Capturas de pantalla de pago en KakaoTalk:
Extrae el importe (금액) y el número de cuenta bancaria (계좌번호)

Qué muestra realmente la tarjeta de pago de KakaoTalk

Hay dos formas comunes en que aparece la información de pago en una conversación de KakaoTalk, y visualmente son bastante diferentes — precisamente por eso tratarlas como "una simple captura de chat" no da en el clavo.

Escenario uno: la tarjeta de transferencia de KakaoPay (송금 카드). Cuando alguien envía dinero a través de KakaoTalk, la app genera una tarjeta visual incrustada en el hilo del chat. Muestra el importe (금액) en wones coreanos, los nombres del remitente (보낸분) y del destinatario (받는분), y la hora de la transacción. Debajo de la tarjeta, un botón "Reclamar" permite al destinatario aceptar el dinero en su saldo de KakaoPay. La tarjeta es un componente visual independiente con un fondo distintivo y esquinas redondeadas — claramente separada de los mensajes de texto que la rodean.

Escenario dos: datos bancarios escritos en el chat. El otro caso común es alguien escribiendo su información bancaria directamente en un mensaje. Un ejemplo típico: "은행명: 국민은행 / 예금주: 김철수 / 계좌번호: 123456-78-901234" (Banco: KB Kookmin / Titular: Kim Cheol-su / Número de cuenta: 123456-78-901234). Sin tarjeta estructurada, sin campos resaltados — solo texto plano en la conversación. El importe puede estar en el mismo mensaje o acordarse por separado. Los números de cuenta siguen las convenciones bancarias coreanas — de 10 a 14 dígitos con guiones — y el nombre del banco casi siempre aparece junto a ellos.

Ambos escenarios comparten el mismo problema central para cualquiera que intente registrar la transacción: la información está atrapada dentro de una captura de pantalla. La tarjeta de KakaoPay no es un recibo descargable — es un componente del chat que desaparece de la vista una vez que el chat se desplaza. El mensaje con los datos bancarios es solo una línea de texto incrustada en una conversación más larga. En ambos casos, el único registro práctico es lo que captures en pantalla.

Por qué las capturas de chat necesitan un enfoque diferente al OCR

Las herramientas de OCR tradicionales funcionan bien cuando un documento tiene un diseño predecible: una factura coloca el total en la esquina inferior derecha, un recibo tiene la fecha en la parte superior. El motor de OCR lee todos los caracteres y se basa en coordenadas fijas para determinar qué texto pertenece a qué campo. Una captura de KakaoTalk no tiene nada de esa previsibilidad. La tarjeta de pago aparece en medio de un hilo de chat cuya longitud varía cada vez. El mensaje de la cuenta bancaria podría ser el segundo mensaje de la conversación o el quincuagésimo. El texto circundante (emojis, stickers, nombres de perfil, marcas de tiempo) crea ruido visual que un sistema basado en coordenadas no puede filtrar.

El modo de fallo práctico es el siguiente: una herramienta de OCR escanea una captura de KakaoTalk que contiene tanto una tarjeta de pago que muestra "₩50,000" como un mensaje de texto que menciona "5명" (cinco personas). Devuelve ambos números y el usuario tiene que decidir cuál es el importe. El mismo problema se aplica a los números de cuenta: una cadena de 11 dígitos junto a un número de teléfono, y el OCR no puede distinguirlos porque no entiende lo que significa cada cadena.

Los modelos visuales de lenguaje abordan la misma captura de pantalla de manera diferente. En lugar de leer todos los caracteres por coordenadas, un VLM procesa el contexto visual completo: "₩50,000" está dentro de una tarjeta redondeada con un fondo distintivo, flanqueada por una foto de perfil y un botón "Reclamar": la IA reconoce esto como un importe de pago. "123456-78-901234" aparece junto a "은행명: 국민은행": lo identifica como un número de cuenta. La diferencia es la comprensión semántica: la IA se pregunta "¿qué tipo de información es esta?" en lugar de "¿en qué coordenadas está este carácter?".

