Ir al contenido principal
Español— Elegir un idioma
Menú

Gráficos y diagramas

Lección 7 de 12 Actualizado el 30 de julio de 2026 Principiante
En esta página
  1. Análisis de datos visuales
  2. Por qué esto difiere del OCR
  3. Análisis de un gráfico sencillo
  4. Extracción de datos tabulares
  5. Análisis de diagramas técnicos
  6. Comparación de gráficos
  7. Caso de uso profesional: informes automatizados
  8. Limitaciones del análisis de gráficos
  9. Puntos clave

Análisis de datos visuales

Grok analizando un gráfico financiero Los gráficos, diagramas y tablas son omnipresentes en el entorno profesional: informes financieros, cuadros de mando, presentaciones y publicaciones científicas. Grok Vision te permite extraer automáticamente datos e información clave de estas representaciones visuales.

Por qué esto difiere del OCR

El análisis de gráficos va mucho más allá de la simple extracción de texto. El modelo debe:

  • Identificar el tipo de gráfico (barras, líneas, circular, dispersión, etc.)
  • Leer los ejes y sus escalas
  • Extraer los valores de los datos
  • Comprender las leyendas y asociarlas a las series de datos
  • Interpretar tendencias y patrones

Análisis de un gráfico sencillo

def analyze_chart(image_url):
    prompt = """Analiza este gráfico y proporciona:

1. Tipo de gráfico (barras, líneas, circular, etc.)
2. Título del gráfico (si es visible)
3. Etiquetas de los ejes X e Y
4. Datos extraídos en formato de tabla
5. Tendencia principal observada
6. Cualquier anotación o punto notable

Presenta los datos en una tabla markdown."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

El modo detail: "high" es esencial para leer con precisión los valores de los ejes y las leyendas.

Extracción de datos tabulares

Para obtener datos listos para usar directamente en tu código:

def extract_chart_data(image_url):
    prompt = """Extrae los datos de este gráfico en formato JSON.
Formato esperado:
{
  "type": "bar|line|pie|scatter",
  "title": "...",
  "x_axis": {"label": "...", "values": [...]},
  "y_axis": {"label": "...", "unit": "..."},
  "series": [
    {
      "name": "Series 1",
      "values": [10, 20, 30, ...]
    }
  ]
}

Estima los valores numéricos con la mayor precisión posible
basándote en la posición de los puntos o barras en relación
con las marcas de graduación."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Análisis de diagramas técnicos

Grok también gestiona eficazmente diagramas de arquitectura, flujogramas y esquemas de flujo:

def analyze_diagram(image_url):
    prompt = """Analiza este diagrama técnico y describe:

1. Tipo de diagrama (arquitectura, flujo, flujograma, UML, etc.)
2. Componentes o entidades principales
3. Conexiones y relaciones entre componentes
4. Flujo de datos o de procesos (si corresponde)
5. Tecnologías o herramientas mencionadas

Si se trata de un diagrama de flujo, describe la ruta principal
de principio a fin."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Comparación de gráficos

Puedes enviar varios gráficos en la misma solicitud para realizar un análisis comparativo:

def compare_charts(url_chart_1, url_chart_2):
    prompt = """Compara estos dos gráficos e identifica:

1. Puntos en común (variables medidas, periodo, etc.)
2. Diferencias en la tendencia
3. Discrepancias significativas
4. Un resumen de 3 o 4 frases"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_text", "text": "Gráfico 1:"},
            {"type": "input_image", "image_url": url_chart_1, "detail": "high"},
            {"type": "input_text", "text": "Gráfico 2:"},
            {"type": "input_image", "image_url": url_chart_2, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Caso de uso profesional: informes automatizados

Imagina un pipeline que transforma capturas de pantalla de cuadros de mando en informes de texto:

def generate_dashboard_report(screenshots):
    report_sections = []

    for i, screenshot in enumerate(screenshots, 1):
        prompt = f"""Eres un analista de negocio. Esta captura de pantalla
corresponde a la sección {i} de un cuadro de mando. Analiza las métricas
mostradas y redacta un párrafo de resumen profesional.

Incluye:
- Los KPI principales y sus valores
- Tendencias (aumento, disminución, estabilidad)
- Alertas o anomalías visibles
- Una recomendación si es pertinente"""

        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": screenshot, "detail": "high"},
                {"type": "input_text", "text": prompt}
            ],
            store=False
        )
        report_sections.append(response.output_text)

    return "\n\n".join(report_sections)

Limitaciones del análisis de gráficos

  • Precisión de los valores: Grok estima los valores basándose en la posición visual. Para valores exactos, es preferible utilizar los datos de origen.
  • Gráficos en 3D: Las representaciones en perspectiva complican la lectura de los valores.
  • Gráficos superpuestos: Cuando varias series se solapan, la distinción puede resultar difícil.
  • Leyendas pequeñas: Las leyendas con texto muy pequeño pueden leerse incorrectamente incluso en modo high.

Puntos clave

  • Grok analiza gráficos comprendiendo el contexto, no solo el texto.
  • Utiliza detail: "high" para una lectura precisa de valores y leyendas.
  • Solicita un formato estructurado (JSON, tabla markdown) para aprovechar los datos.
  • La comparación de múltiples imágenes funciona bien para análisis cruzados.
  • Los valores extraídos son estimaciones visuales, no datos exactos.