Taller: Análisis de texto
En esta página
Objetivo del taller
Tras la redacción, cambiamos de tercio: este taller te entrena para usar Mistral en tareas de análisis: analizar el sentimiento de un texto, extraer información clave y clasificar contenido. Estas competencias son fundamentales para automatizar el procesamiento de datos textuales en el ámbito empresarial. Cada vez que un humano deba leer decenas de textos similares para extraer la misma cuadrícula de información, tienes un candidato a la automatización. Observarás un hilo conductor en los tres ejercicios: la temperatura se mantiene baja, porque en el análisis la coherencia importa más que la creatividad.
Ejercicio 1: Analizar el sentimiento de opiniones de clientes
Imagina este escenario: gestionas el servicio de atención al cliente de un mercado en línea y recibes cientos de opiniones a diario. Leerlas todas es imposible; necesitas analizarlas automáticamente para detectar problemas recurrentes y priorizar las respuestas. El mensaje del sistema define una cuadrícula de análisis fija (sentimiento, temas, urgencia, acción) y exige una salida en JSON para que tu herramienta de gestión de incidencias pueda procesar el resultado.
messages = [
{
"role": "system",
"content": """Eres un analista de experiencia de cliente.
Para cada opinión, proporciona:
1. Sentimiento general: positivo / mixto / negativo
2. Temas tratados (máximo 3)
3. Nivel de urgencia: bajo / medio / alto
4. Acción recomendada (1 frase)
Responde en JSON estructurado."""
},
{
"role": "user",
"content": """Analiza estas 3 opiniones de clientes:
Opinión 1: "Pedido recibido en 2 días, embalaje cuidadoso. Sin embargo, el
manual de usuario está solo en inglés, lo cual es una lástima para un producto
vendido en Francia. El producto en sí funciona muy bien."
Opinión 2: "Es la TERCERA vez que recibo un artículo defectuoso. El soporte
lleva dos semanas dándome largas. Contactaré con la DGCCRF si no hay avances."
Opinión 3: "Buena relación calidad-precio. Nada excepcional, pero cumple su función.
Entrega estándar, sin problemas."
Devuelve una tabla JSON con el análisis de cada opinión."""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.1
)
El resultado esperado es este: observa que la opinión 1, generalmente satisfecha pero con una reserva, debe salir como «mixto» y no como «positivo», y que la opinión 2, con su amenaza de contactar con la DGCCRF (la agencia francesa de protección al consumidor), debe activar una urgencia alta:
[
{
"review": 1,
"sentiment": "mixed",
"themes": ["delivery", "documentation", "product quality"],
"urgency": "low",
"action": "Translate the user manual to French for future batches."
},
{
"review": 2,
"sentiment": "negative",
"themes": ["product quality", "customer service", "recurrence"],
"urgency": "high",
"action": "Escalate to support manager for priority handling."
},
{
"review": 3,
"sentiment": "positive",
"themes": ["value for money", "delivery"],
"urgency": "low",
"action": "No action required, standard satisfied review."
}
]
Ejercicio 2: Extraer datos estructurados
Segunda situación: recibes correos electrónicos de candidaturas en texto libre y necesitas extraer información clave para alimentar tu ATS (Sistema de Seguimiento de Candidatos). El principal riesgo en la extracción es la invención: un modelo sin instrucciones rellenará gustosamente los huecos con deducciones plausibles. De ahí las dos reglas cardinales del mensaje del sistema: «not provided» para cualquier información faltante y una prohibición absoluta de deducir.
messages = [
{
"role": "system",
"content": """Extraes datos estructurados de texto libre.
Reglas:
- Si la información no se menciona, indica "not provided"
- NUNCA deduzcas información: cíñete estrictamente al texto
- Las fechas deben estar en formato YYYY-MM-DD
- Las habilidades deben ser términos normalizados"""
},
{
"role": "user",
"content": """Extrae la información de este correo de candidatura:
"Hola,
Presento mi candidatura para el puesto de desarrollador full-stack
publicado en LinkedIn. Me llamo Sarah Benali y tengo 6 años
de experiencia en desarrollo web. Actualmente soy Lead Developer en DataViz (París),
trabajo principalmente con React, Node.js y PostgreSQL. También tengo
una sólida experiencia con AWS y Docker. Mi tarifa diaria actual es
de 650 € y estoy disponible a partir del 15 de mayo de 2026.
