The Papers

Guía

Cómo hacer que un PDF sea legible para los agentes de IA

Asegúrate de que cada dato del PDF exista como texto real con su etiqueta, unidad, periodo y matiz al lado, y publica una versión en texto estructurado (Markdown o JSON) del documento en una URL estable que los agentes puedan obtener. Los agentes leen el texto con fiabilidad y las maquetaciones con dificultad, así que cuanto más te acerques a un texto limpio, con fidelidad comprobada y direccionable, menos errores cometerán.

Cómo leen un PDF los agentes de IA

Un agente de IA no ve tu PDF como lo ve una persona. Extrae la capa de texto, a veces aplica OCR a las imágenes y luego intenta reconstruir los títulos, las tablas y el orden de lectura a partir de la posición de los caracteres. El centro de ayuda de OpenAI señala que los valores exactos pueden no extraerse con fiabilidad de tablas basadas en imágenes, archivos escaneados o maquetaciones complejas, y que la lectura de gráficos e imágenes dentro de los PDF solo está disponible en contextos concretos; en el resto, solo se lee el texto.

Un agente que navega por la web tiene un problema añadido: puede que nunca llegue a abrir el PDF si encuentra una página más ligera, o que obtenga una copia antigua que alguien publicó.

Lista de comprobación: el propio PDF

  • Capa de texto: exporta desde Word, PowerPoint, Google Docs o tu herramienta de diseño. Nada de escaneos, ni de «acoplar» o «imprimir como imagen».
  • Títulos reales: usa estilos de título para que la estructura sobreviva a la exportación.
  • Tablas sencillas: una fila de encabezado, unidades en el encabezado, sin celdas combinadas y sin tablas partidas entre páginas.
  • Gráficos: añade etiquetas de datos o una tabla de valores; que ningún número exista solo como la altura de una barra.
  • Matices junto a las cifras: «previsión», «sin auditar», «pro forma», «hasta» en la misma línea, no solo en una nota al pie.
  • Un único nombre para cada métrica en todo el documento.
  • Fechas en un formato inequívoco («4 de marzo de 2026», no «04/03/26»).
  • Tamaño razonable: OpenAI señala que los archivos grandes o con muchas imágenes pueden no analizarse por completo.

Lista de comprobación: lo que publicas junto a él

  • Una versión en Markdown: títulos, párrafos y tablas en texto plano, el formato que los modelos de lenguaje manejan con más naturalidad.
  • Una versión en JSON si los valores importan: cada métrica con su periodo, moneda y matiz como campos separados.
  • Una URL estable que no cambie al actualizar el documento, para que los enlaces de correos y presentaciones sigan funcionando.
  • Una versión y un estado en el archivo, para que un agente distinga un borrador de una versión final.
  • Un índice de la colección, por ejemplo un archivo llms.txt que enumere tus documentos con descripciones breves (consulta llmstxt.org).
  • La visibilidad que de verdad quieres: público e indexable, solo con enlace o restringido.

Convertir no es lo mismo que hacer legible

Pasar un PDF por un conversor te da texto, pero no necesariamente el texto correcto. Los conversores pueden perder un encabezado de columna, pegar dos filas o convertir «(1,2)» en «1,2», y el resultado parece limpio, así que nadie se da cuenta. En los documentos en los que las cifras importan, hay que contrastar el texto convertido con la fuente antes de publicarlo.

EnfoqueLegible para agentesCifras contrastadas con la fuenteSe mantiene actualizado
Solo PDFEn parteNoCirculan copias antiguas
PDF + Markdown convertidoSíNoDepende de dónde lo alojes
Versión IA con fidelidad comprobada en una URL permanenteSíSíSí, mismo enlace

Cómo lo hace The Papers

The Papers toma un PDF (capa de texto con posiciones; OCR como alternativa para las páginas escaneadas) o un archivo de PowerPoint, Excel o Word y crea una única versión IA canónica en una URL permanente: una página para personas, Markdown con front matter (URL canónica, versión, estado, preparación para IA) y JSON con bloques, métricas, matices y la procedencia de cada página. Tu Data Room también obtiene un llms.txt y un índice.

Antes de publicar nada, cada número, moneda, fecha y periodo se contrasta con la fuente, y las ambigüedades te llegan para que las confirmes. Puedes ver qué agentes de IA y rastreadores leen cada documento y en qué formato.

Preguntas frecuentes

¿Sigo necesitando el PDF?
Sí, consérvalo para quienes quieran la versión maquetada. La versión en texto es la que deberían leer los agentes; enlázala junto al PDF.
¿Basta con un PDF etiquetado o accesible?
Ayuda, porque las etiquetas de estructura dan a los agentes los títulos y el orden de lectura. Pero no asocia unidades y matices a los valores ni te da una dirección de texto estable y actualizable.
¿Qué formato deberían leer los agentes, Markdown o JSON?
Markdown para leer y citar; JSON cuando un agente necesita valores exactos con su periodo y su moneda. Lo mejor es ofrecer ambos.
¿Puedo mantener el documento privado?
En The Papers, sí: cada documento puede ser público, no listado (solo con enlace, nunca indexado) o privado para los miembros del Data Room.

Convierte tu PDF más importante en una versión IA con fidelidad comprobada que los agentes puedan leer.

Fuentes

Guías relacionadas