Referencias
Referencias de datos y definiciones de terminología para IA documental. Cada página está verificada en la fuente y diseñada para ser citada.
Estadísticas
Receipt v1.1: docTR vs Docling en recibos fijos de SROIE y CORD; distancia de texto normalizada, F1 de campos tras posprocesado, rendimiento por lotes y coste de GPU.
Recibos v1.1: docTR vs Surya2 en 361 recibos SROIE y 100 CORD; diagnósticos de distancia de texto, F1 de valor de campo con postprocesado, tiempos por lotes y coste de GPU.
Receipt v1.1: docTR lidera el F1 de campo con LLM en SROIE y el rendimiento por lotes; EasyOCR lidera el F1 con regex en SROIE y el rendimiento por lotes en CORD. Métodos y fuentes.
Benchmark de recibos: las estimaciones disponibles para GPU RTX 4090 abarcan de $0.0479 a $1.0609 por 1,000 páginas de SROIE a $0.76/hora histórico. Se explican los límites de tiempo y el alcance de CPU.
La solicitud de OCR de recibos p50 abarca 108,7–2668,0 ms en SROIE. Ocho ejecuciones retenidas de motores CPU/GPU; se explican p95, el rendimiento de pared aceptado y los límites de tiempo.
Receipt v1.1 compara PaddleOCR y EasyOCR en SROIE y CORD: distancia de texto normalizada, F1 de campos con regex y LLM, rendimiento por lotes y coste de GPU.
Benchmark propio: el postprocesamiento con LLM supera a regex en la extracción de campos de recibos, F1 por campo para 8 modelos OCR en SROIE + CORD, con metodología incluida.
Receipt v1.1 compara tres VLM en las puntuaciones de campos de SROIE y CORD, la latencia de solicitud y el coste histórico de GPU; faltan el wall y el coste de SROIE de Unlimited-OCR.
Recibos v1.1: Tesseract vs PaddleOCR en 361 recibos SROIE y 100 CORD; distancia de texto normalizada, F1 de campos, tiempo de ejecución faltante, alcance del costo de CPU.
Benchmark propio: 8 motores OCR de código abierto vs VLM de análisis de documentos en 361 recibos SROIE + 100 CORD — CER, F1 de campo, latencia, costo. Metodología incluida.
Benchmark de recibos: el CER normalizado de SROIE y el F1 de campo miden objetivos distintos. El CER de página completa de CORD no es aplicable. Se explican las limitaciones de puntuación y del pipeline.
Benchmark de primera parte de 5 modelos de OCR de código abierto en 461 recibos (SROIE + CORD): CER, WER, F1 de campo, latencia, costo por 1.000 páginas.
Tasas de excepciones en la automatización de documentos: 9 % mejor en su clase frente al 22 % promedio, causas raíz, costos de revisión y compensaciones de umbral con todas las fuentes citadas.
Evaluaciones comparativas independientes sobre el costo de procesamiento de documentos por registro: manual $8-16, plantilla $2-5, IA desde $0.02/página. Por tipo de documento, tamaño y geografía.
Datos de precisión de OCR de escritura manual: IAM CER 1.2-1.7%, árabe 8.9-16%, histórico 71-82%. Desglosado por escritura, modelo y tipo de documento. 15 fuentes citables.
Referencias sobre el tiempo de procesamiento de facturas: 12,5 min de gestión manual frente a un ciclo de 9,2 días, según método, complejidad y etapa, con todas las fuentes para citar.
Parámetros de referencia independientes sobre el ROI de la automatización de la entrada de datos: recuperación en 3-12 meses, ahorros del 60-80%, volumen de equilibrio, además de una fórmula para modelar su retorno.
Referencias independientes sobre la precisión del OCR por tipo de documento: 99,2-99,8 % en PDF digitales, 98-99 % en escaneos, 46-95 % en escritura a mano, TEDS en tablas. 15 fuentes citables.
Precisión de OCR en recibos según condición y campo: 90%+ en escaneos limpios, 55-73% en papel térmico descolorido, 67-69% en fotos con teléfono. Totales 95-99%, comercios 73-88%. 14 fuentes.
Referencias independientes sobre tasas de error en la entrada manual de datos: 1-4% a nivel de campo, hasta 40% a nivel de registro, según tipo de documento, industria y rol.
Definiciones
La captura de datos convierte papel, escaneos, PDFs y fotos en datos legibles por máquina. Cómo funciona, sus tipos y conceptos erróneos.
ICR es un reconocimiento de caracteres basado en aprendizaje automático para texto manuscrito con letras separadas. Cómo evolucionó a partir del OCR, las diferencias entre ICR, OCR e IWR, y dónde se utiliza.
La Extracción de información clave (KIE) extrae campos como números de factura y fechas de documentos para convertirlos en datos estructurados. Cómo funciona, límites y conceptos erróneos.
Un PDF con búsqueda es un escaneo con una capa de texto OCR invisible: puedes seleccionar, copiar y usar Ctrl+F en el texto. Cómo funciona, reglas de PDF/A y errores comunes.
La precisión a nivel de campo cuenta los campos extraídos correctamente; la precisión a nivel de carácter cuenta los caracteres leídos correctamente. Una precisión de caracteres del 99 % no significa que el 99 % de los datos sean correctos.
El IDP es software de IA que captura, clasifica, extrae y valida datos de documentos. Cómo funciona, su evolución del OCR a los LLM y conceptos erróneos.
La tasa de STP mide la proporción de documentos procesados sin intervención manual: promedio del sector 32 %, mejor de su clase 49 %, IA 60-80 %. Fórmula y conceptos erróneos.
El OCR convierte imágenes de texto impreso, manuscrito o mecanografiado en datos legibles por máquina. Cómo funciona, los 4 tipos de OCR, su historia y casos de uso.