Escaneo, foto o PDF: requisitos de calidad del archivo para validar documentos

Los requisitos de calidad de escaneo de un documento se reducen a tres preguntas: si cada carácter es legible, si la página entera está en el encuadre y si el archivo está completo y desbloqueado. Un escaneo plano de unos 150 DPI o más, un documento por archivo, todas las páginas presentes y derechas, cumple lo que documentan la mayoría de los motores de extracción de texto. Por debajo de eso, devuelva el archivo al solicitante con una petición concreta, en lugar de lanzar una validación que fallará o, peor, devolverá valores erróneos con una confianza engañosa.

Este artículo es informativo y no constituye asesoramiento jurídico. Las cifras proceden de documentación de proveedores consultada el 14 de octubre de 2026 y describen esos productos, no CheckFile. Consulte a un profesional cualificado para decisiones sobre un caso concreto.

Qué significa «legible» para un archivo

Un archivo es legible cuando un programa recupera el texto impreso y los campos sin adivinar. Depende de la resolución, el encuadre, la orientación y la estructura del archivo, no de cómo lo ve una persona. Una foto nítida en pantalla puede fallar si el texto mide pocos píxeles de alto.

La guía de buenas prácticas de Amazon Textract recomienda imágenes de alta calidad, idealmente de al menos 150 DPI, y desaconseja convertir o reducir la resolución de un archivo que ya es PDF, TIFF, JPEG o PNG antes de subirlo (AWS, buenas prácticas de Amazon Textract). El segundo punto importa en la recepción: un portal que reduce en silencio cada subida para ahorrar almacenamiento puede degradar archivos que estaban bien.

Microsoft documenta umbrales parecidos para su modelo Read, la capa OCR bajo sus modelos preconfigurados de identidad, facturas y recibos. Las cifras siguientes son límites de proveedores, no reglas universales ni límites de CheckFile.

Fuente de la columna de Microsoft: Microsoft Learn, modelo Read de Document Intelligence, requisitos de entrada. Ambas páginas están versionadas y cambian; revíselas antes de copiar una cifra a sus reglas de recepción.

Pedir de nuevo, reescanear o revisión manual: la tabla de decisión

La regla más útil para un equipo de recepción es decidir por tipo de defecto, no por archivo. Cada defecto lleva a una de tres acciones: pedir un archivo nuevo, pedir un reescaneo con instrucciones precisas, o conservar el archivo y pasarlo a una persona.

El patrón: un defecto que destruye información exige una nueva petición, uno que solo la oculta al programa exige un reescaneo, y uno que requiere criterio exige revisión manual.

Tres ejemplos sintéticos

Estos casos son inventados para mostrar la decisión; ninguno procede de un expediente de cliente.

Ejemplo 1, la nómina cortada. Una persona envía una foto de la nómina. La línea del neto a percibir está en el borde inferior y falta el último dígito. El lector devuelve «2 41» con baja confianza. Acción: pedir una nueva foto con la página entera y margen visible en los cuatro lados. No aceptar el valor parcial.

Ejemplo 2, el extracto bancario de dos páginas enviado como una. El PDF tiene una página; el pie dice «página 1/2». Acción: pedir la página 2. Es ante todo un problema de integridad.

Ejemplo 3, el PDF bloqueado de un portal de empresa. El archivo se abre con una contraseña que la persona conoce y su sistema no. Acción: pedir una exportación desbloqueada o una copia impresa a PDF. Nunca pida la contraseña por mensaje.

Decir a los solicitantes qué hacer

Los solicitantes fallan sobre todo por instrucciones vagas. Una lista enviada con la petición reduce las idas y vueltas, aunque no se pueda prometer una cifra.

• Escanear en plano, al menos 150 DPI, en color, un documento por archivo.
• Para una foto: luz natural, página sobre fondo oscuro y plano, móvil paralelo, encuadre lleno con un pequeño margen.
• Enviar todas las páginas, en orden, derechas.
• No fotografiar una pantalla; enviar el PDF original.
• Quitar la contraseña antes de enviar, o avisar de que el archivo está protegido.
• No recortar ni aplicar filtros.

