programa, el texto ya está dentro y se lee directamente, sin OCR y con menos errores.
¿Qué pasa con los documentos que no se leen bien?
Se quedan en una bandeja marcados para revisión. Ningún dato dudoso debería entrar en la contabilidad sin que lo confirme una persona.
¿Qué documentos teclea hoy su equipo?
Mándenos tres ejemplos, incluido el peor que tenga, y le diremos qué parte se puede leer sola y qué tendría que revisar una persona.
Cuéntenos su problema