Qué es el OCR: el papel y el PDF se convierten en datos
El OCR lee el texto de una foto o de un PDF escaneado. Con un modelo de IA encima, además entiende qué es cada dato y lo deja puesto en tu programa de gestión.
Descubre en 5 minutos cómo automatizar ese proceso que te está haciendo perder tiempo y dinero
Qué es, en corto
OCR son las siglas de reconocimiento óptico de caracteres: la tecnología que mira una imagen o un PDF escaneado y saca el texto que hay dentro. Por sí sola devuelve letras sueltas y desordenadas. Lo que la vuelve útil en una oficina es lo que viene detrás, cuando un modelo de IA entiende que ese número es la base imponible y ese otro el vencimiento, y lo deja puesto en tu programa.
Son las nueve menos cuarto y alguien de tu equipo abre el decimoséptimo PDF de la mañana para teclear en el programa de gestión unos números que ya están escritos ahí delante. Ese es el trabajo de robot que se lleva por delante el OCR.
Qué hace un OCR, en dos pasos
El OCR mira una imagen y decide qué letra o qué número hay en cada mancha de píxeles. Es una tecnología con décadas encima y es la parte fácil del asunto. La difícil siempre ha sido otra: cada proveedor maqueta su factura como le da la gana, y saber que un número suelto es la base imponible y no el total no se arregla leyendo mejor, se arregla entendiendo el documento.
Por eso hoy casi nadie usa OCR a secas. Se usa un OCR más un modelo que interpreta: primero se extrae el texto, después se le da sentido. Ese segundo paso es el que convierte un montón de letras en una factura registrada.
OCR clásico y OCR con IA
El OCR de toda la vida necesita una plantilla por proveedor: aquí va la fecha, aquí el total, aquí el NIF. Funciona con los diez proveedores de siempre y se rompe con el undécimo, con el que cambia el diseño en enero y con el albarán que llega girado. Mantener plantillas acaba costando más tiempo que picar los datos a mano.
Un OCR con IA no necesita plantilla. Un modelo de lenguaje (LLM) con visión, es decir, un programa entrenado para entender a la vez texto e imágenes, lee el documento como lo leería una persona. Da igual que sea la primera vez que ve ese formato, que venga a tres columnas o que sea una foto hecha con el móvil dentro de una furgoneta. Esa es la diferencia práctica entre un OCR al que hay que dar de comer y un OCR que se adapta solo.
Qué documentos pasan por el OCR
- Facturas de proveedor y albaranes, que es el caso rey en cualquier oficina.
- Contratos y anexos, para sacar las partes, las fechas y las cláusulas de vencimiento.
- Extractos bancarios, que después alimentan la conciliación bancaria automática.
- Nóminas, partes de trabajo y documentos de identidad.
- Tickets fotografiados por el equipo: el peor caso y, casualmente, el más frecuente.
Qué sale por el otro lado
De un OCR bien montado no sale un texto para leer: salen datos con nombre y apellidos. Proveedor, NIF, número de documento, fecha, base, tipo de IVA, total, vencimiento y las líneas de detalle. Eso entra en tu programa de gestión por su API, la puerta que ese programa abre para recibir datos de fuera, o en una hoja de cálculo, o en la carpeta que ya usas. El documento original se archiva enlazado al registro, para que puedas abrirlo de un clic cuando alguien pregunte de dónde ha salido ese apunte.
La cola de revisión no es opcional
Cada dato que extrae el OCR lleva pegado un nivel de confianza. Lo que pasa el umbral entra solo; lo dudoso cae en una cola donde una persona confirma o corrige en segundos, y esa corrección se aprovecha para la próxima vez. Desconfía de quien te venda un OCR que no hay que mirar nunca. Lo que se gana no es que el trabajo desaparezca: es pasar de teclearlo todo a repasar lo poco raro.
Con volumen, ese cambio se nota en el calendario. Las gestorías dedican entre el 50 y el 60 % del tiempo a la entrada de facturas y a perseguir documentación; en despachos de cuatro a diez personas hablamos de 20 a 40 horas al mes que vuelven al equipo. Los proveedores del sector sitúan la recuperación de la inversión entre dos y seis meses a partir de quince horas mensuales recuperadas.
Por dónde pasan tus documentos
Un OCR es un sitio por el que circulan facturas, nóminas y contratos de tus clientes, así que dónde se procesan no es un detalle técnico: es la primera pregunta. En nuestros montajes el flujo y el archivo viven en un servidor propio en la Unión Europea, con acuerdo de tratamiento firmado, y al modelo se le manda el fragmento imprescindible, nunca el expediente entero.
Lo que el OCR no resuelve
Leer una factura no es emitirla. Si lo que te quita el sueño es emitir las tuyas en regla, eso es otro asunto y tiene su propio calendario. VeriFactu obliga a las sociedades antes del 1 de enero de 2027 y a los autónomos antes del 1 de julio de 2027. El OCR entra por el lado contrario, el de las facturas que recibes. Verlo funcionando de principio a fin es el OCR de facturas y documentos, la primera pieza de IA para gestorías y asesorías que se monta y la que antes se paga sola.
