Subes un contrato de 50 páginas a ChatGPT y preguntas: «¿Cuáles son las cláusulas de rescisión?» Te da tres puntos — dos de los cuales son incorrectos. Intentas con Claude. Se pierde la sección por completo. Intentas con DeepSeek. Inventa una cláusula que no existe.
El problema no es tu prompt. Es cómo estás alimentando el documento a la IA.
La mayoría de personas suben PDFs sin procesar y esperan resultados perfectos. Pero los PDFs sin procesar están llenos de ruido binario, tablas rotas y artefactos de formato que confunden a todos los modelos de IA — desde ChatGPT y Claude hasta DeepSeek, Qwen, Gemini, e incluso el nuevo GLM-5.2 con su masiva ventana de contexto de 1M de tokens.
Esta guía te muestra exactamente cómo preparar documentos y estructurar prompts para obtener resultados precisos y fiables de cada modelo de IA principal.
Modelos Cubiertos en Esta Guía
Paso 1: Convierte Tu Documento a Markdown (Antes de Todo)
Esto es lo único con más impacto que puedes hacer. Antes de escribir un solo prompt, convierte tu PDF a Markdown. Esto es por qué:
- 70% menos tokens — un PDF de 28.000 tokens se convierte en un archivo Markdown de 8.500 tokens
- Las tablas sobreviven intactas — las tablas PDF son visuales; las tablas Markdown son datos estructurados
- Los títulos son semánticos —
## Cláusulas de rescisiónes inequívoco; el texto en negrita grande no lo es - Sin ruido binario — los archivos de fuente, datos de posicionamiento y metadatos de renderizado se eliminan
Usa el convertidor gratuito de Inputo — sube tu PDF, obtén Markdown limpio en segundos. Sin registro, sin límites.
Consejo profesional: Incluso si el modelo de IA acepta subida de PDFs (ChatGPT, Claude y Gemini lo hacen), convertir a Markdown primero produce consistentemente resultados más precisos — especialmente para tablas y datos estructurados.
Paso 2: Elige la Estrategia Correcta Según la Longitud del Documento
Cómo alimentas el documento depende de qué tan largo es y qué modelo usas:
| Longitud del documento | Estrategia | Mejores modelos |
|---|---|---|
| 1–5 páginas | Pegar todo el Markdown directamente | Cualquier modelo |
| 5–30 páginas | Pegar secciones relevantes con títulos de contexto | ChatGPT, Claude, DeepSeek, Qwen |
| 30–200 páginas | Dividir por secciones, procesar iterativamente | Claude (200K), GLM-5.2 (1M), Gemini (1M) |
| 200+ páginas | Documento completo solo en modelos con 1M+ contexto | GLM-5.2 (1M), Gemini (1M+) |
Para Documentos Cortos (1–5 Páginas)
Pega todo el Markdown en el chat. Añade un prompt claro al final:
Este es un contrato en formato Markdown:
[pegar Markdown]
Extrae todas las cláusulas de rescisión. Para cada cláusula, proporciona: (1) el número de cláusula, (2) las condiciones de rescisión, (3) el período de preaviso requerido, y (4) cualquier penalización. Formato: tabla.
Para Documentos Medianos (5–30 Páginas)
No pegues todo. Extrae primero las secciones relevantes, luego pégalas con los títulos de sección como contexto:
Voy a compartir secciones de un contrato laboral de 20 páginas. Cada sección irá precedida por su título como contexto.
## Sección 4: Rescisión
[pegar sección]
## Sección 7: No competencia
[pegar sección]
Basándote en estas secciones, resume las obligaciones del empleado si renuncia durante el primer año.
Para Documentos Largos (30–200 Páginas)
Usa una estrategia de chunking. Divide el documento en secciones lógicas y procesa cada una con una plantilla de prompt consistente:
Estás analizando un informe financiero de 100 páginas. Te enviaré secciones una por una. Para cada sección, extrae: métricas clave, cambios año a año, y cualquier factor de riesgo mencionado.
