Clasificar, resumir y extraer: tres funciones que aman los usuarios

Las tres funciones rentables (y ninguna es magia)

Cuando un builder quiere "ponerle IA a la app", suele pedir un asistente conversacional omnipotente: caro, riesgoso, difícil de evaluar. Los productos que la gente ama hacen algo más modesto: clasifican lo que entra, resumen lo que llega largo, extraen lo que está enterrado en un documento. Las tres comparten un secreto de diseño: la IA no decide el destino final —propone, un humano o una regla dispone— y por eso el error cuesta poco.

El patrón que las tres comparten

Material
un texto de entrada acotado: el ticket, el hilo, el PDF.
Propuesta
la IA clasifica / resume / extrae campos hacia un borrador, no hacia la acción final.
Control
regla o humano revisa: categorías cerradas, campos contra formato, resumen con origen a un clic.
Acción
solo después el sistema actúa: asigna, guarda, archiva.

Las tres, con sus puntos de falla

La falla de la extracción es la más insidiosa: un campo vacío se nota; un campo mal llenado viaja por el sistema como si fuera verdad. Por eso "no encontrado" debe ser una respuesta permitida y hasta deseable.
Función	Ejemplo en tu app	Falla típica	El control que la sostiene
Clasificar	entradas de soporte → facturación / técnico / cuenta	categorías abiertas: la IA inventa etiquetas que nada rutea	lista cerrada de categorías + "otro" con humano al frente
Resumir	hilo de 40 comentarios → 3 puntos para el jefe	resume lo que está más largo, no lo que importa	pedir decisiones y pendientes, no "un resumen"; origen enlazado
Extraer	PDF de factura → fecha, monto, proveedor, IVA	rellena campos vacíos con valores plausibles (alucina el monto)	validación de formato por campo + "no encontrado" como valor legal

Pídela con criterio de calidad medible

La métrica de corrección: el termómetro honesto

texto

Funcion nueva en mi app de soporte: clasificar cada ticket entrante en una de\nestas categorias CERRADAS: facturacion, tecnico, cuenta, otro.\n\nReglas de diseno:\n- la IA solo PROPONE la etiqueta; el asignador humano confirma o corrige con un clic\n- si la confianza es baja o nada encaja, va a "otro" (nunca inventes categorias)\n- guarda la propuesta y la decision final juntas: la correccion es entrenamiento futuro\n\nCriterio de calidad que vamos a medir cada semana:\n- % de tickets donde el humano NO corrigio la propuesta (eso es precision real)\n- si baja de 85 %, mostrame los 20 casos corregidos para ver el patron\n\nPrimero dame un plan: donde encaja la funcion, que prompt usarias, como se ve la\npantalla de confirmacion y como mediremos. No escribas codigo hasta que yo apruebe.

La línea "guarda propuesta y decisión juntas" convierte cada corrección humana en material de mejora continua: la métrica de precisión y el dataset de ajuste crecen solos, sin equipo de etiquetado.

Para reforzar

Prueba

Tu función de extraer datos de facturas PDF regresa "IVA: 1.600" en una factura que en realidad no discrimina IVA. ¿Qué control del patrón falló?

La clasificación con IA debe enviar el ticket directamente al área responsable para que sea realmente automática.

Detecta la función inflada

Cuatro propuestas de "IA para la app". Señala la que contradice el patrón de bajo riesgo:

Marca la línea o las líneas con error y pulsa Comprobar.

Elige UNA de las tres funciones para tu proyecto (o para la app ficticia del curso): escríbela con el patrón completo —material, propuesta, control, acción— y define su métrica de calidad en una línea. Si tu métrica no se puede medir con datos que tu app ya guarda, reescribe la función.

La mejor IA para tu app es la que puedes evaluar esta semana sin fe ni comité.

Tu texto se guarda sólo en este dispositivo.