Guía
Markdown, PDF o JSON: qué formato lee mejor la IA
La IA lee mejor Markdown para la prosa y la estructura, JSON para los valores exactos que necesitan campos como periodo, moneda y matiz, y PDF es el que peor lee, porque guarda la maquetación en lugar del significado. Para los documentos importantes, conserva el PDF para las personas y publica versiones en Markdown y JSON del mismo contenido con fidelidad comprobada para la IA.
La comparación en breve
| Markdown | JSON | ||
|---|---|---|---|
| Pensado para | Imprimir y visualizar | Leer y escribir texto | Programas |
| Títulos y orden | Deducidos de la maquetación | Explícitos (#, ##) | Explícitos si el esquema los incluye |
| Tablas | Texto posicionado, frágil | Tablas sencillas con barras verticales | Filas y campos |
| Gráficos | Formas; los valores a menudo se pierden | Solo si se escriben como tabla | Series como datos |
| Unidades, periodo, matices | Dispersos en la maquetación | En el texto, junto a los valores | Campos separados por valor |
| Bueno para citar | Flojo | Muy bueno | Flojo para la prosa |
| Bueno para valores exactos | Flojo | Bueno | El mejor |
| Cómodo para personas | El mejor | Bueno | Malo |
PDF: excelente para personas, el más débil para la IA
Un PDF se ve igual en todas partes, y por eso los documentos de empresa se comparten en PDF. Pero una IA tiene que reconstruir la estructura a partir de la posición de los caracteres. El centro de ayuda de OpenAI señala que ChatGPT puede no extraer con fiabilidad valores exactos de tablas basadas en imágenes, archivos escaneados o maquetaciones complejas, y recomienda hojas de cálculo o archivos de texto cuando los valores exactos importan. Los gráficos dentro de los PDF solo se leen donde está disponible la recuperación visual.
Markdown: el formato natural para los modelos de lenguaje
Markdown es texto plano con una estructura ligera: títulos, listas, tablas, enlaces. Los modelos lo leen directamente sin reconstruir nada, es compacto y las citas que se toman de él son precisas. Su punto débil es que un valor sigue siendo solo texto: «4,2 M$» en una celda depende del encabezado de arriba para su periodo y de una frase cercana para el «sin auditar».
El front matter (un bloque YAML al principio) ayuda: puede indicar la URL canónica, la versión y el estado, para que un agente sepa qué está leyendo y si está actualizado.
JSON: valores exactos con su significado asociado
JSON sirve para cuando un agente tiene que usar un número en lugar de citar una frase: comparar periodos, calcular un ratio, rellenar un formulario. Un buen esquema guarda cada métrica con sus propios campos, de modo que nada depende de la maquetación.
- valor y unidad/moneda
- periodo (p. ej., FY2025, T3 2026)
- clasificación (real, previsión, presupuesto)
- matices (sin auditar, pro forma, «hasta»)
- referencia a la fuente (página, diapositiva o celda)
Por qué la respuesta es «ambos, desde una sola fuente»
Cada lector quiere un formato distinto: una persona abre la página, un asistente de chat prefiere Markdown, un agente que hace análisis quiere JSON. El riesgo es la divergencia: tres archivos mantenidos por separado acaban contradiciéndose. La cuestión del formato importa menos que tener una única fuente con fidelidad comprobada a partir de la cual se generen todos los formatos, en direcciones que no cambian.
Así funciona The Papers: cada documento se convierte en una única versión IA canónica con una página web, Markdown (/{room}/{doc}.md, con front matter para la URL canónica, la versión, el estado y la preparación para IA) y JSON (/{room}/{doc}.json, con bloques, métricas con periodo, moneda y clasificación, matices, afirmaciones y la procedencia de cada página). Todo se contrasta con la fuente antes de publicar, y las analíticas por documento muestran qué formato usó cada lector de IA.
Preguntas frecuentes
- ¿Un .txt plano es tan bueno como Markdown?
- Es legible, pero pierdes los títulos y las tablas, que ayudan a los modelos a encontrar y citar la sección correcta. Markdown no cuesta nada más.
- ¿Debería convertir todos mis PDF a Markdown?
- Convertir es un comienzo, pero revisa las cifras: los conversores pueden perder encabezados o signos sin avisar. En los documentos en los que las cifras importan, verifica el resultado con la fuente.
- ¿Leerá ChatGPT un archivo JSON que suba?
- Sí, como texto. JSON es más útil para agentes y herramientas que procesan valores de forma programática; para preguntas conversacionales, Markdown suele ser más cómodo.
- ¿Y los archivos de Word o Excel?
- Tienen más estructura que un PDF: Word tiene títulos y tablas reales, y Excel tiene valores de celda y fórmulas. Son buenas fuentes para crear Markdown y JSON.
Publica una única fuente con fidelidad comprobada y sírvela como página, Markdown y JSON.
Fuentes
Actualizado el 2026-10-27
Guías relacionadas
- ¿Qué es una versión IA canónica de un documento?
- Una única fuente de verdad para los agentes de IA: por qué un enlace es mejor que un adjunto
- Cómo dar a tu bot de soporte y a tus agentes de IA una única fuente de verdad para la documentación de producto
- ¿Cómo evito que ChatGPT lea mal las cifras del PDF de mi pitch deck?