Después de procesar todas las secciones, te pediré un resumen.
---
SECCIÓN 1: Resumen Ejecutivo
[pegar sección]
Luego envía las secciones siguientes con «SECCIÓN 2:», «SECCIÓN 3:», etc. Al final, pide el análisis consolidado.
Para Documentos Muy Largos (200+ Páginas)
Solo dos modelos pueden manejar esto en una sola pasada:
- GLM-5.2 (Zhipu AI) — contexto de 1M de tokens, licencia MIT, open-weight. Lanzado en junio de 2026, ya se le llama «el momento ChatGPT para la IA local». Supera a Claude Opus 4.8 y GPT-5.5 en tareas de programación de largo alcance.
- Gemini 2.5 Pro (Google) — contexto de 1M+ tokens. Excelente para análisis de documentos con su ventana masiva.
Para otros modelos, necesitarás la estrategia de chunking anterior, o puedes usar Markdown para reducir el uso de tokens lo suficiente como para encajar más contenido en el contexto.
Paso 3: Escribe Prompts que Prevengan Alucinaciones
El mayor riesgo al usar documentos con IA es la alucinación — el modelo inventa información que no está en el documento. Así es como prevenirla:
La Regla «Solo de Este Documento»
Siempre dile al modelo que use SOLO el documento proporcionado. Esta sola frase elimina la mayoría de alucinaciones:
Responde basándote SOLO en el documento proporcionado a continuación. Si la información no está en el documento, di «Esta información no está en el documento proporcionado.» No uses conocimiento externo.
La Técnica «Cita Tus Fuentes»
Pide al modelo que cite el texto exacto en el que basa cada respuesta:
Para cada respuesta, incluye la cita exacta del documento que respalda tu respuesta. Formato: Respuesta: [tu respuesta] | Fuente: «[cita exacta del documento]»
El Prompt de «Puntuación de Confianza»
Para documentos críticos (legales, financieros, médicos), pide niveles de confianza:
Analiza esta cláusula del contrato. Para cada punto que extraigas, califica tu confianza: ALTA (está explícitamente dicho), MEDIA (está fuertemente implícito), o BAJA (inferido). Marca cualquier elemento de confianza BAJA para revisión humana.
Paso 4: Optimización Específica por Modelo
🇺🇸 ChatGPT (GPT-4o, o3)
Fortalezas: Excelente siguiendo prompts estructurados, bueno extrayendo tablas de Markdown.
Debilidad: Tiende a resumir en vez de extraer textualmente. Puede perder detalles en documentos largos.
Optimización: Usa «No resumas. Extrae textualmente.» en tu prompt. Para tablas, especifica el formato de salida exacto que quieres.
Extrae todas las líneas de esta factura. NO resumas. Salida como tabla Markdown con columnas: Artículo | Cantidad | Precio Unitario | Total. Incluye cada fila.
🇺🇸 Claude (Opus 4.8, Sonnet 4.6)
Fortalezas: Ventana de contexto de 200K, excelente en análisis con matices, sigue instrucciones complejas con precisión.
Debilidad: Puede ser excesivamente verboso. A veces añade salvaguardas en vez de dar respuestas directas.
Optimización: Usa instrucciones explícitas de formato de salida. Claude responde bien a etiquetas estilo XML para estructurar entrada/salida.
<documento>
[pegar Markdown]
</documento>
<tarea>Extrae todos los términos de pago del documento anterior. Formato: lista numerada. Cada elemento: [referencia de cláusula] — [términos]. Máx. 200 palabras en total.</tarea>
🇨🇳 DeepSeek (V3, R1)
Fortalezas: Fuerte razonamiento (especialmente R1), excelente con contenido técnico y estructurado, plan gratuito disponible.
Debilidad: Puede luchar con lenguaje legal con matices. A veces prioriza velocidad sobre precisión.
