{"id":28,"date":"2026-07-27T16:19:12","date_gmt":"2026-07-27T14:19:12","guid":{"rendered":"https:\/\/valnorsolutions.com\/blog\/?p=28"},"modified":"2026-07-27T16:19:12","modified_gmt":"2026-07-27T14:19:12","slug":"ocr-ia-partes-revision-humana","status":"publish","type":"post","link":"https:\/\/valnorsolutions.com\/blog\/?p=28","title":{"rendered":"OCR e IA para leer partes en papel con revisi\u00f3n humana"},"content":{"rendered":"<p>Los partes en papel, escaneados o fotografiados suelen terminar en una tarea repetitiva: abrir el documento, localizar la orden, leer horas y cantidades, comprobar un c\u00f3digo y volver a escribir los datos en el sistema.<\/p>\n<p>Automatizar esa lectura es posible, pero no conviene presentar el OCR o la IA como una certeza. La escritura manual, la calidad de imagen y los formatos distintos generan dudas que deben quedar visibles.<\/p>\n<blockquote>\n<p><strong>Prototipo t\u00e9cnico real.<\/strong> Se desarroll\u00f3 y valid\u00f3 un proceso para partes industriales combinando OCR, tratamiento de imagen, c\u00f3digos y visi\u00f3n con IA. No se presenta como sustituci\u00f3n completa del trabajo administrativo ni como implantaci\u00f3n aut\u00f3noma sin revisi\u00f3n.<\/p>\n<\/blockquote>\n<h2>El documento no llega limpio<\/h2>\n<p>Una fotograf\u00eda puede estar inclinada, tener sombras o incluir marcas manuscritas. Un PDF puede contener varias p\u00e1ginas o un c\u00f3digo poco legible. Antes de extraer campos se necesita preparar la imagen.<\/p>\n<p>En el prototipo utilizamos herramientas como OpenCV para corregir y localizar zonas, Tesseract para OCR, pyzbar para c\u00f3digos y un modelo de visi\u00f3n local para interpretar campos cuando la estructura lo requer\u00eda.<\/p>\n<figure class=\"wp-block-image size-large\">\n<img decoding=\"async\" src=\"https:\/\/valnorsolutions.com\/blog\/wp-content\/uploads\/2026\/07\/ocr-partes-ia-portada.png\" alt=\"Interfaz anonimizada para revisar campos extra\u00eddos de un parte\"><figcaption>Recreaci\u00f3n del panel de revisi\u00f3n con documento, valores y confianzas ficticias.<\/figcaption><\/figure>\n<h2>Una cadena de lectura, no una \u00fanica llamada a IA<\/h2>\n<p>El proceso se dividi\u00f3 en pasos comprobables:<\/p>\n<ol>\n<li>Convertir PDF o imagen a un formato de trabajo consistente.<\/li>\n<li>Corregir rotaci\u00f3n, contraste y ruido cuando fuera necesario.<\/li>\n<li>Detectar c\u00f3digos de barras o QR.<\/li>\n<li>Extraer texto y campos candidatos.<\/li>\n<li>Comparar los datos con \u00f3rdenes y operarios existentes.<\/li>\n<li>Enviar a revisi\u00f3n los valores con baja confianza o conflicto.<\/li>\n<\/ol>\n<p>Esta arquitectura permite saber d\u00f3nde fall\u00f3 un documento. Si no se detect\u00f3 el c\u00f3digo, el problema es distinto de haber le\u00eddo \u00ab7,5\u00bb como \u00ab75\u00bb.<\/p>\n<h2>La revisi\u00f3n humana forma parte del dise\u00f1o<\/h2>\n<p>En vez de pedir a una persona que vuelva a leer todo, la interfaz destaca solo los campos dudosos. Los valores con buena confianza y coherencia aparecen preparados; los dem\u00e1s deben confirmarse antes de integrarse.<\/p>\n<figure class=\"wp-block-image size-large\">\n<img decoding=\"async\" src=\"https:\/\/valnorsolutions.com\/blog\/wp-content\/uploads\/2026\/07\/ocr-partes-ia-proceso.png\" alt=\"Proceso de captura, extracci\u00f3n, revisi\u00f3n e integraci\u00f3n de partes\"><figcaption>La automatizaci\u00f3n termina en datos validados, no en una predicci\u00f3n sin comprobar.