Un cordial saludo,
Sarah Benali"
Formato JSON esperado:
{
"name": "",
"target_role": "",
"experience_years": 0,
"current_role": "",
"current_company": "",
"location": "",
"skills": [],
"daily_rate": "",
"availability": ""
}"""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.0
)
Esta es la salida que deberías obtener:
{
"name": "Sarah Benali",
"target_role": "Full-stack developer",
"experience_years": 6,
"current_role": "Lead Developer",
"current_company": "DataViz",
"location": "Paris",
"skills": ["React", "Node.js", "PostgreSQL", "AWS", "Docker"],
"daily_rate": "€650",
"availability": "2026-05-15"
}
Observa la temperatura en 0,0: para la extracción, quieres una respuesta determinista fiel al texto fuente. Fíjate también en la conversión de la fecha al formato ISO, solicitada explícitamente en las reglas; sin esta instrucción, el modelo habría copiado «15 de mayo de 2026» tal cual.
Ejercicio 3: Clasificar tickets de soporte
Última situación: tu equipo de soporte recibe tickets sin categorizar que necesitan un enrutamiento automático al departamento adecuado. La clave de este ejercicio es la definición exhaustiva de categorías y prioridades en el mensaje del sistema. Si dejas que el modelo invente su propia taxonomía, cada lote de tickets saldrá con categorías diferentes y tu enrutamiento se volverá ingobernable.
messages = [
{
"role": "system",
"content": """Clasificas tickets de soporte técnico.
Categorías disponibles:
- BILLING: problemas de pago, facturas, suscripciones, reembolsos
- TECHNICAL: errores, fallos, problemas de funcionalidad, lentitud
- ACCOUNT: inicio de sesión, contraseña, configuración, eliminación de cuenta
- FEATURE: solicitudes de nuevas funciones, sugerencias
- OTHER: cualquier cosa que no encaje en las categorías anteriores
Prioridades:
- P1: servicio inaccesible, pérdida de datos, impacto financiero directo
- P2: funcionalidad degradada, solución alternativa posible
- P3: pregunta, solicitud de información, sugerencia
Responde SOLO en JSON, sin texto antes ni después."""
},
{
"role": "user",
"content": """Clasifica estos 4 tickets:
Ticket A: "No puedo iniciar sesión desde esta mañana. He intentado
restablecer mi contraseña pero no recibo el correo."
Ticket B: "¿Sería posible añadir una exportación a Excel además de CSV?"
Ticket C: "Me han cobrado dos veces mi suscripción de marzo."
Ticket D: "La aplicación se cierra al importar un archivo de más de 50 MB.
Mensaje de error: MEMORY_EXCEEDED."
Formato:
[{"ticket": "A", "category": "", "priority": "", "service": "", "summary": ""}]"""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.0
)
El resultado esperado: observa que el ticket C, con su impacto financiero directo, va a P1, mientras que el fallo técnico del ticket D se mantiene en P2 ya que existe una solución alternativa:
[
{
"ticket": "A",
"category": "ACCOUNT",
"priority": "P2",
"service": "Level 1 Support",
"summary": "Unable to log in, reset email not received"
},
{
"ticket": "B",
"category": "FEATURE",
"priority": "P3",
"service": "Product",
"summary": "Request for Excel export in addition to CSV"
},
{
"ticket": "C",
"category": "BILLING",
"priority": "P1",
"service": "Accounting",
"summary": "Double charge March subscription, refund request"
},
{
"ticket": "D",
"category": "TECHNICAL",
"priority": "P2",
"service": "Development",
"summary": "Crash importing large files (MEMORY_EXCEEDED)"
}
]
Consejos para tareas de análisis
Cuatro buenas prácticas resumen el método de este taller. Trabaja con temperatura 0 para clasificación y extracción: quieres coherencia, no inspiración. Define las categorías explícitamente en el mensaje del sistema; de lo contrario, el modelo inventará las suyas. Incluye siempre la instrucción «not provided» para los datos faltantes; si no, el modelo rellenará los huecos con invenciones plausibles. Y antes de cualquier despliegue, prueba con casos límite: textos ambiguos, tickets que encajan en dos categorías, datos parciales; ahí es donde tu cuadrícula mostrará debilidades, no en los casos de libro de texto.
Puntos clave
- El análisis de texto con Mistral funciona mejor con temperatura baja (0-0,2)
- Define siempre las categorías y el formato de salida en el prompt
- Impón la regla «not provided» para evitar alucinaciones
- Few-shot mejora la coherencia de la clasificación
- Prueba con casos reales representativos antes de desplegar en producción