Lea una dirección coreana y los detalles de un pedido
desde una captura de pantalla de chat de KakaoTalk

Lo que realmente contiene una captura de pantalla de un pedido de KakaoTalk

KakaoTalk es la plataforma de mensajería dominante en Corea del Sur, utilizada por más de 46 millones de personas en un país de 52 millones. Cuando un cliente coreano realiza un pedido a una pequeña empresa —un restaurante que hace un pedido al por mayor de alimentos, un revendedor que pide productos de belleza, un proveedor que confirma materias primas— toda la transacción suele ocurrir dentro de KakaoTalk. El cliente envía su dirección, enumera los artículos que desea y, a menudo, también paga a través de KakaoPay, generando una tarjeta de confirmación de pago con estilo que aparece en el mismo hilo de chat.

Una sola captura de pantalla de esta conversación puede contener:

• Burbujas de chat de texto plano con la dirección del cliente en coreano, escrita en el sistema de nombre de calle (도로명주소) o en el sistema de número de parcela (지번주소)
• Detalles del pedido — nombres de productos (상품명), cantidades (수량) y, opcionalmente, precios y solicitudes especiales, todo en coreano conversacional
• Una tarjeta de pago de KakaoPay — una tarjeta de interfaz visualmente distintiva con un acento verde, que muestra el monto total pagado, el nombre del comerciante y una insignia de estado de la transacción
• Una ubicación compartida de KakaoMap — una tarjeta de vista previa que muestra una miniatura del mapa y el texto de la dirección cuando el cliente comparte su ubicación a través del servicio de mapas integrado de la aplicación
• Elementos visuales de la interfaz — la barra de título de la sala de chat que muestra el nombre de la otra persona, la marca "KakaoTalk", las marcas de tiempo, los recibos de lectura y el área de entrada de mensajes

Cada uno de estos elementos tiene un formato visual diferente —texto plano, tarjeta con estilo, miniatura de mapa—, sin embargo, los datos que usted necesita (la dirección y los detalles del pedido) se distribuyen entre todos ellos. Una herramienta de OCR tradicional lee la imagen completa como un solo bloque de texto, produciendo una cadena de texto sin procesar con una mezcla de hangul, números y etiquetas de interfaz que luego debe clasificar manualmente. El desafío no es que la dirección sea difícil de leer —está claramente escrita en coreano—. El desafío es distinguirla de todo lo demás que aparece en la pantalla.

El problema de la doble dirección: 도로명주소 vs 지번주소

Corea del Sur es uno de los pocos países del mundo donde dos sistemas de direcciones operan en paralelo. El sistema oficial es la Dirección de Nombre de Calle (도로명주소, Doro-myeong-juso), introducida en julio de 2011 y adoptada completamente en enero de 2014. Bajo este sistema, las direcciones siguen un formato lógico basado en calles: provincia o ciudad → distrito → nombre de calle → número de edificio. Una dirección de nombre de calle típica se ve así:

서울특별시 강남구 테헤란로 123
(Seúl, Gangnam-gu, Teheran-ro 123)

Pero la más antigua Dirección de Número de Parcela (지번주소, Jibeon-juso) sigue en uso generalizado. Este sistema se basa en números de parcelas de tierra en lugar de nombres de calles, y produce direcciones que se ven completamente diferentes:

서울특별시 강남구 역삼동 123-45
(Seúl, Gangnam-gu, Yeoksam-dong 123-45)

Ambas direcciones pueden referirse al mismo edificio exacto. Naver Maps y KakaoMap muestran ambas versiones una al lado de la otra para cualquier ubicación determinada. En un chat de KakaoTalk, un cliente coreano podría enviar su dirección en cualquiera de los dos formatos — el que le resulte más cómodo o el que aparezca en sus documentos oficiales. Una persona escribe "서울시 마포구 서교동 456-7" (parcela de tierra), mientras que otra escribe "서울시 마포구 와우산로 29길 45" (nombre de calle) para el mismo vecindario.

Esta realidad de doble sistema crea un problema para cualquier método de extracción que espere un único formato de dirección. Una herramienta basada en plantillas configurada para buscar "Nombre de Calle + Número de Edificio" no reconocerá una dirección de parcela de tierra cuando la encuentre en una captura de pantalla. Por el contrario, una herramienta programada para extraer patrones numéricos de "동(Dong) + 번지(Beonji)" pasará por alto las direcciones de nombre de calle. El cliente no va a estandarizar el formato de su dirección por usted — simplemente la escribe como la conoce. Un método de extracción que entienda ambos sistemas por su estructura semántica, y no solo por su diseño visual, es la salida práctica de este dilema.

