OCR para notificaciones: leer PDFs escaneados del juzgado

Abres una notificación para copiar el número de procedimiento y pegarlo en tu hoja de plazos. Intentas seleccionar el texto y no puedes: el cursor pasa por encima como si fuera una foto. Lo es. Estás delante de un PDF escaneado, una imagen del documento, no texto. Y en el ámbito judicial es de lo más común: providencias con sello escaneado, diligencias digitalizadas del papel, resoluciones que alguien pasó por el escáner antes de subirlas.

Parece un detalle menor. No lo es. Ese pequeño obstáculo es lo que te condena a transcribir datos a mano: el NIG, las fechas, el plazo, las partes. Y transcribir a mano no solo quita tiempo; introduce errores. Un dígito mal copiado en un NIG o una fecha traspapelada pueden acabar en una notificación mal clasificada o, peor, en un plazo mal contado.

Por qué llegan así

Muchos documentos judiciales se digitalizan escaneando papel, o se generan directamente como imagen. El resultado es un PDF que "se ve" perfectamente pero cuyo contenido no es texto para el ordenador. No puedes buscar dentro, no puedes copiar y una IA no puede leerlo directamente: para el software, ahí solo hay píxeles, no palabras.

Y no es solo cosa de los juzgados. Las notificaciones de la AEAT, la TGSS o el INSS llegan a menudo en el mismo estado, sobre todo cuando el cliente te reenvía una foto del papel o descarga el PDF de una sede y este viene sin capa de texto. Ahí el dato que hay que sacar a mano no es el NIG, sino la referencia del expediente administrativo y la fecha de notificación, que es la que arranca el cómputo. El mismo problema, con otros números.

Esto rompe cualquier intento de automatización. Da igual lo bueno que sea tu sistema procesando notificaciones: si la notificación entra como imagen muda, se queda en la puerta y el trabajo manual vuelve.

Qué es el OCR y qué desbloquea

El OCR (reconocimiento óptico de caracteres) es la tecnología que convierte esa imagen en texto real. Analiza el documento, identifica cada letra y reconstruye el contenido como texto seleccionable y procesable, como si el documento hubiera nacido digital.

Con el texto ya extraído, la notificación deja de ser un callejón sin salida y entra en el flujo completo:

• Se puede resumir para saber de qué trata de un vistazo.
• Se pueden detectar los plazos y las tareas que exige.
• Se puede buscar dentro del documento.
• Se puede vincular al expediente correcto por su NIG.

No todos los OCR rinden igual

Aquí hay un matiz importante. Reconocer texto en un documento limpio y bien escaneado es fácil; casi cualquier motor lo hace. Los documentos judiciales son otra cosa: sellos que se solapan con el texto, membretes, tipografías densas, columnas, firmas y, con frecuencia, escaneos de mala calidad hechos con prisa. Ahí es donde los motores flojos empiezan a inventarse caracteres, y un carácter inventado en el dato equivocado lo estropea todo.

Por eso importa el motor. pleitox usa Google Cloud Vision, uno de los motores de OCR más robustos disponibles, que rinde bien precisamente con este tipo de documentos difíciles. No es magia infalible —ningún OCR lo es—, pero eleva mucho el listón frente a soluciones básicas, y el resultado siempre queda visible para que lo revises.

Cómo lo hace pleitox

No tienes que decidir nada ni marcar ninguna casilla. Cuando reenvías una notificación por email a tu espacio y llega como PDF escaneado o como imagen (JPG, PNG, HEIC), pleitox detecta automáticamente que no hay texto extraíble y aplica el OCR por su cuenta.

A partir de ese momento, la notificación se trata exactamente igual que cualquier otra que hubiera llegado en texto: resumen, identificación del organismo que la emite, cálculo del plazo con el régimen y los festivos que correspondan, generación de tareas con prioridad y vinculación al expediente por NIG —o por la referencia del organismo, si no es judicial—. Tú no haces nada extra. El PDF escaneado deja de ser una excepción molesta y se convierte en un caso más del mismo flujo automático.

Lo que se guarda del PDF (y por qué importa tanto)

Un detalle poco vistoso y con mucha consecuencia: el texto que extrae el OCR se conserva. No se usa para el resumen y se tira: se guarda asociado al documento.

Eso cambia tres cosas:

• No se vuelve a pagar el OCR. Reprocesar una notificación no obliga a repetir el reconocimiento, porque el texto ya está.
• Se puede citar la literalidad. Cuando necesitas lo que dice exactamente la resolución, hay un texto que consultar, no solo un resumen.
• Es buscable. Ese contenido entra en la búsqueda del asistente IA, así que puedes preguntar "¿qué dice la notificación sobre el plazo de subsanación?" y recibir el pasaje con el documento citado.

Antes, un PDF escaneado era un agujero negro dentro del expediente: estaba, pero no se podía consultar. Ahora responde igual que un documento nativo, y el resumen de la IA que se generó al procesarlo también es consultable.

Es la diferencia entre "he leído tu escaneado una vez" y "tu escaneado forma parte del conocimiento del despacho".

Qué cambia en tu día

• Se acaba el copiar datos a mano de documentos que no dejan seleccionar.
• Desaparece una fuente silenciosa de errores de transcripción.
• Las notificaciones escaneadas ya no se quedan fuera de tu sistema.
• El trabajo mecánico lo hace la máquina; la lectura jurídica sigue siendo tuya.

Que una notificación venga escaneada es un accidente del formato, no debería marcar tu día. Con un OCR robusto y automático, deja de importarte si el juzgado te manda texto o una foto: entra igual.

Que un PDF escaneado no te obligue a transcribir a mano. Prueba pleitox gratis — 60 días, sin tarjeta, con tus propios casos.