Cómo obtener resultados limpios y precisos
en la extracción de documentos con IA

Los nombres de columna son instrucciones

Cuando escribes un nombre de columna en una herramienta de extracción con IA, no solo estás etiquetando una columna de hoja de cálculo: le estás diciendo al modelo qué buscar, cómo identificarlo y cómo formatear el resultado. El modelo lee el nombre de la columna como una instrucción y la aplica a cada documento del lote.

Esto significa que un nombre de columna vago produce resultados vagos: "Fecha" en una factura que tiene cinco fechas diferentes te da la primera que el modelo encuentre. Un nombre de columna específico produce resultados específicos: "Fecha de emisión (AAAA-MM-DD)" le indica al modelo qué fecha encontrar y cómo formatearla.

Los ocho consejos a continuación cubren las principales formas de hacer que los nombres de columna trabajen más para ti, desde el control de formato hasta la desambiguación y las técnicas estructurales que evitan errores silenciosos en el procesamiento por lotes.

Ocho consejos para mejores resultados de extracción

1. Incorpora requisitos de formato en el nombre de columna

En lugar de "Fecha", escribe "Fecha (AAAA-MM-DD)". En lugar de "Monto", escribe "Monto (solo número, sin símbolo de moneda)". El modelo lee el nombre de columna como un identificador de campo y una instrucción de formato.

Esto importa porque distintos documentos fuente formatean el mismo valor de manera diferente — "15 de marzo de 2024", "15/03/2024" y "2024-03-15" son la misma fecha en tres formatos. Si nombras la columna "Fecha (AAAA-MM-DD)", la salida se estandariza a un solo formato en todos los documentos del lote, sin necesidad de procesamiento posterior. El mismo principio aplica a los montos: "Monto total (solo números, 2 decimales)" elimina símbolos de moneda y separadores de miles para que la columna esté lista para operaciones numéricas sin limpieza.

2. Desambigua cuando un documento tiene múltiples instancias del mismo tipo de campo

Una orden de compra tiene una Fecha de pedido, una Fecha de entrega y una Fecha de vencimiento de pago. Si pides "Fecha", obtendrás la que el modelo encuentre primero. Solicita "Fecha de pedido", "Fecha de entrega" y "Fecha de vencimiento" como tres columnas separadas — la especificidad guía la extracción al valor correcto cada vez.

Esto aplica igualmente a montos (total de factura vs. depósito pagado vs. saldo pendiente), nombres (proveedor vs. destinatario vs. persona de contacto) y números de referencia (número de OC vs. número de factura vs. número de seguimiento). Cualquier tipo de campo que pueda aparecer más de una vez en un documento necesita un nombre que lo desambigüe.

3. Usa lenguaje natural para campos inferidos o clasificados

No necesitas saber cómo llama un documento a un campo — puedes describir lo que quieres. "Tipo de transacción (Débito o Crédito)" funciona como nombre de columna incluso cuando diferentes bancos etiquetan el mismo concepto como "Retiro/Depósito", "DB/CR" o simplemente usan montos positivos/negativos. El modelo clasifica cada transacción basándose en la comprensión semántica, no en una coincidencia de palabras clave con el documento fuente.

Esto también funciona para campos condicionales: "Estado (Pagado o No pagado, según el sello de pago o texto de confirmación)" es una instrucción válida. El modelo evalúa el documento y aplica tu lógica de clasificación — no estás limitado a campos que estén literalmente presentes con esa etiqueta exacta.

4. Agrega un valor de ejemplo a columnas ambiguas

Cuando el nombre de un campo puede interpretarse de varias maneras, agregar un valor de ejemplo entre paréntesis resuelve la ambigüedad. El modelo trata el ejemplo como una señal de calibración — el mismo mecanismo que el few-shot prompting en un prompt de modelo de lenguaje.

Tres casos donde esto ayuda consistentemente:

• Campos de clasificación con una taxonomía específica: "Categoría de gasto (ej. Renta, Servicios, Nómina, Viajes)" — los valores de ejemplo definen exactamente qué categorías usar, en lugar de dejar que el modelo invente las suyas. Sin los ejemplos, dos lotes procesados en diferentes momentos podrían producir nombres de categorías inconsistentes.
• Anclaje de formato entre fuentes inconsistentes: "Teléfono (ej. +1-415-555-0123)" — cuando documentos de diferentes países o sistemas usan distintas convenciones de formato, un ejemplo fija la salida a un formato sin necesidad de una regla de formato explícita.
• Distinguir entre identificadores similares: "Número de OC (ej. OC-2024-0892, no el número de factura)" — en documentos que contienen múltiples números de referencia, el ejemplo descarta explícitamente el incorrecto.

