Ir al contenido principal
Español— Elegir un idioma
Menú

Extracción estructurada: tablas, encabezados y datos numéricos

Lección 11 de 14 Actualizado el 2 de noviembre de 2026 Principiante
En esta página
  1. De documentos en bruto a datos organizados
  2. Tablas: el punto fuerte
  3. Encabezados, jerarquía y estructura
  4. Datos numéricos, con contexto
  5. En la práctica
  6. Puntos clave

Actualización 2 de noviembre de 2026 — Le Chat pasa a llamarse Vibe. Desde el 28 de mayo de 2026, Le Chat es ahora Vibe (sigue estando en chat.mistral.ai): un único agente para el trabajo y el código que conserva tus conversaciones, configuraciones y suscripciones. La experiencia heredada de Le Chat sigue accesible en el modo Chat; en el modo Work, los agentes se han convertido en habilidades (que se invocan con @), las memorias forman la base de conocimientos y la búsqueda profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección usa el nombre Vibe; es posible que algunos menús descritos aquí hayan cambiado de nombre o de ubicación.

De documentos en bruto a datos organizados

Extraer texto de un documento está bien. Pero el valor real aparece cuando obtienes datos estructurados: tablas limpias, cifras identificadas y encabezados clasificados. Esta es la diferencia entre recibir una fotocopia de un estado financiero y recibir ese mismo estado en una hoja de cálculo utilizable. La IA de documentos de Mistral destaca precisamente en esta tarea: no solo lee el texto, sino que entiende la estructura del documento y devuelve la información en un formato directamente usable.

Tablas: el punto fuerte

Las tablas están presentes en todos los documentos empresariales: estados financieros, listas de precios, calendarios, resultados de estudios; y este es históricamente el terreno donde el OCR clásico ha fracasado de forma más estrepitosa, convirtiendo columnas y filas en un caos. El motor OCR 3, en cambio, las gestiona con una precisión notable. Cuando subes a Vibe un documento que contiene una tabla, el modelo identifica primero los límites de la tabla, incluso cuando son sutiles o de color. A continuación, reconoce los encabezados y los distingue de los datos, asociando cada celda con su columna y su fila. Incluso gestiona casos difíciles: celdas combinadas, subtotales, notas al pie; todas esas trampas clásicas que una hoja de cálculo mal convertida transforma en errores silenciosos.

Para obtener un resultado usable, haz el hábito de especificar el formato deseado en tu prompt. «Extrae la tabla de la página 3 en formato Markdown» te da una tabla legible directamente en Vibe; «Convierte esta tabla a CSV para poder pegarla en Excel» la prepara para importarla a una hoja de cálculo; «Extrae solo la columna ‘Importe’ y la columna ‘Fecha’» filtra lo que necesitas desde el origen. Markdown suele ser el formato más práctico para el uso diario: es inmediatamente legible y fácil de copiar y pegar en otras herramientas.

Encabezados, jerarquía y estructura

Más allá de las tablas, la IA de documentos puede reconstruir la jerarquía del documento: los títulos y subtítulos se identifican y clasifican por nivel (h1, h2, h3), los párrafos se distinguen entre sí incluso sin saltos de línea visibles, las listas con viñetas o numeradas se reconstruyen correctamente y las notas al pie se vinculan a sus referencias. Esta capacidad es invaluable cuando trabajas con informes extensos o documentos legales, donde la estructura tiene tanto significado como el texto: saber que una cláusula aparece en la sección «Garantías» en lugar de en «Miscelánea» cambia su interpretación.

Por tanto, puedes hacer solicitudes estructurales: «Dame el índice de este documento», «Enumera todos los títulos de sección con sus números de página» o incluso «Extrae solo los párrafos que tratan sobre garantías»; esto último combina estructura y significado.

Datos numéricos, con contexto

Los documentos financieros, presupuestos, facturas e informes de actividad están llenos de números: importes financieros (ingresos, totales, IVA, descuentos), fechas de firma o vencimiento, porcentajes de cuota de mercado o margen, e identificadores como números de factura, referencias de cliente o códigos SIRET. Lo que diferencia a la IA de documentos es que no solo extrae números, sino que entiende su contexto. Si preguntas «¿Cuál es la facturación anual?», busca específicamente el número asociado a ese concepto, aunque esté enterrado en una tabla de 50 filas. Un OCR clásico te habría entregado cincuenta números sin etiquetar; aquí obtienes el correcto.

Esta comprensión te permite ir más allá de la extracción: puedes solicitar cálculos y verificaciones. «¿Es correcto el total de la columna ‘Importe sin IVA’?» hace que el modelo vuelva a sumar; «¿Cuál es la diferencia entre las cifras presupuestadas y las reales?» cruza dos columnas; «¿Qué partida de gasto representa la mayor cuota?» convierte la tabla en un análisis.

Para usuarios avanzados, la exportación en JSON estructura la salida para tus herramientas: «Extrae la siguiente información de esta factura en formato JSON: número, fecha, importe sin IVA, IVA, importe con IVA, proveedor» o «Crea un objeto JSON con los datos de cada fila de la tabla». Este formato es ideal si los datos deben alimentar más adelante una hoja de cálculo, una base de datos u otro software.

En la práctica

Observa cómo convergen estas capacidades en tres escenarios comunes. Recibes un lote de facturas en PDF: para cada una, pide «Extrae de esta factura: nombre del proveedor, fecha, número de factura, importe sin IVA, IVA e importe con IVA. Preséntalo como una tabla»; y tu asiento contable queda preparado. Ante un informe anual de 50 páginas: «Extrae todas las tablas financieras de este informe y preséntalas en Markdown. Identifica los ingresos, el beneficio neto y el margen operativo». Para decidir entre dos presupuestos, súbelos ambos y pregunta: «Compara los precios de estos dos presupuestos para los mismos servicios. Identifica las diferencias de tarifa».

Unas pocas reglas metodológicas para cerrar. Sé específico sobre lo que buscas: una tabla concreta, una columna, un tipo de dato; y especifica siempre el formato de salida deseado (Markdown, CSV, JSON, lista). Para documentos escaneados, se recomienda una resolución de al menos 150 DPI para una extracción fiable. Si el documento es muy denso, procésalo página a página: «Extrae la tabla de la página 7» dará mejores resultados que un «Extrae todas las tablas» global. Y para cualquier uso crítico, contrasta los datos extraídos con el documento original: la extracción es un acelerador, no una exención de responsabilidad.

Puntos clave

  • La IA de documentos reconstruye fielmente tablas con encabezados, columnas y celdas combinadas
  • Puedes solicitar la extracción en Markdown, CSV o JSON según tus necesidades
  • El modelo entiende el contexto de los datos numéricos y puede responder a preguntas específicas
  • La estructura jerárquica del documento (títulos, subtítulos, listas) se conserva
  • Verifica siempre las extracciones para usos críticos