Al comprar una API OCR, es tentador empezar comparando el precio unitario, pero el éxito del proyecto depende de cuatro cuestiones: si el criterio de páginas es coherente, si los datos pasan la revisión interna, si la precisión puede aceptarse en la validación y si existe un respaldo cuando algo falla. Las cotizaciones de OCR suelen calcularse por página, por imagen, por llamada o por token; cuando el criterio no es uniforme, el precio unitario no es comparable.

Esta lista sigue el proceso de compra: estimación de uso, facturación y facturas, cuestionario de privacidad, muestreo de precisión, revisión humana, permisos, canal alternativo y aceptación del piloto. Los precios y modelos disponibles se rigen por los precios de modelos y el contrato firmado; aquí no se fijan cifras.

Nota: los productos, modelos y marcas de OCR mencionados pertenecen a sus respectivos titulares y solo se citan para explicar la compra técnica. Las condiciones de servicio, los precios y los indicadores de precisión pueden cambiar; prevalecen el contrato firmado y la documentación oficial.

1. Primero calcula páginas; después habla de precio

La "página" de un documento de compra debe definirse antes. Hay cuatro criterios habituales: contar cada archivo PDF como una página, convertir el PDF en imágenes y contar por imagen, cobrar por número de llamadas a la API o cobrar solo las páginas reconocidas con éxito. También hay que especificar cómo se tratan los escaneos a doble cara, los anexos, la carga de varias imágenes y las páginas en blanco.

Indicador Método de estimación Uso en el documento de compra
Páginas mensuales Volumen de documentos de los últimos tres meses × factor de crecimiento Definir el plan y el límite de presupuesto
Páginas por minuto en pico Páginas de la hora punta ÷ 60, multiplicado por un factor de seguridad Confirmar concurrencia y límites de velocidad
Imágenes por página Escaneo a doble cara, anexos, carga de varias imágenes Unificar el criterio de facturación por página
Fallos y reintentos Tasa de fallo del piloto × número de reintentos Reservar cuota y evitar excedentes
Proporción de revisión humana Porcentaje de campos con baja confianza Estimar personal y horas de revisión

No informes solo un total anual. La carga de OCR suele tener picos claros: a fin de mes, a fin de trimestre y en temporada de impuestos pueden concentrarse las cargas. Incluir la concurrencia pico y la capacidad de gestionar acumulación en la aceptación se acerca más a la producción real que hablar solo del promedio mensual.

2. Facturación, contrato y factura

Cuando recibas la cotización, revisa punto por punto lo siguiente en lugar de preguntar solo "cuánto cuesta una página":

  • Si la unidad de facturación es página, imagen, llamada o token, y si distingue texto impreso de diseños complejos.
  • Si hay precios escalonados, consumo mínimo, volumen comprometido y precio unitario por exceso.
  • Si se facturan las solicitudes fallidas, los reintentos por timeout, las páginas en blanco y las cargas duplicadas.
  • El ciclo de liquidación y la base de conciliación: registros de llamadas, páginas exitosas o resumen de factura.
  • La entidad del contrato, la moneda de liquidación, el método de pago y las reglas de reembolso.
  • El tipo de factura y su ciclo, y si se puede emitir factura fiscal especial.

Para pagos empresariales conviene usar una cuenta corporativa y conservar contrato, pedido, comprobante de pago y factura. La cotización debe indicar su periodo de validez; al preparar un presupuesto a tres años, es mejor tener previsto cómo responder a una subida de precios.