<\/figcaption><\/figure>\n<h2>Por qu\u00e9 utilizamos un modelo local<\/h2>\n<p>La prueba incluy\u00f3 un modelo de visi\u00f3n ejecutado en infraestructura propia. Esto permiti\u00f3 trabajar sin enviar cada documento a un servicio externo y experimentar con el proceso completo.<\/p>\n<p>Un modelo local tambi\u00e9n tiene costes: necesita recursos, mantenimiento y evaluaci\u00f3n. No se eligi\u00f3 por una supuesta superioridad general, sino porque encajaba con la necesidad de control y con la infraestructura disponible.<\/p>\n<h2>Qu\u00e9 se valid\u00f3 y qu\u00e9 sigue pendiente<\/h2>\n<p>Se valid\u00f3 la viabilidad de combinar lectura cl\u00e1sica, c\u00f3digos y visi\u00f3n para preparar campos estructurados y una revisi\u00f3n dirigida. El siguiente paso para una implantaci\u00f3n completa ser\u00eda medir el comportamiento con una muestra representativa, definir umbrales por campo y acordar qu\u00e9 errores nunca pueden pasar autom\u00e1ticamente.<\/p>\n<p>No publicamos una tasa de precisi\u00f3n porque una cifra obtenida con pocos documentos ser\u00eda enga\u00f1osa. La precisi\u00f3n debe medirse por tipo de campo y calidad de entrada, no con un porcentaje \u00fanico.<\/p>\n<h2>Qu\u00e9 aprendimos<\/h2>\n<ul>\n<li>La preparaci\u00f3n de imagen puede ser tan importante como el modelo.<\/li>\n<li>Los c\u00f3digos aportan una referencia m\u00e1s fiable que el texto libre.<\/li>\n<li>La confianza debe traducirse en una acci\u00f3n: aceptar, revisar o rechazar.<\/li>\n<li>La IA es \u00fatil cuando reduce lectura manual sin ocultar la incertidumbre.<\/li>\n<\/ul>\n<h2>Preguntas frecuentes<\/h2>\n<h3>\u00bfPuede el sistema leer cualquier formulario?<\/h3>\n<p>No con la misma fiabilidad. Los formatos estables y los c\u00f3digos claros permiten mejores resultados. Si cada documento tiene una estructura distinta, la validaci\u00f3n debe ser m\u00e1s exigente.<\/p>\n<h3>\u00bfSe eliminan los originales?<\/h3>\n<p>No deber\u00eda. El documento original debe conservarse seg\u00fan las necesidades del proceso para poder revisar, auditar o corregir la extracci\u00f3n.<\/p>\n<hr>\n<p>Este enfoque forma parte de nuestros trabajos de <a href=\"\/consultoria-datos.html\">datos e IA aplicada<\/a>: automatizar donde existe evidencia y mantener revisi\u00f3n donde todav\u00eda hay incertidumbre.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Prototipo para convertir partes escaneados en datos estructurados combinando OCR, c\u00f3digos, visi\u00f3n e intervenci\u00f3n humana en los campos dudosos.<\/p>\n","protected":false},"author":1,"featured_media":26,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[29,26,28,27],"class_list":["post-28","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-datos-ia","tag-ia-local","tag-ocr","tag-opencv","tag-vision-artificial"],"_links":{"self":[{"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/posts\/28","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=28"}],"version-history":[{"count":1,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/posts\/28\/revisions"}],"predecessor-version":[{"id":55,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/posts\/28\/revisions\/55"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=\/wp\/v2\/media\/26"}],"wp:attachment":[{"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=28"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=28"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/valnorsolutions.com\/blog\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=28"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}