Tres escenarios comunes de pedidos en KakaoTalk

La composición visual de la captura de pantalla cambia según cómo el cliente realizó su pedido y si se efectuó un pago a través de KakaoPay. Cada escenario presenta consideraciones de extracción ligeramente diferentes.

Escenario 1: Dirección y detalles del pedido en burbujas de chat de texto plano

El escenario más común: el cliente escribe su dirección y pedido directamente en el chat como mensajes de texto normales. La conversación podría verse así:

Cliente: "네, 주문할게요. 김치찌개 3개, 제육볶음 2개 주세요."
(Sí, me gustaría hacer un pedido. 3 kimchi jjigae, 2 jeyuk bokkeum, por favor.)
Cliente: "주소는 경기도 성남시 분당구 정자동 178-3번지 203호입니다."
(La dirección es 203-ho, 178-3 Jeongja-dong, Bundang-gu, Seongnam-si, Gyeonggi-do.)

La dirección aparece en formato de número de parcela (정자동 178-3) con un número de unidad (203호). Los artículos del pedido se enumeran por separado en un mensaje anterior. Ambas informaciones están en texto plano —sin tarjetas, sin compartir mapas— pero están en coreano conversacional, no en campos de formulario etiquetados. Una herramienta de OCR tradicional generaría "네, 주문할게요. 김치찌개 3개, 제육볶음 2개 주세요." como una sola cadena continua junto con el texto de la dirección, dejándole la tarea de separar manualmente los artículos del pedido de la dirección.

Con la extracción semántica basada en columnas, usted define dos columnas — Dirección de envío (배송지) y Artículos del pedido (주문 상품) — y el motor lee la captura de pantalla sabiendo que busca dos informaciones distintas dentro del mismo texto del chat. Encuentra la dirección reconociendo la estructura de la dirección coreana (provincia → ciudad → distrito → número de parcela → unidad) e identifica los artículos del pedido por sus marcadores de cantidad numérica y patrones de nombre de producto, generando cada uno en su columna correcta sin mezclarlos.

Escenario 2: Dirección con una tarjeta de pago de KakaoPay

KakaoTalk está profundamente integrado con KakaoPay, la billetera digital líder de Corea. Cuando un cliente paga a través de KakaoPay dentro del chat, aparece una tarjeta de confirmación de pago directamente en la conversación. La tarjeta tiene una identidad visual distintiva: una tarjeta de fondo blanco o claro con el característico acento amarillo-verde de Kakao, que muestra el monto total en texto grande y negrita, el nombre del comercio, una marca de tiempo de la transacción y una insignia de estado ("결제완료" — pago completado).

Esta tarjeta es un elemento de interfaz de usuario independiente que se sitúa entre las burbujas de texto. Contiene el monto del pago y la confirmación de la transacción, pero no contiene la dirección de envío ni los artículos del pedido. Estos permanecen en las burbujas de texto encima o debajo de la tarjeta. La captura de pantalla ahora contiene dos formatos visuales completamente diferentes —texto de chat plano y una tarjeta de pago estilizada— en la misma imagen.

Un motor de extracción basado en columnas construido sobre IA visual interpreta toda la captura de pantalla como una escena compuesta. Reconoce la tarjeta de pago como "una confirmación de KakaoPay" y extrae el monto en una columna de Monto del pago (결제 금액) si usted define una, mientras lee por separado las burbujas de texto para la información de la dirección y el pedido. El OCR tradicional, por el contrario, lee el texto de la tarjeta y el texto del chat en un solo flujo indiferenciado —"결제완료" de la etiqueta de la tarjeta aparece justo al lado de la dirección en el resultado.

Este es el mismo principio que se aplica a las capturas de pantalla de pago en otras plataformas: la confirmación del pago y los detalles de la transacción son elementos visualmente distintos en la imagen, y el método de extracción debe reconocer el rol de cada uno en lugar de leer todo el texto como igual.

Escenario 3: Dirección compartida mediante tarjeta de ubicación de KakaoMap

KakaoTalk permite a los usuarios compartir su ubicación actual o una dirección fijada a través de KakaoMap. Cuando alguien pulsa el botón de compartir ubicación, aparece una tarjeta de vista previa en el chat que muestra un mapa en miniatura, la dirección en texto debajo del mapa y el nombre del lugar si el usuario fijó una ubicación con nombre. El texto de la dirección en esta tarjeta se muestra en un tamaño de letra pequeño dentro de una vista previa compacta, y puede estar escrito en cualquiera de los dos formatos de dirección, según el sistema que muestre la interfaz del mapa.