Optimización: DeepSeek fue entrenado extensamente con GitHub y documentación técnica, así que maneja Markdown excepcionalmente bien. Usa prompts paso a paso para análisis complejos.
Analiza esta especificación técnica paso a paso:
1. Primero, identifica todos los requisitos de rendimiento
2. Luego, compara cada requisito con los resultados de prueba
3. Finalmente, lista cualquier requisito que NO se cumpla, con el incumplimiento específico
[pegar Markdown]
🇨🇳 GLM-5.2 (Zhipu AI) — El Nuevo Contendiente
Fortalezas: Ventana de contexto de 1M de tokens (el modelo open-weight más grande), licencia MIT, supera a Claude Opus 4.8 y GPT-5.5 en tareas de largo alcance. Puede procesar libros enteros en una sola pasada. Se ejecuta localmente en un solo Mac.
Debilidad: Modelo más nuevo — menos conocimiento de la comunidad sobre ingeniería de prompts. Diseño orientado a programación significa que puede necesitar más guía para tareas de escritura creativa.
Optimización: GLM-5.2 brilla con documentos largos. Su 1M de contexto significa que puedes pegar informes enteros sin chunking. Usa prompts de razonamiento explícito — tiene modos de razonamiento seleccionables que activan un análisis más profundo.
Estás analizando un manual técnico de 200 páginas. El documento completo se proporciona a continuación en formato Markdown.
[pegar todo el Markdown — GLM-5.2 puede manejarlo]
Tarea: Crea un índice comprensivo de todas las advertencias de seguridad en este documento. Para cada advertencia, proporciona: (1) número de sección, (2) nivel de gravedad, (3) texto de la advertencia, (4) a qué equipo aplica.
GLM-5.2 está disponible a través del Plan de Codificación GLM de Z.AI, OpenRouter, y puede autoalojarse. Tiene licencia MIT, así que puedes desplegarlo sin restricciones. Para análisis de documentos, su ventana de contexto de 1M es un cambio de juego — no más chunking necesario.
🇨🇳 Qwen (Qwen3)
Fortalezas: Excelente soporte multilingüe (especialmente idiomas CJK), bueno en extracción estructurada.
Debilidad: Ventana de contexto más pequeña que GLM-5.2. Puede luchar con documentos muy largos.
Optimización: Qwen funciona mejor con estructura explícita. Usa listas numeradas y tablas en tus prompts. Para documentos en chino, Qwen supera a los modelos occidentales.
🇺🇸 Gemini 2.5 Pro (Google)
Fortalezas: Contexto de 1M+ tokens, excelentes capacidades multimodales (puede leer imágenes en PDFs directamente).
Debilidad: A veces excesivamente cauteloso — puede rechazar analizar ciertos tipos de documentos.
Optimización: La ventana de contexto masiva de Gemini significa que puedes subir documentos completos. Usa Google AI Studio para la mejor experiencia con documentos largos.
🇨🇳 Kimi (Moonshot AI)
Fortalezas: Fuertes capacidades de contexto largo, bueno en análisis de documentos en chino e inglés.
Debilidad: Menos conocido internacionalmente — menos recursos de ingeniería de prompts disponibles.
Optimización: Kimi responde bien a prompts estructurados con especificaciones claras de formato de salida. Usa entrada Markdown para mejores resultados.
🇫🇷 Mistral (Large)
Fortalezas: Eficiente, bueno con idiomas europeos, fuerte razonamiento.
Debilidad: Ventana de contexto más pequeña que competidores. Mejor para documentos cortos.
Optimización: Mantén los prompts concisos. Mistral funciona mejor con preguntas enfocadas y específicas en lugar de solicitudes de análisis amplio.
Paso 5: Técnicas Avanzadas
El Método de «Dos Pasadas»
Para documentos críticos, usa dos pasadas:
- Pasada 1 — Extracción: «Extrae todos los puntos de datos clave de este documento en una tabla estructurada.»
- Pasada 2 — Verificación: «Revisa la tabla de abajo contra el documento original. Marca cualquier discrepancia o dato faltante.»