Esta distinción es especialmente importante para KakaoTalk porque los pagos ocurren dentro de un entorno de chat visualmente rico. Los stickers, las imágenes de perfil, los emojis de Kakao Friends y los colores de las burbujas de chat crean una variedad que un sistema basado en plantillas no puede programar de antemano. Un VLM lee lo que sea que vea.

Extraer el importe y el número de cuenta

Así es como funciona el flujo de trabajo. Toma una captura de pantalla de KakaoTalk y súbela a una herramienta que admita Extracción de Columnas Personalizadas. Define dos columnas: Importe y Número de cuenta bancaria. Eso es todo — sin plantillas, sin muestras de entrenamiento, sin dibujar zonas. La IA escanea la captura de pantalla e identifica el importe de la transferencia (prefijado con ₩ o el sufijo coreano "원") y el número de cuenta (10–14 dígitos con guiones, a menudo precedido por "계좌번호"). Ambos valores aparecen en la misma fila de tu tabla de resultados.

Si tienes un lote de capturas de pantalla de KakaoTalk — confirmaciones de pago de varios clientes durante un mes — súbelas todas de una vez. Cada captura se convierte en una fila. La IA no depende de que el número de cuenta aparezca en la misma posición en cada captura, porque en una puede ser el tercer mensaje y en otra el primero. Se basa en la etiqueta y el contexto visual — un enfoque que funciona independientemente de dónde aparezca la información en la conversación.

Algunas limitaciones que vale la pena mencionar claramente. Si la captura de pantalla corta parte de la tarjeta de KakaoPay — por ejemplo, solo la mitad superior que muestra el importe pero no la confirmación completa — el número de cuenta o el nombre del destinatario pueden faltar en la imagen, y la IA solo puede extraer lo que es visible. Para los números de cuenta bancaria escritos en el chat, la precisión depende de que la captura incluya tanto la etiqueta (계좌번호 o 계좌) como los dígitos juntos — si solo se ve la cadena numérica sin contexto, la IA aún puede identificarla como una secuencia numérica, pero con menos certeza de que sea específicamente un número de cuenta en lugar de un número de teléfono. Estas son limitaciones del material de origen, no del método de extracción.

Para una visión más amplia de cómo se comparan las capturas de pantalla de pago de diferentes aplicaciones — incluyendo los paralelismos entre la tarjeta de pago de KakaoTalk y la tarjeta LINE Pay de LINE — consulta nuestra comparación de extracción de pagos de chat de LINE. Y para los detalles de dirección y pedido que a menudo acompañan a una conversación de pago, la guía de dirección y detalles de pedido de KakaoTalk cubre la otra mitad de lo que suelen contener las capturas de pantalla de chat.

Qué puedes hacer con estos dos números una vez que están en tu hoja de cálculo

Tener el importe y el número de cuenta bancaria en una fila de la hoja de cálculo es más útil de lo que parece, porque estos dos campos juntos cubren las necesidades posteriores más comunes.

Registrar un pago recibido. Los autónomos y pequeños empresarios en Corea suelen recibir pagos a través de KakaoPay, seguidos de un mensaje con el número de cuenta del cliente para futuras transferencias. Tener ambos campos extraídos significa poder conciliar con una factura sin tener que rebuscar en el historial del chat cada vez.

Dividir gastos compartidos (n빵). KakaoTalk es donde se resuelven las cuentas de cenas en grupo, gastos de viajes y compras compartidas: alguien paga y envía el total al chat grupal, y luego los demás transfieren su parte. Si eres tú quien lleva el control de quién pagó qué en varias salidas grupales, una hoja de cálculo con los importes extraídos te permite totalizar sin tener que releer cada mensaje del chat. El número de cuenta importa menos aquí, pero el importe es el campo crítico.

Crear un registro de pagos para impuestos o contabilidad. Para los autónomos que operan a través de KakaoTalk — algo común en la economía colaborativa coreana — un registro mensual de los importes recibidos, cotejados con la cuenta bancaria de cada cliente, proporciona un rastro de ingresos verificable. Esto no es un comprobante fiscal (Corea exige una 세금계산서 — factura fiscal — para las deducciones oficiales), pero son los datos brutos para cotejar con tus facturas fiscales entrantes.