En los foros se repiten las mismas preguntas: si una foto de móvil vale como un escaneo, si se acepta una captura de una nómina en línea y por qué se rechaza un PDF perfectamente legible. Las respuestas honestas: una buena foto suele bastar, una captura es más débil que el archivo original, y un rechazo suele deberse a un límite técnico (tamaño, bloqueo, dimensiones) más que al contenido.

Umbrales de confianza y respaldo humano

Un control de calidad es solo la mitad de la recepción; la otra mitad decide qué hacer con las extracciones dudosas. Las pautas de Textract indican que los procesos con decisiones financieras pueden exigir umbrales de confianza del 90 % o más, y que los resultados por debajo del umbral deben descartarse o marcarse para revisión humana (AWS, usar puntuaciones de confianza).

En la práctica, fije un umbral por tipo de campo, no por archivo. Un nombre o una fecha bajo el umbral pasa a una persona; una línea de dirección libre tolera uno más bajo. Registre el umbral aplicado.

Conservar el original, y legible no significa auténtico

Guarde el archivo tal como llegó, con marca de tiempo, y trabaje sobre copias. Si un reescaneo sustituye a un archivo defectuoso, conserve ambos y enlácelos. Así una disputa posterior sobre lo que envió la persona se resuelve sin apoyarse en una imagen retocada.

Legible no significa auténtico. El escaneo nítido de un documento falsificado supera todos los controles de calidad aquí descritos. La clasificación por calidad prepara un expediente para la validación; no comprueba la autenticidad de un documento ni debe presentarse así. Si la autenticidad preocupa, trátela como un control aparte.

Recoger más de lo necesario es un riesgo en sí: un reescaneo no debe servir de pretexto para pedir documentos adicionales. Se aplica la minimización de datos del artículo 5, apartado 1, letra c del RGPD, y la AEPD publica sus criterios. Cuando hay un control legal de por medio, siga el procedimiento propio; un buen escaneo no lo sustituye.

Dónde encaja en el flujo de validación

La calidad del archivo es el paso cero. Después vienen la integridad (¿están todos los documentos?), la vigencia (fechas, caducidad, registros) y la coherencia (nombres, direcciones e importes concuerdan entre documentos). Para la relación entre extracción y esos controles, lea Validación cruzada de documentos: más allá del OCR y el IDP y la comparativa Mejor software OCR para verificación de documentos. El método general está en la guía de verificación de documentos.

Los equipos operativos que reúnen documentos de candidatos o proveedores pueden ver cómo se organizan estos controles en la página de precios y el tratamiento de datos en la de seguridad. Los controles comparan campos, fechas y registros entre documentos; no prueban que un documento sea auténtico.

Preguntas frecuentes

¿Qué requisitos de calidad de escaneo se piden para validar?

Un archivo plano, derecho y completo, con todas las páginas, un documento por archivo y texto suficientemente grande; los proveedores lo expresan como unos 150 DPI o una altura mínima de 12 píxeles en 1024 x 768. Los límites varían según la herramienta.

¿Una foto de móvil vale como un escaneo?

A menudo sí, si se toma con luz uniforme, paralela a la página y sin recortar los bordes. Una foto con reflejos, desenfoque o bordes cortados debe repetirse.

¿Debo aceptar una captura de pantalla?

Prefiera el archivo original. Una captura pierde resolución y estructura, y la foto de una pantalla puede generar moiré que dificulta la extracción.

¿Por qué se rechaza mi PDF aunque se ve claro?

Causas habituales: contraseña, archivo demasiado grande, dimensiones fuera de límite o páginas ausentes. Quite el bloqueo y reenvíe un documento por archivo.

¿Un buen escaneo prueba que el documento es auténtico?

No. La calidad solo indica que el contenido se lee. La autenticidad es otra cuestión y requiere su propio control.