Cómo funciona, en pocas palabras, el reconocimiento de texto
Al subir un PDF escaneado o una foto, la plataforma guarda el fichero original sin modificarlo. El texto solo se puede buscar cuando existe como texto: en los PDF digitales ya está; en un escaneado, primero necesita una capa de texto producida por un paso de reconocimiento aparte. Una vez que el texto está en el documento, la plataforma lo guarda como capa de búsqueda junto al fichero original. En los documentos nativos digitales — un PDF generado, no escaneado — el texto se extrae directamente, sin pérdidas.
Búsqueda en el contenido más filtros de metadatos
La búsqueda de texto completo es potente, pero sola devuelve demasiado. Por eso se combina con los metadatos: serie, rango de fechas, departamento, emisor, número de registro. Busque «caldera» en las facturas recibidas de 2023 del departamento de mantenimiento, y obtendrá exactamente eso. Los acentos se normalizan, así que una tilde olvidada no le deja sin resultados.
Metadatos rellenados a partir del texto reconocido
Del texto reconocido, la plataforma propone la fecha del documento; número, emisor e importe los completa usted al registrarlo. Lo importante es que el texto entero queda indexado: aunque un campo esté vacío, el documento se encuentra buscando cualquier palabra que contenga. Y unos metadatos coherentes son los que luego hacen útiles los filtros y los plazos de conservación.
Lo que la búsqueda no puede hacer y cómo evitar sorpresas
En documentos impresos y escaneados rectos a 300 ppp, el reconocimiento es fiable. Baja con escaneos a 150 ppp, fotos torcidas, papel térmico descolorido y sellos encima del texto. La escritura a mano no se reconoce de forma fiable. Los documentos con baja puntuación de reconocimiento se marcan automáticamente, y puede corregir el texto indexado sin tocar el original.
