InfoVendeConIAInfoVendeConIA

Inicio / Guías

GUÍA PRÁCTICA · DOCUMENTOS Y DATOS

Cómo extraer datos de correos y documentos con IA a una tabla comprobable

Pedidos que llegan por correo, presupuestos en PDF, notas de una reunión: mucha información útil está escrita en texto libre y hay que pasarla a una hoja de cálculo. Un modelo de lenguaje puede hacer ese trabajo en segundos, pero también puede completar un hueco con un dato plausible, convertir una fecha relativa en un día equivocado o calcular una cantidad que nadie ha pedido. Esta guía explica cómo preparar la extracción para que el resultado se pueda revisar fila a fila.

A diferencia de un resumen, aquí no buscas reducir el texto, sino trasladar datos concretos a columnas fijas. No pegues datos personales o confidenciales en una herramienta sin revisar antes sus condiciones de uso.

1. Define la tabla antes de pedir nada

El error más frecuente es pedir “saca los datos importantes”. Cada ejecución elegirá columnas distintas y no podrás comparar resultados. Decide primero qué columnas necesitas, en qué orden y con qué formato. Si la tabla va a importarse en otra herramienta, copia exactamente los nombres de sus campos.

Fija también una regla para la ausencia: cuando un dato no aparezca en el texto, la celda debe decir “no consta”. Es la instrucción que más errores evita, porque convierte un hueco en algo visible en lugar de una suposición escondida.

Ficha de columnas

Cliente · Producto · Cantidad · Unidad · Fecha de entrega · Condición · Pendiente de revisar. Una fila por producto. Cantidades y fechas copiadas tal como aparecen. Celda vacía prohibida: si falta el dato, “no consta”.

2. Ejemplo resuelto con tres pedidos

Imagina que un pequeño distribuidor recibe estos tres mensajes ficticios el mismo día:

  • Bar Las Encinas: “Para el viernes 24 necesitamos 30 cajas de agua de 1,5 L y 12 de zumo de naranja. Entregad antes de las 10, por favor.”
  • Panadería Sol: “Lo de siempre, pero el doble de harina. Y añadid 5 kg de levadura.”
  • Hotel Mirador: “Confirmo 20 packs de servilletas para el jueves que viene. Si no hay blancas, mejor no enviéis nada.”

Una extracción correcta, siguiendo la ficha anterior, tendría este aspecto (por espacio, algunas columnas de la ficha se agrupan):

Cliente y productoCantidadFecha y condiciónPendiente
Las Encinas · agua 1,5 L30 cajasviernes 24 · antes de las 10Mes no indicado.
Las Encinas · zumo de naranja12 (unidad: no consta)viernes 24 · antes de las 10Confirmar unidad.
Panadería Sol · harinano consta («el doble de lo habitual»)no constaRequiere el pedido habitual.
Panadería Sol · levadura5 kgno constaConfirmar fecha.
Hotel Mirador · servilletas20 packsel jueves que viene · solo blancas; si no hay, no enviarFecha relativa.

Fíjate en lo que la tabla no hace. No interpreta “12 de zumo” como doce cajas, aunque sea probable. No calcula la harina, porque el modelo no conoce el pedido habitual de la panadería. No convierte “el jueves que viene” en un día concreto, porque eso depende de la fecha en que se escribió el mensaje. Y conserva la condición del hotel, que cambia por completo la acción: sin servilletas blancas, el pedido no se envía.

Tres mensajes han producido cinco filas y cuatro de ellas tienen algo pendiente. Ese resultado es útil precisamente porque te dice dónde mirar. Una tabla sin ningún “no consta” a partir de mensajes como estos debería hacerte sospechar.

3. Usa una instrucción con reglas explícitas

Adapta esta plantilla a tus columnas y mantenla igual entre ejecuciones para poder comparar resultados:

Plantilla de instrucción para extraer datos
  • Extrae los datos de los mensajes siguientes a una tabla con estas columnas, en este orden: [columnas].
  • Crea una fila por cada producto o elemento solicitado.
  • Copia cantidades, unidades y fechas tal como aparecen. No conviertas fechas relativas ni calcules cantidades.
  • Si un dato no aparece, escribe “no consta”. No lo deduzcas.
  • Añade una columna final con el fragmento literal del mensaje del que sale cada fila.
  • Al terminar, indica cuántos mensajes has leído y cuántas filas has creado.

La columna con el fragmento literal es la que hace la tabla comprobable: te permite contrastar cada fila sin volver a leer todos los mensajes. El recuento final sirve para detectar un mensaje que se haya quedado fuera. Si quieres afinar la redacción de la instrucción, consulta la guía sobre prompts que funcionan.

4. Comprueba la tabla antes de usarla

Empieza por lo que es rápido de verificar y que más daño haría si fallara:

  • ¿El número de mensajes leídos coincide con los que enviaste?
  • ¿Cada mensaje ha generado al menos una fila o una nota?
  • ¿Cada cifra aparece de forma literal en su fragmento de origen?
  • ¿Algún “no consta” se ha sustituido por un dato que no está en el texto?
  • ¿Las fechas relativas siguen sin convertir o las has convertido tú con la fecha del mensaje?
  • ¿Las condiciones que cambian la acción, como “si no hay, no enviar”, están en su fila?

Revisa todas las filas marcadas como pendientes y una muestra del resto. Si en la muestra aparece un error, revisa la tabla completa y corrige la instrucción antes de la siguiente ejecución. Los criterios para reconocer datos inventados se explican en cómo detectar información falsa o inventada por IA.

5. Decide cuándo compensa usar IA

Esta tabla orientativa ayuda a elegir según el tipo de entrada:

SituaciónOpción razonableMotivo
Textos libres con redacción variadaIA con revisiónInterpreta formas distintas de pedir lo mismo.
Datos que ya llegan con estructura fijaImportación o fórmulaNo hace falta interpretar nada.
Muchos mensajes del mismo tipoFormulario para quien escribeEvita el problema en origen.
Cantidades que dependen del historialPersona o sistema con acceso al historialEl modelo no conoce lo que no está en el texto.
Datos sensibles o confidencialesNo usar sin evaluar privacidadEl riesgo puede superar el ahorro.

Si la tarea se repite cada semana, mide cuánto tardas en revisar la tabla frente a copiar los datos a mano. Si la revisión cuesta casi lo mismo, quizá el cambio útil sea el formulario, no la IA. Para integrar esta extracción en un proceso más amplio, consulta automatización sencilla con IA; si el material es largo y necesitas primero una visión general, la guía para resumir textos largos es el paso previo.

Volver a todas las guías · Cómo preparamos nuestros contenidos