Glosario de IA · Integración
OCR
En una frase
El OCR (reconocimiento óptico de caracteres) es la tecnología que convierte el texto que aparece en una imagen, un PDF escaneado o una foto en texto digital que se puede editar, buscar y procesar. Con IA, además, entiende la estructura del documento.
También se llama: reconocimiento óptico de caracteres · optical character recognition · lectura automática de documentos · escaneo a texto
¿Qué es el OCR?
Un PDF escaneado o una foto de una factura son, para un ordenador, solo píxeles. Ve una imagen, no letras. El OCR resuelve eso: localiza el texto en la imagen y lo convierte en caracteres que se pueden copiar, buscar o meter en una base de datos.
Llévalo a tu empresa
La IA de UTIO, por API
Desde 29 €/mes + IVA
Para desarrolladores y agencias que montan sus propios productos.
Ver el API de IALa tecnología existe desde hace décadas, pero ha cambiado de nivel con la IA. El OCR tradicional reconocía letra a letra y se perdía con tablas, columnas o papeles arrugados. Los modelos actuales, basados en visión artificial y a veces en modelos multimodales, leen el documento entero y entienden su estructura: qué es una cabecera, qué es una tabla de líneas y qué cifra es el total.
Relacionado con este término
API de IA
- Transcripción, voz, texto, imagen, OCR y embeddings
- Claves por cliente con tope de gasto
- Monedero prepago: recarga mínima de 50 €
Desde 29 €/mes + IVA Cuenta con panel, más consumo
Ver el API de IACómo funciona
- Preparación de la imagen. Endereza, recorta, mejora el contraste y quita sombras.
- Detección. Localiza dónde hay bloques de texto, líneas, tablas y casillas.
- Reconocimiento. Convierte cada zona en texto. Los modelos neuronales usan el contexto: si una cifra dudosa está en la columna de importes, probablemente es un número y no una letra.
- Estructuración. Devuelve el resultado ordenado, por ejemplo como JSON con campos de proveedor, fecha, base, IVA y total, listo para enviarlo a otro sistema por API.
Del mismo modo que el speech to text convierte voz en texto, el OCR convierte imagen en texto. Ambos son la puerta de entrada para que un modelo de lenguaje pueda trabajar con información que no llegó escrita.
Ejemplo
Una distribuidora de bebidas de Córdoba recibe cada día decenas de albaranes firmados que los repartidores fotografían con el móvil. Antes, una persona de administración tecleaba cliente, fecha y unidades entregadas. Ahora un sistema de OCR lee cada foto, extrae esos campos y los cruza con el pedido. Solo pasan por revisión los albaranes con diferencias o con la firma ilegible. Es un caso típico de automatización con IA: la IA lee, las reglas deciden y la persona revisa las excepciones.
OCR en UTIO
La API de IA de UTIO incluye OCR: facturas, albaranes y formularios escaneados a texto estructurado. Usa la misma clave que el resto de capacidades del API, como transcripción, texto a voz, texto, imagen y embeddings, así que puedes encadenar pasos con un solo proveedor: leer un documento, resumirlo y guardar el resultado en el CRM de UTIO.
Cada clave nace en el panel con su tope de gasto y su límite de peticiones, útil cuando procesas documentos por lotes. La referencia completa de parámetros y formatos está en el panel.
Preguntas frecuentes
¿Qué diferencia hay entre OCR y extracción de datos de documentos?
El OCR clásico devuelve el texto tal cual aparece. La extracción de datos va un paso más allá: entiende que «Total» va con 1.250,00 y que la fecha de arriba es la de emisión, y devuelve campos ordenados. Hoy muchas soluciones combinan las dos cosas.
¿El OCR lee letra manuscrita?
Los sistemas actuales leen bastante bien la letra manuscrita clara, pero fallan más que con texto impreso. Para formularios rellenados a mano, conviene revisar los campos clave o pedir que se escriban en mayúsculas.
¿Qué calidad de imagen necesita?
Cuanto mejor, mejor: buena luz, documento plano, sin sombras y con resolución suficiente para que la letra pequeña se lea al ampliar. Una foto torcida con el móvil suele funcionar, pero con más errores en cifras y letra pequeña.
Términos relacionados
- Visión artificial
La visión artificial es la rama de la IA que permite a un sistema interpretar imágenes y vídeo: reconocer objetos, leer texto, detectar defectos o describir una escena. Hoy se basa sobre todo en redes neuronales entrenadas con muchas imágenes.
- API
Una API (interfaz de programación de aplicaciones) es un conjunto de reglas que permite que un programa pida datos o acciones a otro: envías una petición con un formato acordado y recibes una respuesta, sin necesidad de saber cómo está hecho por dentro.
- Automatización con IA
La automatización con IA es el uso de modelos de inteligencia artificial para hacer tareas que antes exigían criterio humano, como leer un mensaje, entender qué pide y decidir el siguiente paso, y no solo repetir pasos fijos definidos de antemano.
- Modelo multimodal
Un modelo multimodal es un modelo de IA capaz de recibir o generar varios tipos de datos, como texto, imágenes, audio o vídeo, y relacionarlos entre sí. Por ejemplo, puede leer la foto de una factura y responder preguntas sobre ella.
Actualizado el