# Amazon Textract

> Un servicio de AWS que lee documentos escaneados y saca texto, formularios y tablas.

- Nivel: Intermedio
- Temas: AWS, IA
- URL: https://tidbit.legios.com.ar/es/amazon-textract/
- En inglés: [Amazon Textract](https://tidbit.legios.com.ar/amazon-textract/)

**Amazon Textract** agarra una imagen o un PDF de un documento, como un formulario escaneado, un ticket o un resumen bancario, y te devuelve su contenido como datos que un programa puede usar. En lo más básico hace **OCR**, reconocimiento óptico de caracteres: encuentra las palabras escritas a máquina y a mano, y dónde están en la página.

Lo que lo diferencia de un OCR común es que entiende la estructura. Puede leer un **formulario** y emparejar cada etiqueta con su valor ("Nombre: Ana Pérez"), reconstruir una **tabla** fila por fila y celda por celda, y responder **consultas** (queries) como "¿cuál es el número de póliza?" aunque ese dato esté en un lugar distinto en cada documento. Tiene operaciones especiales para facturas y tickets, y para documentos de identidad como licencias de conducir y pasaportes de Estados Unidos.

Se usa sobre todo para automatizar papeleo: cargar facturas en el sistema contable, procesar reclamos de seguros o pedidos de préstamo, o hacer buscables archivos llenos de escaneos. Cada resultado trae un puntaje de confianza, así que un patrón común es dejar pasar solos los campos con confianza alta y mandar los dudosos a una persona para que los revise.

## Una analogía

Un administrativo que agarra una pila de formularios en papel y los pasa uno por uno a una planilla, cada dato en su columna, y le pega un papelito a cualquier campo que no pudo leer bien.

## Para quedarse

- Extrae texto escrito a máquina y a mano de imágenes y PDF.
- Entiende formularios (etiqueta y valor) y tablas, no solo palabras sueltas.
- Con queries le pedís un dato puntual en forma de pregunta.
- Los puntajes de confianza ayudan a decidir qué tiene que revisar una persona.

## Para seguir leyendo

- [¿Qué es Amazon Textract? (documentación oficial)](https://docs.aws.amazon.com/es_es/textract/latest/dg/what-is.html)
- [Página de Amazon Textract](https://aws.amazon.com/es/textract/)
- [Reconocimiento óptico de caracteres en Wikipedia](https://es.wikipedia.org/wiki/Reconocimiento_%C3%B3ptico_de_caracteres)

## Términos relacionados

- [OCR](https://tidbit.legios.com.ar/es/ocr/): Software que lee el texto de una imagen para poder buscarlo y editarlo.
- [Planilla vs base de datos](https://tidbit.legios.com.ar/es/spreadsheet-vs-database/): Por qué una empresa que vive en Excel termina necesitando una base de datos de verdad.