Grabar a mano facturas, contratos y formularios es lento y propenso a errores. El OCR clásico existe desde hace mucho, pero era limitado: solo funcionaba con formatos concretos. El OCR moderno basado en modelos de lenguaje resuelve incluso formatos que no ha visto nunca.
01. Los límites del OCR clásico
El OCR clásico (Tesseract, ABBYY y similares) lee por líneas y dice «en estas coordenadas pone esto». Para localizar bien los campos suele necesitar una plantilla, y en cuanto cambia el proveedor de la factura, la plantilla deja de servir.
02. OCR basado en modelos de lenguaje: la nueva generación
Modelos como GPT-4V, Claude o Gemini leen y comprenden la imagen directamente. Responden a «¿cuál es el total de esta factura?» sin necesidad de ninguna plantilla. Eso supone un salto tanto en velocidad como en flexibilidad.
03. Casos de uso concretos
Ámbitos donde el OCR con modelos de lenguaje funciona bien:
- Facturas de proveedores (200 formatos distintos, un mismo flujo)
- Extracción de resúmenes de contratos
- Lectura de formularios y solicitudes
- Verificación de documentos de identidad y pasaportes
- Etiquetas de transporte y albaranes
En todos ellos es posible superar el 90% de acierto, con verificación humana añadida para los campos críticos.
04. El proceso de volcado al ERP
El OCR no termina con la lectura: el dato leído hay que escribirlo en el campo correcto del ERP. Para ello hacen falta:
- Correspondencia de campos (el «Total» de la factura con el «Total general» del ERP)
- Flujo de aprobación (sobre todo en facturas de importe elevado)
- Gestión de excepciones (si el OCR no está seguro, interviene una persona)
Sin diseñar esto, el OCR se queda a medio camino.
Explore nuestra solución de Inteligencia Artificial
Puede reservar una consultoría gratuita para obtener información detallada.