OCR
El OCR (reconocimiento óptico de caracteres) convierte una imagen o un PDF escaneado en texto digital que se puede copiar, buscar y hacer leer a una IA.
OCR significa Optical Character Recognition, o reconocimiento óptico de caracteres. Un documento escaneado, una foto de una factura o un PDF salido de una fotocopiadora no es más que una imagen: el ordenador ve píxeles, no letras. El OCR analiza esa imagen, localiza los caracteres y devuelve el texto en una forma aprovechable.
Los primeros programas de OCR comparaban la forma de las letras con modelos guardados. Las herramientas actuales se basan en redes neuronales que leen líneas enteras y manejan varios idiomas, las tablas, la maquetación y, hasta cierto punto, la escritura a mano. Los modelos de visión recientes van más allá: entienden la estructura de un documento y pueden extraer directamente campos como una fecha, un importe o un número de contrato. El resultado nunca es perfecto, sobre todo con un escaneo borroso o torcido, de ahí la importancia de digitalizar bien.
El OCR es un paso clave antes del RAG: un asistente de IA no puede citar un documento que no sabe leer. Si tus archivos contienen muchos PDF escaneados, prevé esta conversión en el momento de la indexación. Un OCR clásico puede funcionar en el procesador, pero una GPU acelera claramente el procesamiento de grandes volúmenes, sobre todo con los modelos de visión, que entonces necesitan VRAM además de la del LLM.
Cuando instalamos un asistente de IA privado, estudiamos contigo el tratamiento de tus documentos escaneados para que también se puedan consultar.