Un ejemplo
Una gestoría de siete personas recibe cientos de facturas al mes por correo, por WhatsApp y en carpetas compartidas. Con el OCR delante, entran solas en Holded con proveedor, base, IVA y vencimiento; en la cola de revisión aparece un puñado, casi siempre tickets mal fotografiados desde una obra, y se resuelven en un rato de la mañana. Entre la entrada de facturas y perseguir documentación se va más de la mitad del tiempo de un despacho. El ahorro típico en uno de cuatro a diez personas está entre 20 y 40 horas al mes. Nadie ha cambiado de programa contable y nadie ha dejado de revisar; se revisa otra cosa.
Con qué se confunde
Con un PDF que ya trae texto
No todo PDF necesita OCR. El que genera un programa ya lleva el texto dentro: ahí el OCR sobra y lo que hace falta es interpretar los datos. El OCR entra cuando el documento es una imagen: un escaneo o una foto de móvil.
Con contabilizar la factura
El OCR extrae datos; no decide la cuenta contable, ni el tratamiento de un IVA raro, ni si esa factura es deducible. Eso lo propone el flujo con reglas y lo confirma una persona. Confundir extraer con contabilizar acaba en un cierre de trimestre desagradable.
Con VeriFactu
Dos mundos distintos. El OCR lee las facturas que recibes; VeriFactu regula cómo emites las tuyas. Tener OCR no te pone en regla: facturar con un programa no conforme se sanciona con hasta 50.000 € por ejercicio, y la multa mira a quien lo usa.
Saber qué significa una palabra está bien. Saber si te ahorra horas está mejor: eso es lo que te dice el diagnóstico.
Descubre en 5 minutos cómo automatizar ese proceso que te está haciendo perder tiempo y dinero
Lo que nos preguntan antes de decidirse
¿Qué diferencia hay entre el OCR clásico y el OCR con IA?
La diferencia es la plantilla. El OCR clásico necesita que alguien le diga dónde está cada dato en cada formato de factura, así que funciona con los proveedores de siempre y se cae con los nuevos. El OCR con IA entiende el documento sin plantilla, igual que lo entiende una persona que lo ve por primera vez, y aguanta cambios de diseño, columnas raras y fotos torcidas. En una empresa con veinte proveedores estables, el OCR clásico puede bastar; en una gestoría, donde entran facturas de cientos de emisores distintos, no hay plantillas que valgan.
¿El OCR lee facturas fotografiadas con el móvil?
Sí: el OCR lee facturas fotografiadas con el móvil, y es el caso más habitual. Un OCR moderno tolera fotos torcidas, con sombra, arrugadas o hechas dentro de una furgoneta, porque no busca posiciones fijas sino que interpreta el contenido. Dicho esto, la calidad de la foto sigue mandando: un ticket térmico borrado por el sol acaba en la cola de revisión, y ahí lo confirma una persona. Lo que sí conviene es dar al equipo una vía única de envío, por ejemplo un WhatsApp o un correo de entrada, para que las fotos no se queden en el móvil de nadie.
¿Cuánto acierta un OCR? ¿Hay que revisarlo todo?
No hay que revisarlo todo, pero sí hay que revisar. Cada campo que devuelve el OCR lleva un nivel de confianza y se fija un umbral: por encima entra solo, por debajo va a una cola donde una persona confirma o corrige. Con documentos limpios la mayoría pasa sin tocarse; con tickets fotografiados baja. Nadie serio te va a dar un porcentaje universal, porque depende de tus documentos, así que lo honesto es medirlo con los tuyos las primeras semanas y ajustar el umbral con datos reales, no con una promesa de folleto.
¿El OCR me sirve para cumplir con VeriFactu?
No: OCR y VeriFactu son cosas distintas y conviene no mezclarlas. El OCR trabaja con las facturas que recibes: las lee y las registra. VeriFactu regula cómo emites las tuyas, con huella encadenada, registro de eventos y código QR, y lo acredita la declaración responsable del fabricante del programa, nunca una homologación. Las fechas son 1 de enero de 2027 para sociedades y 1 de julio de 2027 para autónomos. Si emites con un programa comercial adaptado, el OCR te ahorra horas por el lado de compras y no cambia nada por el lado de ventas.
¿Dónde acaban los documentos que pasan por el OCR?
Los documentos acaban en el sitio que decidas, y por escrito. En nuestros montajes el flujo, la cola de revisión y el archivo viven en un servidor propio en la Unión Europea, con acuerdo de tratamiento de datos firmado y accesos registrados. Al modelo que interpreta se le manda lo imprescindible para leer ese documento, con el compromiso de que ese contenido no se usa para entrenar. Si trabajas con datos especialmente sensibles, se puede ejecutar un modelo abierto en tu propia máquina, a cambio de algo menos de precisión.
¿Qué necesito tener para empezar con el OCR?
Para empezar con el OCR hacen falta tres cosas, y ninguna es comprar software nuevo. Una vía de entrada clara para los documentos, un programa de gestión que acepte datos de fuera por su API o, en su defecto, por un fichero, y una persona que dedique unos minutos al día a la cola de revisión durante las primeras semanas. Con eso se arranca en paralelo a tu forma actual de trabajar: durante unos días se compara lo que propone el OCR con lo que hace tu equipo, y solo cuando cuadra se suelta. Si tu programa no abre ninguna puerta, lo decimos antes de empezar y se busca otro camino.
Términos relacionados
¿Cuántas facturas se pican a mano en tu despacho?
Cuéntanos cuántos documentos entran al mes, por dónde llegan y en qué programa acaban. Te decimos qué parte deja de tocarse y qué parte seguirá necesitando ojos.
Descubre en 5 minutos cómo automatizar ese proceso que te está haciendo perder tiempo y dinero