El ejemplo no tiene que ser datos reales — un valor de muestra plausible es suficiente. Funciona como un demostrador de patrón, no como un filtro.

5. Entiende cómo la indexación de columnas previene errores silenciosos

Una propiedad estructural de la extracción fiable con IA: cada valor extraído debe ir emparejado con su número de índice de columna, no solo con su posición en una cadena separada por comas. Esto importa más de lo que parece.

Sin un índice de columna explícito, un campo faltante provoca un desplazamiento silencioso de columnas. Si una fila tiene cinco columnas pero el modelo omite el campo 3 porque no aparece en un documento concreto, los campos 4 y 5 caen en las columnas equivocadas para esa fila. En un lote de 50 documentos, este tipo de desalineación es difícil de detectar: los totales terminan en columnas de nombre de proveedor, las fechas en columnas de importe, hasta que los números no cuadran en etapas posteriores.

Con una salida indexada (ej. "1. 2024-03-15", "2. 1590.00", "3. ACME Supplies"), cada valor lleva su identidad de columna de forma explícita. Un campo faltante produce un marcador de posición vacío en el índice correcto en lugar de desplazar silenciosamente los valores siguientes hacia la izquierda. Cada fila mantiene la misma estructura independientemente de cuántos campos estuvieran realmente presentes en el documento fuente, y las celdas vacías marcan correctamente los datos faltantes sin corromper las columnas adyacentes.

Esto también suprime una clase de errores de alucinación: sin la restricción del índice, un modelo puede rellenar un campo faltante con un valor adyacente que suene plausible en lugar de dejarlo en blanco. La indexación explícita convierte "no se encontró nada aquí" en un estado de salida válido y reconocido.

6. Usa primero la detección automática al trabajar con un tipo de documento desconocido

Cuando te encuentres con un tipo de documento del que no hayas extraído antes, súbelo sin especificar ninguna columna. El modelo analizará la estructura visual del documento y generará una lista inicial de campos basada en lo que encuentre.

Usa esa salida para entender qué campos están presentes de forma consistente y cómo los etiqueta el documento fuente, luego ajusta los nombres de tus columnas para ejecuciones posteriores. Es más rápido que adivinar nombres de columnas e iterar sobre celdas vacías para descubrir qué contiene realmente el documento. Es especialmente útil para formatos desconocidos: informes de laboratorio de un nuevo sistema hospitalario, estados de cuenta de un banco que acabas de agregar a tu flujo de trabajo, o el formato de factura de un nuevo proveedor.

7. Sé explícito sobre si quieres una fila por documento o una fila por línea de detalle

Una factura con ocho líneas de detalle puede generar una fila (con los elementos concatenados o resumidos) u ocho filas (una por elemento). Los nombres de columna que especifiques determinan qué comportamiento obtienes.

Si especificas columnas a nivel de documento — "Nombre del Proveedor", "Fecha de Factura", "Monto Total" — obtienes una fila por documento. Si especificas columnas a nivel de línea de detalle — "Descripción del Artículo", "Cantidad", "Precio Unitario", "Total de Línea" — obtienes una fila por línea de detalle en todos los documentos del lote. Mezclar ambos tipos en un mismo conjunto de columnas también es válido: el modelo repetirá los valores a nivel de documento para cada fila de línea de detalle, generando una tabla desnormalizada fácil de filtrar y pivotar en Excel.

8. Agrupa documentos del mismo tipo en un lote

Cuando todos los documentos de un lote comparten el mismo esquema de columnas, cada documento se convierte en un conjunto de filas dentro de una tabla limpia y unificada. Mezclar tipos de documentos fundamentalmente diferentes sin una columna distintiva crea ambigüedad — el "Monto" de una factura y el "Monto" de un estado de cuenta bancario significan cosas distintas, y serán indistinguibles en la salida combinada.

Si necesitas combinar distintos tipos de documentos, agrega una columna "Tipo de documento" o "Fuente". El modelo puede leerlo directamente de cada documento y completarlo automáticamente — no hace falta etiquetar cada archivo manualmente.

Antes y después: nombres de columna vagos vs. precisos

Preguntas frecuentes