¿Es privado el OCR online? Qué pasa con tus imágenes y qué comprobar

Adónde va tu imagen cuando usas una herramienta de OCR online, qué preguntas hacerle a una política de privacidad y una forma sencilla de verificar tú mismo el procesamiento en el dispositivo.

Actualizado

Las imágenes que la gente pasa por OCR suelen ser privadas: documentos de identidad, extractos bancarios, informes médicos, contratos, capturas de chats personales. Que una herramienta online de imagen a texto sea «privada» depende de dos preguntas. ¿Dónde se lee la imagen? ¿Y qué pasa después con ella y con el texto?

Esta guía no es un veredicto sobre ningún servicio concreto. Muchos tratan los archivos con cuidado. Es una forma de averiguarlo por tu cuenta, para que puedas elegir la herramienta adecuada para cada documento.

Qué suele pasar cuando subes una imagen

Las herramientas de OCR online funcionan de una de dos maneras, y algunas combinan ambas.

Procesamiento en el servidor

La mayoría de las herramientas online envían tu imagen a sus servidores para leerla. Tu navegador sube el archivo, normalmente por una conexión HTTPS cifrada, el servidor ejecuta el OCR y el texto vuelve a la página. Por el camino:

  • El archivo existe al menos en un servidor, y puede escribirse en almacenamiento mientras espera en una cola de procesamiento.
  • Los registros del servidor suelen anotar detalles de cada solicitud, como la hora, la dirección IP y el tamaño del archivo, y a veces más.
  • Las copias de seguridad pueden conservar copias durante un tiempo, incluso después de borrar la copia principal.
  • El servicio puede pasar la imagen a otras empresas de las que depende, como un proveedor de alojamiento en la nube o un servicio externo de OCR o de IA, cada una con sus propias condiciones.
  • Puede que el personal tenga acceso a los archivos para dar soporte o depurar errores.
  • Según la política, los archivos o el texto extraído pueden usarse para mejorar el servicio, lo que puede incluir entrenar modelos.

Nada de esto es un problema de por sí. Un servicio puede borrar los archivos enseguida, restringir el acceso y no entrenar nunca con ellos. La cuestión es que dependes de su política, y de que sus prácticas se ajusten a lo que dice esa política.

Procesamiento en el dispositivo

Algunas herramientas descargan el motor de OCR en tu navegador y leen la imagen en tu propio dispositivo. La imagen nunca se envía al servicio, así que las preguntas sobre conservación, registros y entrenamiento simplemente no se aplican a ella.

Las funciones integradas también varían

Las funciones de OCR de los sistemas operativos no son iguales. Apple describe Texto en vivo como una función que trabaja en el dispositivo, y Microsoft indica que el reconocimiento de texto de Recortes se ejecuta localmente. La página de ayuda de Google sobre la captura de texto de los Chromebook Plus dice que la zona seleccionada se envía a los servidores de Google. La documentación de cada función es el lugar donde comprobarlo. La guía de capturas de pantalla explica cómo usarlas.

Qué revisar en una política de privacidad

Lee la política con estas preguntas en mente.

  • ¿Dónde se procesa la imagen? Busca frases como «se sube a nuestros servidores», «se procesa en tu navegador» o «en tu dispositivo». Una redacción vaga en este punto ya es, en sí misma, una respuesta.
  • ¿Cuánto tiempo se conserva? Un plazo concreto, como «se elimina al cabo de una hora», dice más que «durante el tiempo necesario». Comprueba si ese plazo también cubre las copias de seguridad y los registros.
  • ¿Se usa para entrenar o para «mejorar nuestros servicios»? Si es así, averigua si puedes negarte y si eso incluye los archivos que ya subiste.
  • ¿Quién más la maneja? Busca una lista de subencargados del tratamiento o de terceros, como proveedores de alojamiento, de OCR o de IA, y servicios de analítica.
  • ¿Y el texto extraído? Algunas políticas hablan de los archivos subidos, pero no dicen nada del texto que se obtiene de ellos.
  • ¿Dónde están los servidores? El país donde se tratan los datos determina qué leyes se les aplican.
  • ¿Se guarda un historial en una cuenta? Los resultados guardados en una cuenta permanecen en un servidor hasta que los borras.
  • ¿Quién más está en la página? Las redes publicitarias y los scripts de analítica de una página reciben información sobre tu visita. Normalmente no reciben tu imagen, pero conviene saber que están ahí.
  • ¿La política es concreta y está actualizada? Una política detallada y con fecha es mejor señal que una plantilla genérica.

