FRENES

Glosario · Uso diario de la IA

OCR

El OCR, o reconocimiento óptico de caracteres, es una tecnología que convierte el texto de una imagen en caracteres utilizables por un programa. Le permite buscar, copiar o procesar palabras de una página escaneada, una fotografía o un documento que todavía no contiene texto seleccionable.

OCR: la explicación

Un sistema OCR localiza las zonas de texto de una imagen y estima qué caracteres y palabras contienen. También puede intentar conservar información sobre la disposición, como líneas y columnas. La calidad depende de la nitidez, el contraste, la orientación y el idioma. Según la herramienta, el resultado puede ser texto simple, un documento con búsquedas o elementos estructurados para otro programa. Reconocer las palabras y reconstruir su organización son tareas relacionadas, pero diferentes.

El OCR permite buscar y reutilizar con mayor facilidad materiales impresos o fotografiados. Se emplea en archivos digitalizados, recibos y documentos antiguos. Para un agente de IA, suele ser una etapa previa al resumen o la extracción de información. El agente trabaja entonces con el texto reconocido, que puede contener errores respecto al original. Por eso, un fallo durante esta primera lectura puede afectar a las respuestas posteriores aunque el resto del proceso funcione correctamente.

El OCR no garantiza una copia perfecta ni una interpretación adecuada del documento. Puede confundir caracteres parecidos, mezclar columnas o separar una cifra de su etiqueta. La escritura manual y las tablas complejas pueden necesitar funciones especializadas. Algunas herramientas combinan OCR, análisis de estructura y modelos capaces de procesar imágenes. Estas combinaciones pueden ayudar, pero sigue siendo necesario comprobar importes, fechas e identificadores importantes antes de utilizarlos para una acción o un registro definitivo.

Un ejemplo concreto

Usted fotografía una factura y pide a un agente que prepare un registro de gastos. El OCR extrae las palabras y las cifras, y el agente identifica el proveedor, la fecha y el total. Un pliegue dificulta la lectura de un importe. Antes de guardar el gasto, compara los campos propuestos con la fotografía y corrige el valor que se reconoció de forma incorrecta.

Por qué importa

La calidad del OCR influye en todas las tareas posteriores sobre un documento escaneado. Un agente puede procesar correctamente un texto que ya contiene errores de extracción. Revise los idiomas compatibles, el tratamiento de tablas y el acceso a la imagen original. Si trabaja con documentos sensibles, compruebe también dónde se procesan y cómo se conservan los archivos enviados y sus posibles copias.

Ideas equivocadas

  • Un documento con texto seleccionable no está necesariamente libre de errores, porque la capa OCR puede contener caracteres equivocados o un orden de lectura incorrecto aunque la página visible resulte clara y fácil de entender para una persona.
  • El OCR no comprende automáticamente el significado de una factura o un contrato, ya que reconocer palabras es distinto de identificar campos, relaciones u obligaciones, y los sistemas adicionales empleados para esas tareas también pueden cometer errores de interpretación.

Otros términos: uso diario de la ia

prompt
Un prompt es una entrada que se proporciona a un modelo para orientar lo que debe producir o hacer.
RAG (generación aumentada por recuperación)
El RAG, o generación aumentada por recuperación, combina la búsqueda de información con la elaboración de respuestas mediante un modelo.
base de datos vectorial
Una base de datos vectorial almacena y busca representaciones numéricas llamadas vectores.
búsqueda semántica
La búsqueda semántica recupera contenidos según su significado probable, más allá de encontrar las mismas palabras.
asistente de código
Un asistente de código es una herramienta IA que le ayuda a escribir, comprender, modificar o probar programas informáticos.
no-code
El no-code es una forma de crear aplicaciones o automatizaciones mediante interfaces visuales y ajustes, sin escribir directamente código para las funciones previstas.
síntesis de voz
La síntesis de voz es una tecnología que convierte un texto escrito en habla producida por una máquina.
reconocimiento de voz
El reconocimiento de voz es una tecnología que convierte el habla captada por un micrófono o una grabación en texto procesable por un programa.

Dónde lo trata este sitio

El término aparece en 20 páginas del sitio. Algunas:

Misma familia

Para ir más lejos

Preguntas frecuentes

¿Puede leer escritura manual?

Algunos sistemas reconocen escritura manual, pero el resultado depende del estilo, de la legibilidad y de sus capacidades. Una herramienta eficaz con páginas impresas puede ser menos adecuada para notas personales o formularios escritos a mano por distintas personas.

¿Todos los PDF contienen texto?

No, un PDF puede estar formado únicamente por imágenes de páginas. El OCR puede añadir una capa de texto para buscar y copiar. Si ya existe texto utilizable, extraerlo directamente puede evitar una etapa innecesaria de reconocimiento.

¿Cómo mejorar el resultado?

Utilice una imagen nítida, bien orientada y sin sombras que dificulten la lectura, y seleccione el idioma correcto cuando sea posible. Compruebe los campos importantes en el original, especialmente cifras, nombres y contenidos distribuidos en varias columnas.

Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos