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
| Markdown | JSON | ||
|---|---|---|---|
| Feito para | Imprimir e visualizar | Ler e escrever texto | Programas |
| Títulos e ordem | Deduzidos do layout | Explícitos (#, ##) | Explícitos, se o schema os tiver |
| Tabelas | Texto posicionado, frágil | Tabelas simples com barras verticais | Linhas e campos |
| Gráficos | Formas; valores muitas vezes perdidos | Só se escritos como tabela | Séries como dados |
| Unidades, período, ressalvas | Espalhados pelo layout | No texto, ao lado dos valores | Campos separados por valor |
| Bom para citar | Fraco | Forte | Fraco para texto corrido |
| Bom para valores exatos | Fraco | Bom | O mais forte |
| Amigável para pessoas | O mais forte | Bom | Ruim |
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
- O que é uma versão canônica para IA de um documento?
- Uma única fonte da verdade para agentes de IA: por que um link é melhor que anexos
- Como dar ao seu bot de suporte e aos agentes de IA uma única fonte da verdade para a documentação do produto
- Como evitar que o ChatGPT leia errado os números do PDF do meu pitch deck?