La Feria de Productores con la que colaboro tenía un problema que seguro te suena familiar: 71
productores debían llenar un cuestionario de control interno (datos de contacto, qué venden, de
dónde sacan sus insumos, si tienen certificaciones). El cuestionario existía, pero solo en papel.
Alguien tenía que escanear cada hoja, leerla y acomodarla en la carpeta del productor correcto.
Con 71 productores y hasta 16 páginas por cuestionario, eso son horas de trabajo manual que nadie
quería hacer.
Esto es lo que hice, en orden, usando Claude Code (la versión de terminal de Claude que se puede
instalar en tu computadora) conectado a una impresora normal.
El problema real, no la versión bonita
No partí de cero con un plan perfecto. Empecé pidiéndole a la IA que detectara si había una
impresora conectada por USB, porque ni siquiera sabía si el escáner serviría. Detectó una Brother
MFC-7420 con alimentador automático. A partir de ahí, fuimos resolviendo problemas según
aparecían:
- El primer método que probamos (identificar al productor por orden alfabético de las hojas) no
funcionó: las hojas no estaban en el orden que yo asumía, y terminamos archivando dos páginas
en la carpeta equivocada. - El segundo método (que el reconocimiento de texto de Windows —
Windows.Media.Ocr— “leyera” el
nombre del productor) tampoco funcionó: el nombre estaba escrito a mano, y en nuestras
pruebas esa herramienta solo identificaba correctamente el texto impreso de los formularios, no
la letra manuscrita de los productores. (Microsoft no publica una lista oficial de qué tan bien
reconoce escritura a mano; esto es lo que observamos probándolo con estos formularios
específicos, no una regla general sobre el OCR.) - Lo que sí funcionó: escanear las hojas de un productor a la vez, y que un modelo de IA que puede
“ver” imágenes (no un programa de OCR tradicional) mirara cada imagen escaneada directamente,
como miraría una persona, para identificar el nombre aunque estuviera escrito a mano.
Esta es la lección central del caso, basada en lo que vimos en este proyecto concreto: el OCR
tradicional de Windows nos falló con letra manuscrita, mientras que un modelo de IA que interpreta
imágenes sí identificó los nombres a mano correctamente. Si tu negocio tiene papeles con letra
manuscrita, vale la pena probar este segundo enfoque antes de asumir que un OCR genérico va a
funcionar.
Lo que se automatizó al final
El resultado de este proyecto en concreto no fue una base de datos — fue cada cuestionario en
papel convertido en un PDF, uno por productor, archivado en la carpeta correcta. Esto es lo que se
automatizó:
- Escanear un lote de hojas desde la impresora conectada por USB.
- Identificar visualmente de qué productor es cada hoja (incluso con letra manuscrita).
- Detectar cuándo una encuesta tenía páginas extra que pertenecían a otro productor distinto, y
separarlas correctamente. - Combinar todas las páginas de un mismo productor en un solo archivo PDF.
- Guardar ese PDF directamente en la carpeta de ese productor.
Para las hojas impresas por los dos lados (frente y reverso), el método fue escanear primero todos
los frentes, voltear el mazo completo de una vez, y escanear los reversos — la IA se encargó de
emparejar cada frente con su reverso en el orden correcto.
El problema técnico que casi detiene todo (y cómo se resolvió)
En el camino, el intento de combinar varias páginas en un solo PDF usando la impresora virtual de
Windows (“Microsoft Print to PDF”) se quedaba colgado sin avisar error — cualquier trabajo de 2 o
más páginas se trababa. La solución no fue reintentar una y otra vez: fue dejar de usar la
impresora virtual por completo y construir el archivo PDF directamente a nivel de código,
empaquetando las imágenes escaneadas dentro de la estructura de un PDF válido. Esto evitó el
problema de raíz en vez de solo evitar el síntoma.
Lección para tu negocio: cuando una herramienta se cuelga sin explicación, muchas veces no vale
la pena insistir — vale más buscar una ruta técnica distinta que rodee el problema, en vez de
reintentar lo mismo esperando que funcione.
Después de archivar el papel: el siguiente paso fue quitar el papel por completo
Organizar lo que ya existía en papel resolvía el archivo histórico, pero no el problema de fondo:
cada productor nuevo seguiría llenando papel a mano. La verdadera base de datos digital llegó
después, con un proyecto distinto: un formulario web que los productores nuevos llenan
directamente desde su celular, sin pasar por papel ni escaneo. Cuento ese proyecto completo —
incluido un conflicto de puertos que tuvimos que resolver en el servidor— en
este artículo.
Lo que sí puedo decir con certeza: no se escribió una sola línea de código a mano. Todo se hizo
dándole instrucciones en español, en lenguaje normal, a la IA — incluyendo corregir el rumbo
cuando un método no funcionaba.
Si tienes un problema parecido
Si tu negocio tiene papeles, encuestas, formatos o bitácoras en papel que alguien tiene que pasar
a una computadora a mano, este mismo método aplica: no necesitas un programador de tiempo
completo, necesitas saber describir el problema con claridad y estar dispuesto a corregir el
camino cuando el primer intento no funcione.
¿Tienes un problema parecido en tu negocio? Escríbeme a [email protected].