Ir al contenido principal
Español— Elegir un idioma
Menú

Analizar imágenes y fotografías

Lección 12 de 18 Actualizado el 5 de noviembre de 2026 Principiante
En esta página
  1. Visión de ChatGPT: comprensión de imágenes
  2. Enviar una imagen a ChatGPT
  3. Qué permite la visión en el trabajo diario
  4. Qué separa un buen análisis de uno malo
  5. Límites que debes conocer
  6. Te toca a ti
  7. Puntos clave

Visión de ChatGPT: comprensión de imágenes

ChatGPT no se limita al texto: todos los modelos aceptan imágenes. Fotografías, capturas de pantalla, gráficos, documentos fotografiados, diagramas… la herramienta los describe, lee y comenta. El valor es inmediato, ya que esta funcionalidad elimina el paso de la transcripción: muestras en lugar de describir. Está disponible en los planes gratuitos y de pago, sujeto a las cuotas de cada plan.

Enviar una imagen a ChatGPT

Tanto en la web como en la aplicación de escritorio, tres vías conducen al mismo resultado: el botón + en el área de entrada, seguido de Add photos & files; arrastrar y soltar una imagen en el área de entrada; o pegar una imagen copiada desde el portapapeles (Ctrl+V o Cmd+V). En dispositivos móviles, el mismo botón + añade una foto, ya sea una que acabes de tomar o una antigua; en iPhone, una pulsación larga sobre + abre directamente tus fotos recientes. ChatGPT acepta formatos PNG, JPEG y GIF no animados, con un límite de 20 MB por imagen.

No tienes que enviar solo una imagen a la vez. Incluir varios elementos visuales en un único mensaje te permite solicitar una comparación, y puedes añadir nuevas imágenes a medida que avanza la conversación para profundizar o cambiar de enfoque.

Qué hace la visión y sus límites Dos columnas. Lo que hace bien: comentar gráficos, leer y extraer texto de documentos, explicar pantallas, comparar varias imágenes. Sus límites oficiales: sin imágenes médicas especializadas, menos fiable en alfabetos no latinos, curvas distinguidas solo por el estilo de línea, valores exactos no garantizados. ANALIZAR IMÁGENES Qué hace la visión y sus límites Lo que hace bien Gráficos Tendencias, anomalías, conclusiones Documentos Leer, transcribir, extraer Pantallas Mensajes de error, páginas web Comparaciones Varias imágenes en un mensaje Sus límites oficiales Medicina Sin imágenes médicas especializadas Alfabetos Japonés, coreano: menos fiable Curvas Distinguidas solo por el estilo de línea Números Valores exactos no garantizados PNG, JPEG o GIF no animado, hasta 20 MB por imagen.
Basado en el artículo "ChatGPT Image Inputs FAQ" del Centro de Ayuda de OpenAI (noviembre de 2026).

Qué permite la visión en el trabajo diario

El primer caso de uso, y el más valioso, son los gráficos. Captura una curva de un informe anual, un cuadro de mando o una presentación, y pide a ChatGPT que la comente en lugar de descifrarla tú mismo.

[imagen de un gráfico] “Analiza este gráfico. ¿Cuáles son las tendencias principales? ¿Hay alguna anomalía? Resume las conclusiones en 3 puntos.”

A continuación está la lectura de documentos: ChatGPT lee el texto presente en una imagen. “Transcribe el texto de este documento y luego resúmelo en 3 frases”. El mismo enfoque funciona para facturas, con una extracción estructurada que te ahorra la introducción manual: “Extrae la información de esta factura: proveedor, fecha, importe sin impuestos, IVA, importe con impuestos”, y para la traducción cuando fotografías un cartel o un menú en un idioma extranjero.

La identificación forma una tercera categoría: un mensaje de error mostrado en pantalla cuyo significado y resolución necesitas conocer, un objeto cuyo nombre buscas, un plato para el que quieres una receta similar. Por último, la visión sirve como ojo crítico para los elementos visuales profesionales.

[captura de pantalla de un sitio web] “Analiza esta página de inicio. Puntos fuertes y débiles en términos de experiencia de usuario. Propón 3 mejoras concretas.”

Qué separa un buen análisis de uno malo

La calidad del resultado depende, en primer lugar, de la calidad de la imagen. OpenAI recomienda ampliar el texto que se va a leer sin recortar detalles importantes, y evitar imágenes rotadas o boca abajo, así como vistas panorámicas o de “ojo de pez”, que a menudo se interpretan mal. Para llamar la atención sobre un área específica, anota la imagen antes de enviarla, utilizando por ejemplo la herramienta de edición de tu teléfono.

La segunda variable es el texto que acompaña a la imagen. “¿Qué es esto?” invita a una descripción general, a menudo inútil. “Este es nuestro gráfico de ventas del primer trimestre: analiza la tendencia e identifica los meses problemáticos” invita a una respuesta aplicable. El principio también se aplica al combinar varios elementos visuales: “Este es el logotipo de mi competidor [imagen]. Compáralo con el nuestro [imagen]. ¿Cuál es el posicionamiento visual de cada uno?”

Límites que debes conocer

La propia OpenAI publica una lista de límites. El modelo no está diseñado para interpretar imágenes médicas especializadas, como tomografías computarizadas, y no debe servir como consejo médico. Lee texto en alfabetos no latinos, como el japonés o el coreano, con menor fiabilidad. Puede cometer errores en gráficos donde solo el color o el estilo de línea (continua, discontinua, punteada) distingue las curvas, en tareas de localización precisa como leer una posición de ajedrez, y ofrece solo recuentos aproximados. No lee el nombre del archivo ni sus metadatos, y la imagen se redimensiona antes del análisis.

Una salvedad merece énfasis: para los números leídos de una imagen, como una tabla fotografiada o un PDF escaneado, los valores exactos no se extraen con fiabilidad. Cuando la precisión importa, envía la hoja de cálculo original o el archivo de texto en su lugar, y verifica manualmente cualquier dato que impulse una decisión. Por último, los vídeos pueden adjuntarse como archivos, incluso en el plan gratuito, pero su análisis puede ser parcial.

Te toca a ti

Tres intentos. Fotografía o captura una página de un informe o una factura, y pide la extracción de la información clave en una tabla; verifica cada importe. A continuación, captura un gráfico de un artículo o un cuadro de mando, y pide un análisis de tendencias. Termina con una foto de cualquier objeto, enviada dos veces: una sin instrucciones y otra con una pregunta específica. Compara la profundidad de las dos respuestas.

Fuentes oficiales: ChatGPT Image Inputs FAQ (Centro de Ayuda de OpenAI: planes, formatos, adición de imágenes, límites) · Data analysis with ChatGPT (tablas escaneadas o basadas en imágenes) · ChatGPT capabilities overview (análisis de imágenes)

Puntos clave

  • Todos los modelos de ChatGPT analizan fotos, capturas de pantalla, gráficos y documentos fotografiados, en todos los planes
  • Envía una imagen con el botón +, arrastrando y soltando, pegando o, en móviles, desde tus fotos
  • Una pregunta específica y una imagen nítida ganan a un vago “¿qué es esto?”
  • Límites oficiales: imágenes médicas, alfabetos no latinos, curvas distinguidas solo por el estilo, recuentos
  • Los números leídos de una imagen no son fiablemente exactos: prefiere el archivo original