Buenas noches, envío resumen de la clase.

Analizar documentos con ChatGPT es una de las tareas que más tiempo puede ahorrarte en tu día a día, ya sea que trabajes con PDFs, imágenes, presentaciones o archivos Excel. Si eres profesional de marketing, análisis de datos o gestión de clientes, aquí verás cómo extraer insights accionables de tus propios documentos usando modelos multimodales.
¿Qué significa que ChatGPT sea un modelo multimodal?
Un modelo multimodal es capaz de procesar distintos tipos de entrada al mismo tiempo. En el minuto [00:12] se explica que estos modelos leen texto, escuchan voz y pueden ver imágenes, lo que abre la puerta a cargar casi cualquier archivo y pedirle que trabaje con él.
El ejemplo inicial es un meme cargado como imagen. La IA no solo explicó de qué trataba la viñeta, sino que hizo una crítica: dijo que el chiste era bueno pero estaba demasiado explicado, y propuso una versión más corta y filosófica.
Lo interesante viene cuando se le pide describir los colores de los personajes. La IA detectó un detalle verde en el cuello de la camisa de uno de los personajes que ni siquiera el propio usuario había visto. Ese nivel de detalle muestra el poder de la visión artificial para extraer información.
¿ChatGPT puede analizar imágenes y describir detalles? Sí. Al usar un modelo multimodal, puede identificar objetos, colores y elementos que a veces pasan desapercibidos para el ojo humano, y luego trabajar con esa información.
¿Cómo trabaja ChatGPT con PDFs y documentos técnicos?
Cuando subes documentos, la IA interpreta el contenido y lo reorganiza según tu objetivo. En el minuto [03:20] se cargan dos reportes de inversión publicitaria en Chile, uno de enero 2026 y otro de abril 2026, para reconfigurar una estrategia de marketing digital.
Después de pensar un minuto y 19 segundos, ChatGPT entregó una lectura ejecutiva con un enfoque digital first. Recomendó reducir casi a cero prensa, revistas y TV paga, y concentrar el presupuesto en digital, vía pública y televisión abierta.
Aquí aparece una advertencia clave: la IA interpreta el documento, no lo copia. En modelos como el mencionado, siempre conviene revisar la fuente que cita en cada respuesta, porque puede incorporar información externa si no eres específico.
¿Cómo evito que ChatGPT invente datos al analizar un documento? Debes especificarle claramente que responda solo con la información contenida en ese documento. Así reduces el riesgo de que mezcle datos externos con los del archivo.
¿Qué tipos de archivos puedo cargar para análisis?
Más allá de PDFs, puedes trabajar con múltiples formatos según tu necesidad diaria:
Cada formato exige que la IA entienda dónde está la información, incluyendo la lectura de gráficos página por página.
¿Cómo analizar archivos Excel paso a paso con ChatGPT?
Las hojas de cálculo son el formato que más usamos, y tienen su propio método. En el minuto [07:30] se comparte un archivo Excel con una encuesta de experiencia a 200 clientes de una aseguradora.
Antes de subir el archivo hay dos ajustes obligatorios:
El primer paso no es pedir análisis, sino dar contexto y pedir que describa lo que hay dentro. La razón es sencilla: la IA ve la data por primera vez, igual que tú cuando un compañero te pasa una planilla sin explicación.
Al pedirle que describa las variables, ChatGPT identificó 200 registros, 11 variables y detectó un detalle crítico: el NPS individual venía en escala de -10 a 10, no en la escala clásica de 0 a 10. Ese tipo de alerta evita cálculos equivocados desde el inicio.
¿Qué es el NPS y cómo lo recalcula la IA?
El NPS o Net Promoter Score mide qué tan probable es que un cliente recomiende un producto en una escala de 0 a 10. Se divide en promotores, neutros y detractores, y se calcula restando el porcentaje de detractores al de promotores.
¿Qué es el NPS? Es una métrica de lealtad de clientes que va de -100 a +100. En -100 todos son detractores y en +100 todos son promotores. Un negocio busca el NPS más alto posible.
La IA tuvo que decidir la fórmula de transformación: NPS original más 10, dividido en dos. El resultado de los 200 clientes fue un NPS de -51, algo natural en una aseguradora que atiende a gente frustrada tras un siniestro.
Como ChatGPT usa Python por debajo, puede ir mucho más lejos que Excel: regresiones lineales, segmentaciones econométricas, modelos de k-medias y gráficos no soportados como los de velas y puntos.
¿Cómo extraer insights de comentarios y texto no estructurado?
Los comentarios de clientes son data no estructurada con información valiosa escondida. En el minuto [12:40] se le pide clasificar esos comentarios para explicar el NPS bajo.
La IA cruzó los comentarios contra el NPS recalculado y entregó una base enriquecida con columnas nuevas: insight operativo, acción sugerida, dueño sugerido y prioridad, para los 200 clientes.
El hallazgo principal fue contundente: el mayor dolor era la falta de seguimiento y comunicación proactiva durante el siniestro. Esa categoría concentró 61 de los 200 casos, y dentro de ella 44 eran detractores. También señaló que el call center aparecía como canal formal débil que había que potenciar.
