· 7 min de lectura · Automatización
El mejor modelo acierta el 85 % de los campos de un parte manuscrito. En el texto libre falla una de cada dos palabras. Tres estudios de 2026, en cristiano.
El técnico cierra la avería a las 18:40, rellena el parte a boli apoyado en el capó de la furgoneta y te manda una foto por WhatsApp. Al día siguiente alguien de administración lo teclea. O a la semana siguiente. Digitalizar partes de trabajo con IA consiste, básicamente, en quitar ese paso intermedio. Lo que casi nadie te cuenta con datos es qué parte de ese papel lee bien una máquina y qué parte no.
Hay tres estudios publicados en 2026 que lo miden. Ninguno de los tres va de partes de trabajo: uno mide formularios clínicos manuscritos, otro documentos fotografiados y el tercero facturas. Aun así, los tres contestan la misma pregunta que te vas a hacer en la primera reunión con un proveedor. Y la respuesta vale igual para la documentación de CAE, que es la otra montaña de papel de la misma empresa: aquella es administrativa y te deja entrar al centro de trabajo, esta es operativa y de ella cuelga la factura.
El estudio más directo es un benchmark de abril de 2026 sobre formularios manuscritos reales: 49 documentos rellenados a mano en 17 centros distintos, pasados por 17 modelos de visión. Es una muestra pequeña y son historiales clínicos sudafricanos, no partes de una empresa de mantenimiento española. Con esa advertencia por delante, los números son los primeros honestos que hay sobre la mesa.
Los mejores modelos aciertan el 85 % de los campos. Si descuentas los campos que estaban vacíos —que son fáciles: detectar un hueco en blanco lo hacen todos por encima del 85 %— el acierto real baja al 76-78 %.
Ese número medio esconde dos realidades muy distintas:
La conclusión práctica tiene que ver con cómo está diseñado tu parte: cada dato que quieras automatizar tiene que salir de una casilla, no del recuadro de observaciones. Si las horas, el material y el concepto viven en un párrafo escrito a mano, la IA te los va a leer regular por muy bueno que sea el proveedor.
El segundo dato viene de PureDocBench, de mayo de 2026: 1.475 páginas preparadas en tres versiones —limpia, degradada digitalmente y degradada de verdad— y 40 modelos medidos sobre las tres. Es el estudio que más se parece a tu día a día, porque tus partes no llegan escaneados en una multifunción: llegan fotografiados, torcidos, con sombra y con una esquina doblada.
La caída al pasar de la versión limpia a la real es de 8,5 puntos en los modelos generales de visión y de 13,5 a 14,2 puntos en los sistemas especializados de OCR. Dos cosas que sacar de ahí. La primera: el sistema "de toda la vida" para leer documentos es justo el que peor aguanta una foto mala. La segunda: ninguno de los 40 pasa de unos 74 sobre 100 de media, así que el proveedor que te enseñe una demo con un PDF limpio no te ha enseñado nada.
Si vas a montar esto, la pelea barata está en el móvil del técnico: foto cenital, con luz, el parte apoyado en algo plano. Suena a chorrada y vale más puntos que cambiar de modelo.
Aquí está el dato que menos se cita y que probablemente sea tu cuello de botella real. En ese estudio de formularios manuscritos, uno de los campos clave estaba relleno en 5 de los 49 partes. No es que el modelo lo leyera mal: es que no estaba.
Ningún agente te va a recuperar la referencia del material que el técnico no apuntó. Lo que sí hace, y es peor, es rellenarlo por su cuenta: los modelos punteros se inventan contenido en torno al 6-8 % de los casos, y los modelos de código abierto que se usan para abaratar el proyecto, entre el 36 % y el 41 %. Una de cada tres respuestas fabricada, con la misma cara de seguridad que las buenas.
Por eso el orden correcto de trabajo es al revés de como se vende. Primero decides los seis u ocho campos sin los cuales un parte no se puede facturar. Después haces que el sistema avise el mismo día de que faltan, cuando el técnico todavía se acuerda de la visita. Leer el papel viene al final. Es el mismo problema que ya contamos en el artículo sobre pedidos que entran por nota de voz: la máquina transcribe bien y aun así la línea sale mal, porque el dato que faltaba seguía faltando.
Y el material que sí viene apuntado tiene que casar con algo. Si tu catálogo tiene tres referencias parecidas para el mismo tubo, el parte entrará con la que no es. Eso se arregla antes, limpiando el maestro de artículos, no después.
Todo el mundo vende lo mismo: la IA extrae y una persona revisa lo dudoso. La pregunta incómoda es cómo sabe el sistema qué es dudoso.
ConfBench, de agosto de 2026, lo midió sobre facturas —no sobre manuscritos, conviene decirlo— con más de 70.000 evaluaciones de campo. El resultado es que la confianza que declara un modelo es útil o completamente inútil según el modelo: el error de calibración va de 0,05 en el mejor a 0,31 en el más flojo, descrito en el propio estudio como severamente sobreconfiado.
Traducido a tu operativa: con un equipo que solo puede revisar el 30 % de los partes, el modelo bien calibrado le pone delante 2,4 veces más errores que revisar al azar. El mal calibrado, 1,3 veces. Casi lo mismo que ir a suertes.
Así que a la lista de preguntas que le haces al proveedor antes de firmar añade una: enséñame la calibración de tu puntuación de confianza sobre mis documentos, no sobre los tuyos.
No arregla al técnico que cierra ocho partes el viernes a las siete de la tarde. No decide por ti si una hora de desplazamiento se factura. Y no convierte un parte sin firma del cliente en un documento con el que reclamar.
Lo que sí hace, bien montado, es que el dato llegue a administración el mismo día, validado contra tu ERP y con los huecos señalados mientras todavía tienen arreglo. El resto es organización interna, y esa parte no se compra.
¿Quieres saber cuánto de tus partes es automatizable de verdad? En la auditoría gratuita de 30 minutos miramos tus documentos reales y te decimos qué se puede leer, qué hay que rediseñar y qué no toca la IA. También puedes ver cómo funciona nuestro procesador de documentos con IA con albaranes, facturas y partes.
Transparencia: este artículo contiene partes generadas con un agente de IA de MALDITAIA y se ha publicado con aprobación humana. Predicamos con el ejemplo.
Volver al blog de MalditaIA · Solicita una consultoría gratuita