The Papers

Guia

Markdown vs. PDF vs. JSON: qual formato a IA lê melhor

A IA lê melhor Markdown para texto corrido e estrutura, JSON para valores exatos que precisam de campos como período, moeda e ressalva, e PDF pior que todos, porque ele armazena layout e não significado. Para documentos importantes, mantenha o PDF para pessoas e publique versões em Markdown e JSON do mesmo conteúdo verificado para a IA.

A comparação rápida

PDFMarkdownJSON
Feito paraImprimir e visualizarLer e escrever textoProgramas
Títulos e ordemDeduzidos do layoutExplícitos (#, ##)Explícitos, se o schema os tiver
TabelasTexto posicionado, frágilTabelas simples com barras verticaisLinhas e campos
GráficosFormas; valores muitas vezes perdidosSó se escritos como tabelaSéries como dados
Unidades, período, ressalvasEspalhados pelo layoutNo texto, ao lado dos valoresCampos separados por valor
Bom para citarFracoForteFraco para texto corrido
Bom para valores exatosFracoBomO mais forte
Amigável para pessoasO mais forteBomRuim

PDF: ótimo para pessoas, o mais fraco para a IA

Um PDF tem a mesma aparência em qualquer lugar, e é por isso que documentos de negócios são compartilhados em PDF. Mas a IA precisa reconstruir a estrutura a partir da posição dos caracteres. A central de ajuda da OpenAI observa que o ChatGPT pode não extrair com confiabilidade valores exatos de tabelas em imagem, arquivos digitalizados ou layouts complexos, e recomenda planilhas ou arquivos de texto quando os valores exatos importam. Gráficos dentro de PDFs só são lidos onde o visual retrieval está disponível.

Markdown: o formato natural para modelos de linguagem

Markdown é texto simples com uma estrutura leve: títulos, listas, tabelas, links. Os modelos o leem diretamente, sem reconstrução; ele é compacto e as citações tiradas dele são precisas. Sua fraqueza é que um valor continua sendo só texto: “US$ 4,2 mi” em uma célula depende do cabeçalho acima para o período e de uma frase próxima para o “não auditado”.

O front matter (um bloco YAML no topo) ajuda: ele pode informar a URL canônica, a versão e o status, para que o agente saiba o que está lendo e se está atualizado.

JSON: valores exatos com o significado junto

JSON serve para quando o agente precisa usar um número em vez de citar uma frase: comparar períodos, calcular um índice, preencher um formulário. Um bom schema armazena cada métrica com seus próprios campos, de modo que nada depende do layout.

  • valor e unidade/moeda
  • período (por exemplo, FY2025, 3º tri de 2026)
  • classificação (realizado, projeção, orçamento)
  • ressalvas (não auditado, pro forma, “até”)
  • referência à fonte (página, slide ou célula)

Por que a resposta é “os dois, a partir de uma única fonte”

Leitores diferentes querem formatos diferentes: uma pessoa abre a página, um assistente de chat prefere Markdown, um agente que faz análises quer JSON. O risco é a divergência — três arquivos mantidos separadamente acabam se contradizendo. A questão do formato importa menos do que ter uma única fonte com fidelidade conferida a partir da qual todos os formatos são gerados, em endereços que não mudam.

É assim que o The Papers funciona: cada documento vira uma única Versão IA canônica com uma página web, Markdown (/{room}/{doc}.md, com front matter para URL canônica, versão, status e Prontidão para IA) e JSON (/{room}/{doc}.json, com blocos, métricas com período, moeda e classificação, ressalvas, afirmações e página de origem). Tudo é conferido com a fonte antes da publicação, e as análises por documento mostram qual formato cada leitor de IA usou.

Perguntas frequentes

Um .txt simples é tão bom quanto Markdown?
É legível, mas você perde títulos e tabelas, que ajudam os modelos a encontrar e citar a seção certa. Markdown não custa nada a mais.
Devo converter todos os meus PDFs para Markdown?
Converter é um começo, mas confira os números: conversores podem perder cabeçalhos ou sinais sem avisar. Em documentos em que os números importam, verifique o resultado com a fonte.
O ChatGPT lê um arquivo JSON que eu enviar?
Sim, como texto. JSON é mais útil para agentes e ferramentas que processam valores programaticamente; para perguntas em conversa, Markdown costuma ser mais fácil.
E arquivos do Word ou do Excel?
Eles carregam mais estrutura que o PDF — o Word tem títulos e tabelas de verdade, o Excel tem valores de células e fórmulas. São boas fontes para gerar Markdown e JSON.

Publique uma única fonte com fidelidade conferida e disponibilize-a como página, Markdown e JSON.

Fontes

Guias relacionados