Lo que conecta todos estos escenarios es el volumen. Una sola captura de pantalla es fácil de manejar manualmente. Diez o veinte al mes — de diferentes clientes, salidas grupales e importes — es donde la fricción se acumula. Cada captura requiere abrir la imagen, leer los números, escribirlos en una hoja de cálculo y verificar que no has intercambiado un dígito en el número de cuenta (un riesgo real con los formatos de cuenta bancaria coreanos que incluyen guiones). Un flujo de trabajo de extracción elimina por completo el paso de la transcripción.

Para ver una comparación detallada de cómo LINE maneja sus confirmaciones de pago — incluyendo la tarjeta de pago al estilo japonés con 支払方法 (método de pago) y 取引ID (ID de transacción) — consulta la guía de capturas de pantalla de pagos de LINE chat. Y para el concepto más amplio de cómo las capturas de pantalla de pagos de aplicaciones de mensajería se pueden extraer como datos estructurados, el artículo sobre WeChat Pay cubre el argumento principal: una captura de pantalla de pago no es un recibo, pero los importes se obtienen limpiamente.

Preguntas Frecuentes

¿Qué pasa si la captura de pantalla está completamente en coreano? ¿La extracción sigue funcionando?

Sí. Los modelos visuales de lenguaje procesan el texto en el idioma en que aparezca: los caracteres coreanos (Hangul) se manejan de forma nativa, no a través de un proceso OCR separado. El campo de importe se expresa como un valor numérico con el símbolo ₩ o el sufijo coreano "원", y el número de cuenta bancaria es una cadena numérica; ambos son campos independientes del idioma que la IA identifica por el contexto visual y las etiquetas circundantes. El nombre del banco (은행명) y el titular de la cuenta (예금주) se extraerán tal como están escritos en coreano, que es exactamente lo que necesitas para tu registro; no se requiere traducción.

¿La extracción funciona de manera diferente para la tarjeta de KakaoPay en comparación con un mensaje de texto con datos bancarios?

El mecanismo subyacente es el mismo, pero las señales visuales difieren. Para la tarjeta de KakaoPay, la IA identifica el importe por el contenedor visual distintivo de la tarjeta — un rectángulo redondeado con un encabezado de color — que la separa de los mensajes de chat circundantes. Para los datos bancarios escritos en texto, la IA se basa más en las etiquetas (계좌번호, 은행명) que preceden a los dígitos. Ambos enfoques utilizan comprensión semántica en lugar de coordenadas, por lo que funcionan independientemente de dónde aparezca la información en el chat. Si estás extrayendo de un mensaje de texto, asegurarte de que la captura incluya tanto la etiqueta como el número juntos le da a la IA la señal más fuerte.

¿Funciona esto para todos los bancos coreanos?

Sí. Los números de cuenta bancaria coreanos siguen un formato consistente independientemente del banco — típicamente de 10 a 14 dígitos con uno o dos guiones. Ya sea que la cuenta sea de KB Kookmin, Woori, Shinhan, Hana, NongHyup o KakaoBank, la estructura numérica es similar, y el nombre del banco casi siempre se incluye junto al número de cuenta en el mensaje de chat. La IA no necesita saber a qué banco pertenece la cuenta — identifica la cadena como un número de cuenta por su longitud, patrón de agrupación de dígitos y la etiqueta que la precede.

¿Puedo procesar varias capturas de KakaoTalk a la vez?

Sí. Sube todas las capturas — tarjetas de pago, mensajes bancarios o una mezcla de ambos — y la IA crea una fila por captura en una sola tabla de resultados. Las capturas que solo contienen una tarjeta de pago sin número de cuenta dejan esa celda vacía. Esto es especialmente útil para consolidar un mes de capturas de pago de KakaoTalk al cierre del mes para conciliación o registro.

¿Esto es solo OCR con mejor entrenamiento?

No. El OCR tradicional lee todo el texto visible y lo devuelve como un bloque — no puede distinguir el importe de un número de teléfono sin una plantilla que le indique dónde está cada campo. Un modelo visual de lenguaje lee la captura como un todo e identifica los campos por lo que significan, no por dónde aparecen. Por eso funciona en una tarjeta de pago de KakaoTalk sin ninguna configuración — la comprensión semántica no es una característica de conveniencia para capturas de chat, es un requisito.