¿Cómo se buscan los documentos escaneados?
Una página escaneada es solo una imagen: se encuentra por sus palabras solo si tiene una capa de texto. El reconocimiento automático (OCR) solo está disponible para el rumano.
Respuesta breve
- OCR significa reconocimiento óptico de caracteres: el texto de una imagen se convierte en texto buscable. Aquí el OCR existe solo para documentos en rumano.
- Escanear produce solo una imagen; sin OCR, su contenido no aparece en ninguna búsqueda.
- Para documentos en rumano, el reconocimiento se ejecuta automáticamente al subirlos y añade una capa de texto sobre la imagen; en otros idiomas el texto debe existir ya o introducirse a mano.
- Después puedes buscar cualquier cosa que aparezca en el documento: un nombre, un NIF, un número de registro, una fecha o un importe.
Qué dice la ley (en resumen)
- La capa de texto no cambia el documento: la imagen original sigue siendo lo que se conserva, y el texto reconocido es un índice de búsqueda, no una nueva versión.
- La clasificación por cuadro y expediente sigue siendo el verdadero índice del archivo; la capa de texto la complementa, no la sustituye.
- RGPD, art. 5.1.e): el texto extraído contiene los mismos datos personales y está sujeto a los mismos plazos de conservación y supresión.
- Los justificantes contables escaneados siguen sujetos a los seis años del art. 30 del Código de Comercio y a la prescripción del art. 66 de la Ley General Tributaria.
Ejemplos prácticos
- Buscas "acta de recepción nave 2" y obtienes cuatro resultados entre 3.500 páginas escaneadas.
- El NIF de un proveedor escrito en el cuerpo de una carta pasa a ser buscable, aunque no figure en el nombre del archivo.
- Con 200 páginas escaneadas al día, indexarlas a mano llevaría unas dos horas de tecleo; para el rumano, el OCR lo hace al subirlas.
- Un expediente de personal de 2014, escaneado a posteriori, se puede buscar por el nombre del empleado ese mismo día.
Errores frecuentes
- Se escanea a 150 ppp o menos y la precisión cae de forma visible; 300 ppp es el umbral práctico.
- Las páginas están torcidas o fotografiadas con el móvil, sin enderezado automático.
- Se busca sin tildes ni eñes, aunque el texto reconocido sí las contiene.
- Se da por hecho que se encuentran todas las palabras de un escaneo: en documentos manuscritos el resultado es parcial.
- Se renuncia a clasificar "porque total, ya se busca por texto".
Cómo te ayuda 4docs
- Reconocimiento automático al subir documentos en rumano, también en las importaciones masivas del archivo antiguo.
- Búsqueda de texto completo en el contenido, no solo en el nombre del archivo.
- Filtros combinados por año, tipo de documento, departamento y plazo de conservación.
- Los resultados a texto completo te llevan directamente al documento en el que aparece el término.