The Papers

Guía

¿Por qué ChatGPT se equivoca con las cifras de mi PDF?

ChatGPT se equivoca con las cifras de un PDF porque un PDF guarda texto e imágenes posicionados, no una tabla de valores con su significado: las cifras dentro de gráficos, escaneos o maquetaciones complejas pueden omitirse, fusionarse o asociarse al periodo, la moneda o la fila equivocados. La solución es dar a la IA las cifras como texto estructurado junto a sus etiquetas y matices; idealmente, una única versión con fidelidad comprobada y en texto del documento que toda IA lea en lugar de volver a extraer el PDF.

Qué recibe realmente una IA de un PDF

Un PDF es un formato de impresión. Le dice al visor dónde dibujar cada carácter, línea e imagen de la página; no dice «esta celda son los ingresos del T3 en euros, sin auditar». Una IA que lee el archivo tiene que reconstruir ese significado a partir de posiciones, y cada reconstrucción es una suposición.

El centro de ayuda de OpenAI indica que ChatGPT puede no extraer con fiabilidad valores exactos de tablas basadas en imágenes, archivos escaneados o maquetaciones visuales complejas, y recomienda subir hojas de cálculo o archivos de texto cuando los valores exactos importan. También señala que la lectura de gráficos e imágenes dentro de los PDF (recuperación visual) solo se ofrece en contextos concretos; en el resto, solo se usa la capa de texto. Una cifra que solo existe en un gráfico o una imagen puede ser, sin más, invisible.

Errores típicos según el tipo de documento

DocumentoQué fallaPor qué
Informe anual o trimestralSe cita la cifra del año anterior como la del año en cursoLas tablas de varias columnas pierden sus encabezados durante la extracción
Extracto bancario o de cuentaCargos y abonos intercambiados, saldos desalineadosLos importes están colocados en columnas sin etiquetas explícitas
Lista de precios o ficha técnicaPrecio asociado al producto o la variante equivocadosLas filas se parten en varias líneas; las celdas combinadas rompen el orden de las filas
Resumen financieroUna previsión presentada como dato realEl matiz está en una nota al pie, lejos de la cifra
Contrato o factura escaneadosDígitos mal leídos (8 por 3, 1 por 7)El texto viene del OCR, no de una capa de texto
Informe largo y con muchas imágenesSecciones ignoradas o resumidas de forma vagaLos archivos grandes pueden no analizarse por completo

El verdadero problema: unidades, periodos y matices

La mayoría de las «cifras erróneas» son los dígitos correctos con el significado equivocado. «4,2» no sirve de nada sin «millones de $», «FY2025» y «sin auditar». En un PDF esas piezas suelen estar repartidas entre el encabezado de una tabla, un pie de figura y una nota al pie, y la extracción conserva los dígitos pero pierde el contexto.

  • Escala: miles frente a millones, indicado una sola vez en un encabezado («en miles de $»).
  • Periodo: encabezados de columna como «2025 / 2024» que desaparecen cuando se aplana una tabla.
  • Moneda: un único símbolo en la parte superior de la columna y ninguno junto a los valores.
  • Matices: previsión, pro forma, sin auditar, «hasta», sin partidas extraordinarias; normalmente en letra pequeña.
  • Definiciones: ingresos frente a GMV frente a reservas, bruto frente a neto.

Lo que puedes corregir tú mismo en el PDF

  • Exporta desde la aplicación de origen para que el texto siga siendo seleccionable; evita los escaneos y «imprimir como imagen».
  • Pon unidades y periodos en el encabezado de cada columna, no solo en el título de la página.
  • Indica las cifras clave una vez en una frase con todo su contexto: «Ingresos FY2025: 4,2 M$, sin auditar».
  • Añade etiquetas de datos o una pequeña tabla de valores debajo de cada gráfico.
  • Evita las celdas combinadas y las tablas que se parten entre páginas.
  • Si la precisión importa, comparte la hoja de cálculo o un CSV junto al PDF, como recomienda OpenAI.
  • Cuando preguntes a ChatGPT, remítelo a una página o sección concreta en lugar de al archivo entero; OpenAI sugiere preguntar por secciones o dividir los archivos grandes.

Por qué no basta con mejorar tus propios prompts

Puedes comprobar tú mismo la respuesta de ChatGPT. Lo que no puedes comprobar son las respuestas que reciben tus lectores: un inversor, el equipo de compras de un cliente o un regulador suben el PDF a su propio asistente, que vuelve a extraer las cifras, cada vez de forma distinta. Y una copia desactualizada sigue circulando después de que publiques una corrección.

La solución duradera es una única versión canónica y en texto del documento, en una dirección permanente, que toda IA lea en lugar de adivinar a partir de la maquetación.

Cómo lo resuelve The Papers

The Papers convierte un PDF (o un PowerPoint, Excel o Word) en una versión IA con fidelidad comprobada en una URL permanente: una página web más Markdown y JSON. Antes de publicar, se comprueba que cada número, moneda, fecha y periodo coincida exactamente con la fuente, y no puede aparecer ninguna cifra que no esté en la fuente. Los matices como previsión, sin auditar o pro forma siguen asociados, y cada valor conserva una referencia a su página de origen.

Cuando la fuente es ambigua —por ejemplo, si una cifra son ingresos o GMV—, la pregunta te llega a ti y tu respuesta queda registrada como confirmada por el propietario. El documento recibe una puntuación de preparación para IA; «Fidelidad comprobada» exige cero problemas críticos sin resolver. Cuando actualizas el documento, el enlace sigue siendo el mismo.

Preguntas frecuentes

¿Un PDF escaneado es peor que uno exportado?
Normalmente sí. Un escaneo no tiene capa de texto, así que los valores salen del OCR, y OpenAI señala que los archivos escaneados y las tablas basadas en imágenes pueden no extraerse con fiabilidad. Exporta desde la aplicación original siempre que puedas.
¿Lo arreglará un modelo mejor?
En parte. Los modelos mejores leen mejor las maquetaciones, pero un PDF sigue sin indicar qué periodo, moneda o matiz corresponde a cada cifra. El texto estructurado elimina las conjeturas para cualquier modelo.
¿Debería enviar directamente la hoja de cálculo?
Para los datos en bruto, sí: OpenAI recomienda hojas de cálculo o archivos de texto cuando los valores exactos importan. Pero los lectores también necesitan el relato, y una hoja de cálculo sola lo pierde. Una versión IA con fidelidad comprobada conserva ambas cosas.
¿The Papers comprueba que mis cifras sean correctas?
No. Comprueba que la versión IA sea fiel a tu fuente: las mismas cifras, periodos y matices. No certifica que el contenido en sí sea verdadero.

Publica una única versión IA con fidelidad comprobada de tu PDF para que todos los asistentes lean las mismas cifras.

Fuentes

Guías relacionadas