Este escenario presenta un caso de extracción más complejo. La dirección está presente en la imagen, pero aparece en un tamaño de letra pequeño dentro de una tarjeta que ocupa solo una parte de la captura de pantalla. Si el texto de la tarjeta del mapa queda parcialmente cortado por los bordes de la vista previa, o si la captura se tomó antes de que la tarjeta del mapa se cargara por completo, la dirección visible puede estar incompleta. Además, KakaoMap muestra por defecto la dirección de nombre de calle (도로명주소) en su vista previa, por lo que incluso si el cliente conoce su dirección como número de parcela (지번주소), es probable que la tarjeta compartida muestre el equivalente en nombre de calle, lo que significa que el formato puede diferir del que el cliente escribió en mensajes anteriores.

A efectos de extracción, la tarjeta de KakaoMap sigue siendo legible siempre que el texto de la dirección sea visible y no esté truncado. Defina la columna como lo haría para una dirección en burbuja de texto, y el motor lee el texto dondequiera que aparezca en la imagen, ya sea dentro de una burbuja de chat o en una tarjeta de mapa. El riesgo es el truncamiento: si la captura de pantalla solo muestra la mitad superior de la tarjeta del mapa, la línea de dirección en la parte inferior puede quedar cortada. Una captura de pantalla de altura completa que incluya toda la tarjeta de arriba a abajo evita este problema.

Cómo maneja la extracción semántica las direcciones coreanas

La clave para trabajar con capturas de pantalla de pedidos de KakaoTalk es el mismo principio que se aplica a cada escenario de extracción de capturas de chat: no es necesario indicarle al motor qué formato de dirección esperar ni dónde mirar en la pantalla. Usted define las columnas que desea — Dirección de envío (배송지), Productos pedidos (주문 상품), Cantidad (수량), Monto del pago (결제 금액) — y la IA lee cada captura de pantalla como una escena visual completa, localizando los datos de cada columna al comprender qué significan y dónde suelen aparecer en una conversación de KakaoTalk.

Esto es fundamentalmente diferente de la extracción basada en plantillas o en posiciones. Un enfoque tradicional requeriría especificar: «la dirección está en la burbuja de chat, el monto está en la tarjeta de pago verde, los productos están en el mensaje anterior». Cualquier desviación — un cliente que envía primero los productos y luego la dirección, una tarjeta de KakaoPay que aparece encima de la lista de productos en lugar de debajo — rompe el diseño predefinido. La extracción semántica no depende de posiciones fijas ni de diseños de página porque interpreta el contenido, no las coordenadas.

Para las direcciones coreanas en particular, esto significa que el motor puede reconocer tanto el formato de nombre de calle («서울시 강남구 테헤란로 123») como el formato de número de parcela («서울시 강남구 역삼동 123-45») como direcciones, porque ambos siguen patrones estructurales internos que el modelo ha aprendido (jerarquía de regiones administrativas + identificadores numéricos). No es necesario indicarle cuál esperar: lee el formato que haya usado el cliente y coloca el resultado en la columna «Dirección de envío».

Qué puede extraer y cuáles son los límites

Para una captura de pantalla típica de un pedido de KakaoTalk, un conjunto de columnas bien definido le proporciona los siguientes datos de forma fiable:

Existen limitaciones que vale la pena señalar con claridad. Si la dirección aparece solo dentro de una tarjeta de ubicación compartida de KakaoMap y el texto de la tarjeta está truncado en la captura, obtendrá una dirección parcial. Si los detalles del pedido del cliente están distribuidos en varios mensajes consecutivos y la captura solo incluye las últimas tres burbujas, es posible que no aparezca la lista completa del pedido. Si el cliente envía la dirección y la información del pedido en mensajes separados con chats no relacionados de por medio, el resultado podría incluir texto de relleno en la misma columna si es estructuralmente ambiguo.

Estas son limitaciones de la captura visual, no de la extracción. La solución para todas ellas es la misma: tome la captura de pantalla lo suficientemente amplia como para incluir todos los mensajes relevantes y defina columnas que coincidan con los datos que realmente necesita. La IA trabaja con lo que contiene la imagen; no inventa datos faltantes.

Preguntas Frecuentes