# Corregir un nombre o un campo mal leído

Source: https://help.didit.me/es/verification-sessions/correct-extracted-data
Updated: 2026-10-12

El OCR leyó mal un apellido o dejó un campo como unknown. Corrígelo con Revisión de datos por el usuario, la API update-data o pidiendo un reenvío.

El soporte de Didit **no puede editar los valores** de tu sesión. Tú sí, de tres maneras:
dejar que la persona confirme y corrija los datos en el flujo (**Revisión de datos por el
usuario**), corregir los campos tú mismo con la **API update-data**, o **pedir un reenvío**
del paso de ID tras subir el listón de calidad de imagen. Casi todas las lecturas erróneas
vienen de una mala captura.
También puedes corregir registros desde **Más acciones → Editar datos KYC** o **Editar datos del comprobante de domicilio**. Confirma los campos; el cambio se audita y no modifica la decisión automáticamente.

[Video: Revisión de datos del usuario: deja que los usuarios corrijan errores de OCR - Didit Academy](https://www.youtube.com/watch?v=JPFGP24BLHI)

Un nombre con una letra cambiada, un apellido que "no se cargó", una sesión cuyo nombre aparece como **unknown**, o una dirección que acabó en el campo del nombre son el mismo problema: la extracción se hizo sobre una imagen que no era suficientemente buena, o sobre una cara del documento que el modelo no lee. Los datos de la sesión son lo que el modelo leyó, y Didit no cambia datos de clientes a mano: tu equipo es dueño del registro, y cualquier cambio tiene que ser rastreable hasta ti.

## Primero, entiende por qué pasó

Abre la sesión y mira las imágenes del documento y los avisos:

- **Imagen borrosa, oscura, con reflejos o recortada.** La causa más común con diferencia. La sesión suele llevar una puntuación de calidad de imagen baja o un aviso `IMAGE_TOO_BLURRY`. Consulta [arreglar problemas de subida y lectura de documentos](https://help.didit.me/es/documents-coverage/document-upload-problems).
- **Archivo subido en lugar de captura en vivo.** Las subidas suelen ser capturas de pantalla o fotos comprimidas y se leen mal mucho más a menudo que los escaneos con cámara.
- **Un alfabeto no latino.** Los nombres en cirílico, árabe, griego, chino o coreano pueden volver desordenados o vacíos si el ajuste **Formato de caracteres** del flujo no coincide con lo que esperas (alfabeto original frente a transliteración latina).
- **Una cara del documento que el modelo aún no lee.** Algunos documentos nacionales llevan los datos en el reverso con un diseño en el que Didit no se ha entrenado. En ese caso se lee el anverso y el reverso se acepta pero no se extrae; envía un espécimen a soporte para que se añada el mapeo.

## Tres formas de arreglarlo

1. **Deja que la persona lo corrija en el flujo (lo mejor para sesiones nuevas)**

   En el paso de verificación de ID del flujo, en **Avanzado**, activa **Revisión de datos por el usuario**: tras la captura, la persona ve los campos extraídos y puede corregir errores de lectura antes de que se decida el resultado. Las ediciones de los **Campos críticos** que indiques (nombre, fecha de nacimiento, número de documento) toman la acción que elijas, revisión o rechazo, para que una corrección nunca pase en silencio. Esto arregla el problema en origen y no requiere trabajo de tu equipo.

2. **Corrige la sesión tú mismo (para una sesión existente)**

   También puedes corregir registros desde **Más acciones → Editar datos KYC** o **Editar datos del comprobante de domicilio**. Confirma los campos; el cambio se audita y no modifica la decisión automáticamente.
   Llama a `PATCH /v3/session/{session_id}/update-data/` solo con los campos que quieras cambiar: `first_name`, `last_name`, `date_of_birth`, `document_number`, `expiration_date`, `issuing_state` y el resto de campos extraídos. `full_name` se recalcula por ti. La sesión debe estar **Aprobada, Rechazada, En revisión o KYC caducado**, el cambio dispara un webhook `data.updated`, y el registro de auditoría guarda qué campos cambiaron y quién los cambió. Es una llamada de pago. Hay endpoints equivalentes para los campos de prueba de domicilio y para los datos del registro KYB. Referencia: [actualizar datos de sesión](https://docs.didit.me/sessions-api/update-data).

3. **Pide una captura nueva (cuando el problema es la imagen)**

   Si la imagen es demasiado mala para fiarse de ningún campo, solicita un **reenvío** del paso de verificación de ID: la persona recibe el mismo enlace y repite solo ese paso. Antes de hacerlo, sube el control **Calidad mínima de imagen** del paso y plantéate activar la **Pantalla de revisión de la imagen capturada**, para que la repetición no pueda ser tan mala como el primer intento. Consulta [dejar que alguien vuelva a intentar una verificación](https://help.didit.me/es/verification-sessions/retry-a-verification).

> **Note:** Reenviar el paso de ID **sustituye** las imágenes del documento y vuelve a ejecutar las
> comprobaciones que dependen de ellas (face match, screening AML por nombre, validación en
> bases de datos) a su precio habitual. Corregir un campo con la API **no** vuelve a ejecutar
> nada: si el nombre erróneo ya produjo un resultado AML o de registro, repite esa comprobación
> con los datos corregidos; las API independientes existen exactamente para esto.

## Qué no hace la corrección

- No cambia el **estado** de la sesión. Una sesión rechazada con el nombre corregido sigue rechazada hasta que tu equipo decida otra cosa.
- No vuelve a verificar el documento. La corrección es tu afirmación, registrada como tal en el registro de auditoría.
- No se aplica retroactivamente a otras sesiones de la misma persona.

## Evitar que se repita

- Sube la **Calidad mínima de imagen** en el paso de verificación de ID y activa la **Pantalla de revisión de la imagen capturada** para que la gente confirme la foto antes de subirla.
- Prefiere el **escaneo con cámara** frente a la subida de archivos en el tráfico de producción.
- Configura el **Formato de caracteres** a propósito en mercados con alfabetos no latinos.
- Si un tipo de documento se lee mal de forma sistemática, envía dos o tres especímenes anonimizados a soporte para que el modelo pueda actualizarse.