Caso real · Almacén y stock
OCR de albaranes: de la foto al stock actualizado
El albarán es el documento que mueve el stock: lo que entra en el almacén entra por un albarán. Y sin embargo, en muchas empresas ese papel se transcribe a mano horas o días después de la recepción. El resultado es conocido: stock desfasado, compras a ciegas y cierres que no cuadran.
Cómo funciona un OCR de albaranes bien hecho
Hacer OCR de albaranes no es solo «leer el papel». La lectura es la parte fácil; el valor está en lo que pasa alrededor:
- Captura sin fricción: el operario fotografía el albarán con el móvil en el muelle. Nada de escáneres ni de llevar papeles a la oficina. En el caso que contamos en este artículo sobre captura de datos por WhatsApp, la foto se envía por el chat que el equipo ya usaba.
- Extracción con IA: proveedor, artículos, cantidades, fecha. Los albaranes de cada proveedor son distintos; la IA se adapta al formato en lugar de exigir plantillas.
- Validación contra maestros: el dato extraído se cruza con proveedores, artículos y pedidos del ERP. Un código que no existe o una cantidad que no cuadra con el pedido no entra en el stock: se marca como excepción y alguien la revisa.
- Stock actualizado: la entrada validada actualiza el stock en minutos, con la foto del albarán guardada como evidencia de cada movimiento.
La diferencia entre leer y validar
Cualquier OCR moderno lee bien. La diferencia entre un juguete y un sistema de gestión está en la validación: sin cruce contra maestros, el OCR solo automatiza la entrada de errores. Con validación, cada excepción se convierte en una revisión concreta en lugar de un descuadre invisible.
El resultado
Stock al día sin horas administrativas, evidencia completa de cada recepción (quién, qué, cuándo y la foto del documento) y discrepancias con pedidos detectadas en el momento, no en el cierre de mes.
El OCR de albaranes es uno de los módulos de la metodología DataRoots, junto a la captura por mensajería y los cuadros de mando en tiempo real. El método completo está en la página de digitalización de almacén y datos en tiempo real.
Caso real · Agro / Riego
Lectura de contadores de agua por foto: caso real en comunidades de riego
El problema: en las comunidades y grupos de riego, los contadores de agua están repartidos por decenas de parcelas. Alguien recorre las fincas, apunta las lecturas y otro las pasa a una hoja o a la base de datos. Entre el paseo, la letra y la transcripción, las lecturas llegan tarde y con errores — y con el agua, un error de lectura es dinero.
La solución: la misma foto que ya enviaban
En varios grupos de riego con los que trabajamos, los regantes ya enviaban fotos de los contadores al grupo de WhatsApp. La lectura de contadores de agua por foto aprovecha exactamente ese hábito: la misma foto, al mismo grupo, sin apps nuevas. Lo que cambia es lo que ocurre después:
- La IA identifica el contador: cada foto se compara con un catálogo de contadores dados de alta (su maestro), así el sistema sabe qué contador es y de qué tipo.
- Lee según el tipo: no es lo mismo un contador analógico de ruedas —con su rueda roja y sus multiplicadores x10 o x100— que un digital de pantalla. El sistema aplica la lectura correcta a cada modelo, analógico o digital, de distintos fabricantes.
- Valida y guarda: la lectura se contrasta con el histórico (¿es coherente con la anterior?) y queda registrada en la base de datos en segundos, con su foto como evidencia.
El resultado
Las lecturas dejan de depender de la transcripción manual: quedan al día, con histórico por contador y consumo calculado. Los consumos anómalos —una lectura que baja, un salto raro— se detectan al validar, no al facturar. Y el regante no ha tenido que aprender nada: sigue mandando su foto al grupo de siempre.
Qué hace falta para replicarlo
Un maestro de contadores (qué contadores hay, de qué tipo, en qué parcela), el grupo de WhatsApp que ya existe y las reglas de validación. El alta de un grupo nuevo es un proceso corto: catalogar sus contadores y conectar el flujo.
Este caso aplica la misma metodología que usamos en almacenes e industria: está explicada en la página de captura de datos operativos y analítica en tiempo real.
Caso real · Almacén
Captura de datos por WhatsApp: caso real en un almacén agroalimentario
El problema: un grupo agroalimentario del sur de España recibía mercancía en varios almacenes a diario. El albarán se apuntaba en papel, alguien lo transcribía después a Excel y el ERP se actualizaba tarde. Dirección se enteraba de lo que había entrado con días de retraso, y cuadrar albaranes con pedidos era un trabajo manual constante.
La solución: una foto y nada más
La captura de datos por WhatsApp (o Telegram, que fue el canal elegido en este caso) consiste en no pedirle al operario nada que no haga ya: cuando llega el camión, hace una foto del albarán con el móvil y la envía por el chat de siempre. A partir de ahí, todo es automático:
- OCR con IA: el sistema lee la foto y extrae proveedor, artículos, cantidades y fecha, aunque el albarán venga arrugado o con formatos distintos según el proveedor.