Recuerda que una política de privacidad es una declaración de intenciones, no una prueba. Con las herramientas que funcionan en el dispositivo, puedes comprobarlo tú mismo.

En qué se diferencia el procesamiento en el dispositivo

Cuando el OCR funciona en tu navegador, la confidencialidad de la imagen no depende de los servidores, el personal ni los plazos de conservación de nadie más. Tiene sus contrapartidas: la primera visita descarga el motor y los datos de idioma, y la velocidad de lectura depende de tu dispositivo, así que un teléfono antiguo tarda más.

Tu dispositivo sigue importando. Los resultados pueden acabar en lugares que controlas pero de los que quizá te olvides: el almacenamiento del navegador si activas una función de historial, tu carpeta de descargas y el portapapeles. El historial del portapapeles de Windows (Win+V) y la sincronización del portapapeles entre dispositivos pueden guardar copias de lo que copiaste.

Cómo comprobarlo tú mismo

Mira la pestaña Red

Los navegadores incluyen herramientas para desarrolladores que muestran cada solicitud que hace una página. No hace falta ser desarrollador para usarlas.

  1. Abre la herramienta en un navegador de escritorio. En Safari, primero activa las funciones para desarrolladores en los ajustes avanzados de Safari.
  2. Abre las herramientas para desarrolladores: F12 o Ctrl+Shift+I en Windows y Linux, ⌘+Opción+I en Mac.
  3. Selecciona la pestaña Red (Network), vacía la lista y activa la opción de conservar el registro, si existe.
  4. Añade una imagen y deja que la herramienta la lea.
  5. Mira las solicitudes que aparecen. Una subida suele mostrarse como una solicitud POST o PUT con un tamaño parecido al del archivo de tu imagen. Si ordenas por tamaño, es fácil detectar las solicitudes salientes grandes.

Con una herramienta que funciona en el dispositivo, puede que veas cómo se descargan el motor y los archivos de idioma la primera vez, y quizá pequeñas solicitudes de analítica, pero nada del tamaño de tu imagen saliendo. Deja el panel abierto un minuto después de la lectura y revisa todos los tipos de solicitud, porque los datos también pueden enviarse por partes o a través de una conexión WebSocket.

Pruébalo sin conexión

Carga la página y lee una imagen, para que el motor y los datos de idioma queden en caché. Luego desactiva el wifi o activa el modo avión y lee otra. Si sigue funcionando, la lectura se está haciendo en tu dispositivo.

La prueba sin conexión es rápida, pero por sí sola no es concluyente, porque una página podría guardar una imagen y enviarla más tarde. La pestaña Red es la comprobación más sólida.

Image to Text App hace el OCR en tu dispositivo exactamente de esta forma, y te invitamos a comprobarlo con las dos pruebas. Hay dos funciones opcionales que son la excepción. La Lectura mejorada, donde está disponible, envía la única página que elijas para que se lea en la nube, y antes te pide que lo confirmes. Y si añades una imagen por su dirección web, puede que esa imagen pública se obtenga a través del servidor del sitio cuando el otro sitio bloquea la descarga directa. Ninguna de las dos guarda nada. Los detalles están en su página de privacidad.

Consejos para documentos delicados

  • Prefiere el procesamiento en el dispositivo para documentos de identidad, historiales médicos, extractos financieros y documentos legales.
  • Quita lo que no necesitas. Si solo necesitas la dirección de una carta, recorta el número de cuenta. Con una herramienta que usa un servidor, recorta antes de subir, porque recortar dentro de la herramienta ocurre después de la subida.
  • Evita los equipos compartidos y públicos. Si tienes que usar uno, deja desactivada cualquier función de historial, cierra la pestaña al terminar y borra los archivos descargados.
  • Borra el historial del portapapeles después de copiar texto delicado, sobre todo si se sincroniza entre dispositivos.
  • Piénsalo antes de compartir resultados. Un enlace que guarda el texto en la parte de la dirección que va después del # no se envía al servidor del sitio web cuando alguien lo abre. Pero cualquiera que tenga el enlace puede leer el texto, y las apps de chat guardan los enlaces que envías. Trata el enlace como si fuera el propio documento.
  • Revisa las extensiones del navegador. Las extensiones con acceso a todos los sitios web pueden leer el contenido de las páginas que visitas. Para documentos muy delicados, usa un perfil del navegador sin extensiones, o una ventana privada, donde la mayoría de los navegadores desactivan las extensiones salvo que las hayas permitido.

Los papeles escaneados son donde más surgen estas preguntas. Para trabajar con escaneos y PDF, consulta la página PDF a texto.

Más guías