3. Privacidad de datos: convierte las preguntas en un cuestionario

El OCR procesa sobre todo contratos, facturas, documentos de identidad y datos de clientes, así que la revisión de privacidad no puede basarse en explicaciones verbales. Envía estas diez preguntas al proveedor y exige respuestas por escrito para archivarlas:

  1. ¿Cuánto tiempo se conservan las imágenes subidas y los resultados, y dónde se almacenan?
  2. ¿Se usan los datos para entrenar modelos o mejorar el producto? ¿Se puede desactivar?
  3. ¿Se admite una región de almacenamiento específica? ¿Los datos se transfieren internacionalmente?
  4. ¿Qué cifrado se usa en tránsito y en reposo?
  5. ¿Cómo se presenta una solicitud de borrado, cuánto tarda en aplicarse y hay acuse de recibo?
  6. ¿Qué subencargados existen y se avisa con antelación de los cambios?
  7. ¿Se puede firmar un acuerdo de tratamiento de datos (DPA)?
  8. ¿Se puede entregar un informe de auditoría de seguridad o responder un cuestionario de seguridad?
  9. ¿Cuál es el plazo de notificación de incidentes y el límite de responsabilidad?
  10. ¿El acceso del personal interno a datos de clientes tiene aprobación y registro de auditoría?

El OCR con modelos multimodales suele requerir subir la imagen completa, y las interfaces OCR tradicionales también pueden conservar el original para diagnóstico. En ambos casos hay que confirmar la política de retención. Con documentos de identidad, tarjetas bancarias o historias clínicas, prioriza el despliegue local, la anonimización antes del reconocimiento o un servicio de pago con condiciones claras que haya pasado la revisión legal.

4. Precisión: no mires solo un porcentaje

La "precisión" no tiene un denominador único. Una alta precisión de caracteres no significa que los campos puedan contabilizarse directamente; una alta precisión del documento completo tampoco implica que la escritura a mano y las tablas estén bien. En la compra, desglosa al menos cuatro indicadores:

  • Precisión de caracteres: cercanía entre el texto reconocido y la respuesta de referencia.
  • Precisión de campos: si el número de factura, el importe, la fecha y otros campos clave son exactamente correctos.
  • Tasa de aprobación del documento completo: proporción de documentos que pasan al proceso siguiente sin corrección humana.
  • Tasa de éxito de la salida estructurada: si el JSON devuelto puede analizarse según el esquema acordado.

Exige además estadísticas separadas por tipo de documento, impreso o manuscrito, calidad del escaneo e idioma. El informe de pruebas del proveedor solo sirve como referencia; al final hay que ejecutar un piloto con tus propias muestras, cubriendo los documentos principales y la peor calidad, no solo imágenes de demostración.

5. Revisión humana y tratamiento de excepciones

Ningún OCR es perfecto, y la solución de compra debe incluir revisión humana. La práctica habitual es: el modelo devuelve una confianza y los campos por debajo del umbral entran en una cola de revisión; se añaden reglas de validación para importes, números fiscales y documentos de identidad, como la comprobación de totales y de formato; y los documentos de alto valor usan doble entrada o muestreo.

La revisión no es un fracaso, sino parte del diseño operativo. En la fase de compra hay que estimar la proporción de revisión y las horas de trabajo e incluirlas en el costo total, en lugar de descubrir después del lanzamiento que falta personal. Conserva también la imagen original, el resultado del reconocimiento, el registro de modificaciones y el operador, para formar una cadena de auditoría trazable.

6. Permisos, auditoría y canal alternativo

La integración empresarial debe separar claves por proyecto, aislar producción y pruebas y aplicar el principio de mínimo privilegio; guarda las claves en variables de entorno del servidor o en un servicio de gestión de secretos, rótalas con regularidad y configura alertas de presupuesto y consumo. Los registros de llamadas deben conservar al menos el identificador de solicitud, la hora, el identificador del documento, la duración y el estado para facilitar la conciliación y el diagnóstico.