- Validación contra el ERP: cada dato se cruza con los maestros de Microsoft Dynamics AX (proveedores, artículos, pedidos). Si algo no cuadra, se marca como excepción para revisión humana en lugar de colarse en la base de datos.
- Power BI al momento: la entrada validada aparece en el cuadro de mando en cuanto se procesa. Dirección ve las entradas del día mientras el camión todavía está en el muelle.
El resultado
El registro de entradas pasó de «cuando alguien tenga un rato» a producirse en el momento de la recepción. Cada entrada queda con su evidencia (la foto original), su autor y su hora, así que la trazabilidad es completa: quién registró qué y cuándo. Los errores de transcripción desaparecen porque nadie transcribe, y las discrepancias con los pedidos se detectan en la validación, no semanas después en un cierre.
Qué hace falta para replicarlo
Tres cosas: un canal de mensajería que el equipo ya use (WhatsApp o Telegram), unos maestros contra los que validar (los de tu ERP sirven tal cual) y una definición clara de qué pasa con las excepciones. No hace falta cambiar el ERP ni formar a nadie en una app nueva: esa es la gracia.
Este caso es una aplicación de la metodología DataRoots: capturar, estandarizar, analizar y actuar. Si quieres ver el método completo, está explicado en la página de captura de datos por WhatsApp y analítica en tiempo real.
La información más valiosa de tu operación no está en una base de datos: está en una nota de voz de WhatsApp, en la foto de un albarán, en un Excel rellenado a mano o en un mensaje suelto del jefe de turno. Eso son datos no estructurados, y hoy representan en torno al 80–90% de la información que generan las empresas. El problema es que, tal cual, no se pueden analizar. Esta guía explica cómo capturarlos sin fricción y convertirlos en decisiones.
Qué son los datos no estructurados
Son datos que no encajan en filas y columnas: audios, imágenes, texto libre, correos, PDF, mensajes de chat. Frente a ellos están los datos estructurados (los de tu ERP o tus tablas), que ya están ordenados. La paradoja: el dato más rico de tu día a día —lo que pasa de verdad en el campo, la planta o el almacén— nace siempre como dato no estructurado.
Por qué frenan a tu PYME
- Llega tarde. Lo que se dijo por WhatsApp el lunes se apunta el viernes… o no se apunta.
- Llega mal. Se transcribe a mano a un Excel, con errores y reprocesos.
- No se puede defender. Sin trazabilidad, no sabes quién cambió qué ni cuándo, y eso complica auditorías y certificaciones.
El resultado es siempre el mismo: pierdes control, tiempo y margen, y te enteras de las desviaciones cuando ya no hay nada que hacer.
El error habitual: empezar por el cuadro de mando
Muchas empresas compran Power BI o contratan una consultora de BI y se frustran. ¿Por qué? Porque el BI asume que el dato ya existe y está limpio. Si tu dato nace en una nota de voz, primero hay que capturarlo y estandarizarlo. Sin esa base, el cuadro de mando se alimenta de huecos. El orden correcto es capturar primero, analizar después.
El método de ciclo cerrado
- Capturar la entrada no reglada (voz, WhatsApp, foto, Excel) sin pedirle a nadie que cambie cómo trabaja.
- Estandarizar validando contra tus maestros (clientes, fincas, productos, centros…) para crear un dato único oficial.
- Analizar con cuadros de mando, comparativos y alertas siempre al día.
- Actuar: cada responsable recibe lo suyo, corrige dentro del informe y queda justificado. Se cierra el círculo.
La diferencia frente a un simple OCR o una app de captura es ese último paso: el dato no solo se ve, se corrige y se responsabiliza.
Cómo se aplica en tu sector
- Industria/producción: del parte de turno por WhatsApp a presupuesto vs. real el mismo día.
- Mantenimiento: partes de trabajo e incidencias por voz, con KPIs de disponibilidad.
- Almacén: foto del albarán a stock actualizado en minutos.
- Agro: parte de campo por WhatsApp con trazabilidad para auditoría.
Cómo empezar
No hace falta un gran proyecto de IT. Se empieza por un proceso crítico —el que más dolor te genera— con un piloto que da valor en semanas, y se escala desde ahí. Si quieres ver cómo se vería con tus propios datos, podemos hacer un workshop de 90 minutos sin compromiso.
Preguntas frecuentes
¿Necesito cambiar de ERP o de software? No. Capturamos y estandarizamos el dato y lo integramos con tu ERP o tus herramientas actuales.
¿Mi equipo tiene que aprender una app nueva? No. Sigue usando WhatsApp, voz y fotos; la plataforma hace el resto.
¿Sirve para varios sectores? Sí. Es el mismo método para agro, industria, almacén y mantenimiento.
Conoce la metodología completa de DataRoots y, si estás en producción industrial, cómo llevar el parte de producción a Power BI.