Esto captura errores que una sola pasada podría perder.
La Técnica del «Rol»
Asigna un rol específico a la IA para documentos de dominio específico:
Eres un contador fiscal senior con 20 años de experiencia en la legislación tributaria española. Analiza esta declaración de impuestos e identifica cualquier deducción que el contribuyente podría haber pasado por alto. Haz referencia a números de línea específicos del documento.
El Prompt de «Cadena de Pensamiento»
Para documentos complejos, fuerza al modelo a pensar paso a paso:
Analiza esta cláusula del contrato. Piensa paso a paso:
1. Primero, identifica las partes involucradas
2. Luego, identifica la obligación descrita
3. Luego, identifica cualquier condición o desencadenante
4. Finalmente, identifica las consecuencias si no se cumple la obligación
Muestra tu razonamiento para cada paso.
Comparación de Documentos entre Modelos
Para documentos de alto riesgo, ejecuta el mismo prompt en múltiples modelos y compara resultados. Las discrepancias resaltan áreas que necesitan revisión humana:
| Caso de uso | Mejor modelo | Por qué |
|---|---|---|
| Análisis de contratos | Claude Opus 4.8 | Mejor con lenguaje legal con matices |
| Informes financieros | GPT-4o | Excelente extrayendo datos numéricos |
| Manuales técnicos (completos) | GLM-5.2 | 1M de contexto — lee el manual entero de una vez |
| Documentos en chino | Qwen3 | Mejor soporte de idiomas CJK |
| Documentos escaneados | Gemini 2.5 Pro | Procesamiento nativo de imágenes/multimodal |
| Análisis presupuestario | DeepSeek R1 | Fuerte razonamiento, plan gratuito |
| Documentos legales europeos | Mistral Large | Fuerte en idiomas FR/DE/IT/ES |
| Informes largos en chino | Kimi | Contexto largo + excelente chino |
Errores Comunes (Y Cómo Evitarlos)
❌ Subir PDFs Sin Procesar
La solución: Siempre convierte a Markdown primero. Usa el convertidor gratuito de Inputo.
❌ Enviar Todo el Documento Cuando Necesitas Una Sección
La solución: Extrae y pega solo las secciones relevantes. Esto ahorra tokens y mejora la precisión.
❌ Prompts Vagos
❌ «Resume este documento.»
✅ «Extrae las 3 métricas financieras más importantes de este informe. Para cada una, proporciona: nombre de la métrica, valor actual, valor del período anterior, y cambio porcentual.»
❌ No Especificar Formato de Salida
❌ «¿Cuáles son los puntos clave?»
✅ «Lista los puntos clave como una lista numerada. Cada punto: máx. 2 frases. Incluye la referencia de página/sección para cada uno.»
❌ Confiar en la Primera Respuesta
La solución: Siempre verifica los datos críticos contra el documento fuente. Usa el método de dos pasadas para análisis de alto riesgo.
La Conclusión
Obtener grandes resultados de la IA con documentos no depende de qué modelo uses — depende de cómo preparas el documento y estructuras tu prompt. Las tres reglas:
- Convierte a Markdown primero — ahorra tokens, preserva estructura, previene alucinaciones
- Sé específico — dile al modelo exactamente qué extraer y cómo formatearlo
- Verifica — siempre comprueba la salida de la IA contra el documento fuente para datos críticos
Ya sea que uses ChatGPT, Claude, DeepSeek, el nuevo GLM-5.2, Qwen, Gemini, o cualquier otro modelo — estos principios funcionan en todos ellos.
Empieza con el Formato Correcto — Gratis
Convierte tu PDF a Markdown en segundos. Sin registro, sin límites, sin marca de agua. Funciona con cada modelo de IA.
Convertir PDF a Markdown →Lecturas adicionales: Convertidor PDF a Markdown Gratuito para Cada IA · Por Qué Markdown Es el Mejor Formato para la IA