El reto: un PDF entra, una tabla ordenada sale

Mapa conceptual

# Reto: crea un analizador de PDF
## El reto: un PDF entra, una tabla ordenada sa
## Contexto · Wikipedia
## El flujo: documento → texto → JSON → tabla

Contexto · Wikipedia

Reto: Reto puede referirse a: Amikeca Reto, "Red de la amistad" en esperanto. Competición, desafío. Los habitantes de Retia.

Wikipedia: Reto
Texto consultado y adaptado de Wikipedia (licencia CC BY-SA 4.0).

(Title Page to) A General Atlas, Containing Maps illustrating some important periods in Ancient History (IA dr title-page-to-a-general-atlas-containin — Imagen libre de Wikimedia Commons (Public domain, autor: Thomson, John Wyld, James, 1790-1836 Lizars, W.H. Hewitt, N.R.)

Especificación mínima: (1) pantalla de subida de un PDF (factura o contrato, tú eliges el caso); (2) la app extrae texto y pide a la IA un JSON con campos definidos (proveedor, fecha, total, IVA, vencimiento — o partes, objeto, plazo, monto); (3) tabla de resultados con un nivel de confianza por campo y semáforo para lo que la IA no encontró; (4) botón de copiar/corregir por campo. Fuera del alcance: OCR de fotos, multi-PDF, plantillas por proveedor, historial y usuarios. Este reto es distinto a los anteriores: aquí la IA corre dentro de tu producto y su salida no es determinista. Un CRM o un tablero puedes probarlos una vez y ya; un extractor con IA se prueba con 10 documentos distintos, porque el número 11 va a traer el total en otra parte.

La regla de oro de la extracción: confianza, no verdad Todo campo extraído llega con un "¿qué tan seguro eres?". Los que no pasan el umbral se marcan en rojo y los revisa un humano. Así se diseña con IA sin auto-engaño (C15): tu app no "lee facturas", tu app "propone lecturas con evidencia".

El flujo: documento → texto → JSON → tabla

Cómo atacarlo

Facturas de un giro o contratos de arrendamiento. Mientras más específico el caso, más clara la lista de campos.
Sube el PDF y imprime el texto crudo. Si aquí ya sale basura (PDF escaneado), el reto cambia de naturaleza: anótalo y elige otro documento.
Texto + lista exacta de campos + "responde solo JSON, null si no aparece, con confianza 0-1 por campo". Guárdalo como archivo, no como ocurrencia.
Verde: confianza alta. Amarillo: revisa. Rojo: null o baja. El humano corrige en la misma tabla.
Diez documentos distintos (fechas diferentes formatos, totales en tablas, una factura de un solo renglón). Demo: un acierto verde y uno marcado a rojo con corrección.

Los cuatro campos que traen de vuelta a todos los extractores. Diseña para el caso en que la IA no lo encuentre.
Campo	Por qué se pierde	Defensa en el diseño
Total	Aparece "Total", "Gran total", "Total MXN" y a veces dos veces	Pedir también la frase textual donde lo encontró; humano valida
Fecha	Formatos: 12/03, 03-12, "12 de marzo"	Normalizar a AAAA-MM-DD en la salida, no en la interpretación
RFC/proveedor	Razones sociales con S.A. de C.V. en 4 variantes	Lista de alias permitidos o dejar en amarillo siempre
IVA	No todas las facturas lo desglosan	null es respuesta válida: el semáforo rojo es información, no fracaso

Pruebas tu analizador con 10 facturas y va bien. Un amigo te pasa un PDF escaneado (foto del documento) y la app revienta. ¿Qué concluyes?

En un extractor con IA, mostrar el campo como "no encontrado" (rojo) cuando la confianza es baja es un fracaso de la herramienta.

Escribe el prompt de extracción de TU caso (documento elegido, los 5-8 campos exactos, la instrucción de JSON con confianza y null) y pégalo en el foro. Compáralo con el de dos compañeros: ¿quién definió mejor qué pasa cuando el dato NO está?

Pista

Si tu prompt no dice qué hacer cuando un campo no aparece, tu app va a improvisar con tu reputación.

Siguiente reto: Conecta dos APIs — de manejar un documento a manejar dos sistemas que no sabían el uno del otro: el músculo de la integración real.

Sigue: Cómo usar el laboratorio
Objeto de la misma ruta para continuar aprendiendo.