El canal alternativo también debe diseñarse de antemano: para los documentos centrales, prepara un segundo proveedor o un OCR local de código abierto como degradación; los lotes entran en cola y se reintentan con retroceso; tras fallos consecutivos se abre el circuito y se deriva a revisión humana para evitar escribir resultados erróneos en los sistemas de negocio. Este es un ejemplo mínimo de llamada con timeout:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ZSQH_API_KEY"],
    base_url="https://ai.zhongshangqihang.com/v1",
    timeout=30,
)

resp = client.chat.completions.create(
    model=os.environ["OCR_MODEL"],  # el nombre del modelo se rige por la lista del sitio
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Reconoce el texto de la imagen y devuelve los campos en JSON"},
            {"type": "image_url", "image_url": {"url": "https://example.com/invoice.png"}},
        ],
    }],
)
print(resp.id)  # registra el ID de solicitud para conciliación y diagnóstico
print(resp.choices[0].message.content)

7. Los ocho pasos de la aceptación del piloto

  1. Firma un acuerdo de prueba o de confidencialidad que limite las muestras a esta evaluación.
  2. Selecciona entre 100 y 300 páginas reales que cubran los principales tipos de documento y la peor calidad de escaneo.
  3. Anota manualmente los campos clave con un criterio uniforme y una definición clara de "correcto".
  4. Fija el modelo, la versión y los parámetros, y conserva los registros e identificadores de solicitud.
  5. Calcula la precisión por campo y por segmento, la tasa de aprobación del documento completo, la latencia P95 y la tasa de fallos.
  6. Define umbrales de confianza y mide la proporción de revisión humana y las horas reales.
  7. Haz un simulacro de limitación de velocidad y de fallo para validar el canal alternativo y el tratamiento de la acumulación.
  8. Archiva juntos el informe de evaluación, la cotización, las cláusulas de datos, el contrato y la factura antes de decidir el lanzamiento completo.

Los criterios de aceptación deben fijarse antes del piloto, no interpretarse cuando llegan los resultados. Se recomienda incluir condiciones eliminatorias, por ejemplo: datos sensibles que no cumplen los requisitos de retención, precisión de campos clave por debajo del mínimo del negocio o ausencia de plan de degradación ante fallos.

8. Preguntas frecuentes

Cuando el PDF se cobra por página, ¿cómo se cuenta exactamente una página?

Cada plataforma usa un criterio distinto: algunas cuentan las páginas del archivo, otras convierten primero el PDF en imágenes y luego cuentan, y otras solo cobran las páginas reconocidas con éxito. Si las páginas en blanco, portadas, anexos y cargas de varias imágenes se facturan debe quedar escrito en el contrato o en el pedido.

¿Se puede confiar directamente en la precisión que anuncia el proveedor?

Solo como referencia. Pregunta cómo se compuso la muestra de prueba, cómo se definen los indicadores y qué método estadístico se usó, y ejecuta un piloto con tus documentos reales. Las cifras publicitarias suelen venir de muestras ideales y no necesariamente coinciden con tus documentos.

¿Los datos pueden quedarse en el país?

Depende del modo de despliegue. Una API de nube pública puede procesar los datos en otra región; el despliegue local o el código abierto autoalojado permiten mantenerlos en tu entorno. Antes de comprar, confirma las regiones de almacenamiento y procesamiento y los acuerdos de transferencia internacional, y somételos a revisión legal y de seguridad.

¿Es obligatorio tener dos proveedores?

No necesariamente, pero sí un plan de respaldo. Dos proveedores aumentan el costo de integración y mantenimiento; lo más habitual es uno principal más un OCR local de código abierto o un segundo canal de degradación, con el proceso de cambio probado.

¿Qué tamaño y duración debe tener el piloto?

No hay un estándar único. Lo normal es elegir entre 100 y 300 páginas que cubran los escenarios principales y ejecutar de una a tres semanas, mirando sobre todo la precisión por segmento, las horas de revisión y el comportamiento ante fallos. Una muestra demasiado pequeña o solo de documentos nítidos produce conclusiones demasiado optimistas.

Siguiente paso

Si la empresa necesita pagos en moneda local, facturación unificada y facturas, además de acceso a varios modelos, puede registrarse en ZSQH AI Gateway, validar un piloto con un lote pequeño de documentos y después separar claves y presupuestos por proyecto. La disponibilidad de modelos y los precios se rigen por los precios de modelos.

Lecturas relacionadas: