Reconocimiento óptico de caracteres (OCR)

El reconocimiento óptico de caracteres (OCR, optical character recognition) extrae el texto que aparece en una imagen —una factura escaneada, la foto de un ticket, un PDF que solo es imagen— y lo convierte en texto que puedes copiar, buscar o procesar.

El OCR clásico seguía pasos fijos: limpiar la imagen, detectar renglones, separar letras y compararlas con patrones. Los sistemas actuales usan visión por computadora con redes neuronales que leen palabras o líneas completas, lo que mejora mucho con fuentes variadas, fotos chuecas o escritura a mano. Tesseract es un motor de OCR de código abierto muy usado.

Hoy el OCR suele ser solo el primer paso del llamado «procesamiento inteligente de documentos»: después de leer el texto, un modelo identifica qué es cada dato (RFC, fecha, total, concepto) y lo coloca en el campo correcto. Los modelos multimodales pueden incluso responder preguntas sobre un documento directamente desde la imagen.

Límites a tener en cuenta: errores con números parecidos (1 y 7, 0 y O), documentos borrosos, sellos encimados y tablas complejas. En datos sensibles —montos, cuentas bancarias, expedientes médicos— conviene validar automáticamente lo que se pueda (por ejemplo, que el RFC tenga formato válido) y que una persona revise los casos dudosos.