Piensa cuánto tiempo te tomaría clasificar manualmente 200 comentarios y proponer acciones para cada uno. Ese es el verdadero ahorro.
Un consejo final: puedes incluso pedirle a la IA que te proponga qué análisis hacer. Basta con decir "mira este Excel, ¿cómo podría clasificar a mis clientes?" y dejar que ella sugiera los caminos que luego ejecutas. Y si trabajas siempre con el mismo tipo de archivo, un prompt prearmado te permite repetir el análisis de forma consistente.
¿Qué documento del que usas todos los días te gustaría automatizar primero? Cuéntame en los comentarios.
Analizar documentos con ChatGPT es una de las tareas que más tiempo puede ahorrarte en tu día a día, ya sea que trabajes con PDFs, imágenes, presentaciones o archivos Excel. Si eres profesional de marketing, análisis de datos o gestión de clientes, aquí verás cómo extraer insights accionables de tus propios documentos usando modelos multimodales.
Un modelo multimodal es capaz de procesar distintos tipos de entrada al mismo tiempo. En el minuto [00:12] se explica que estos modelos leen texto, escuchan voz y pueden ver imágenes, lo que abre la puerta a cargar casi cualquier archivo y pedirle que trabaje con él.
El ejemplo inicial es un meme cargado como imagen. La IA no solo explicó de qué trataba la viñeta, sino que hizo una crítica: dijo que el chiste era bueno pero estaba demasiado explicado, y propuso una versión más corta y filosófica.
Lo interesante viene cuando se le pide describir los colores de los personajes. La IA detectó un detalle verde en el cuello de la camisa de uno de los personajes que ni siquiera el propio usuario había visto. Ese nivel de detalle muestra el poder de la visión artificial para extraer información.
¿ChatGPT puede analizar imágenes y describir detalles? Sí. Al usar un modelo multimodal, puede identificar objetos, colores y elementos que a veces pasan desapercibidos para el ojo humano, y luego trabajar con esa información.
Cuando subes documentos, la IA interpreta el contenido y lo reorganiza según tu objetivo. En el minuto [03:20] se cargan dos reportes de inversión publicitaria en Chile, uno de enero 2026 y otro de abril 2026, para reconfigurar una estrategia de marketing digital.
Después de pensar un minuto y 19 segundos, ChatGPT entregó una lectura ejecutiva con un enfoque digital first. Recomendó reducir casi a cero prensa, revistas y TV paga, y concentrar el presupuesto en digital, vía pública y televisión abierta.
Aquí aparece una advertencia clave: la IA interpreta el documento, no lo copia. En modelos como el mencionado, siempre conviene revisar la fuente que cita en cada respuesta, porque puede incorporar información externa si no eres específico.
¿Cómo evito que ChatGPT invente datos al analizar un documento? Debes especificarle claramente que responda solo con la información contenida en ese documento. Así reduces el riesgo de que mezcle datos externos con los del archivo.
Más allá de PDFs, puedes trabajar con múltiples formatos según tu necesidad diaria:
Cada formato exige que la IA entienda dónde está la información, incluyendo la lectura de gráficos página por página.
Las hojas de cálculo son el formato que más usamos, y tienen su propio método. En el minuto [07:30] se comparte un archivo Excel con una encuesta de experiencia a 200 clientes de una aseguradora.
Antes de subir el archivo hay dos ajustes obligatorios:
El primer paso no es pedir análisis, sino dar contexto y pedir que describa lo que hay dentro. La razón es sencilla: la IA ve la data por primera vez, igual que tú cuando un compañero te pasa una planilla sin explicación.
Al pedirle que describa las variables, ChatGPT identificó 200 registros, 11 variables y detectó un detalle crítico: el NPS individual venía en escala de -10 a 10, no en la escala clásica de 0 a 10. Ese tipo de alerta evita cálculos equivocados desde el inicio.
El NPS o Net Promoter Score mide qué tan probable es que un cliente recomiende un producto en una escala de 0 a 10. Se divide en promotores, neutros y detractores, y se calcula restando el porcentaje de detractores al de promotores.
¿Qué es el NPS? Es una métrica de lealtad de clientes que va de -100 a +100. En -100 todos son detractores y en +100 todos son promotores. Un negocio busca el NPS más alto posible.
La IA tuvo que decidir la fórmula de transformación: NPS original más 10, dividido en dos. El resultado de los 200 clientes fue un NPS de -51, algo natural en una aseguradora que atiende a gente frustrada tras un siniestro.
Como ChatGPT usa Python por debajo, puede ir mucho más lejos que Excel: regresiones lineales, segmentaciones econométricas, modelos de k-medias y gráficos no soportados como los de velas y puntos.
Los comentarios de clientes son data no estructurada con información valiosa escondida. En el minuto [12:40] se le pide clasificar esos comentarios para explicar el NPS bajo.
La IA cruzó los comentarios contra el NPS recalculado y entregó una base enriquecida con columnas nuevas: insight operativo, acción sugerida, dueño sugerido y prioridad, para los 200 clientes.
El hallazgo principal fue contundente: el mayor dolor era la falta de seguimiento y comunicación proactiva durante el siniestro. Esa categoría concentró 61 de los 200 casos, y dentro de ella 44 eran detractores. También señaló que el call center aparecía como canal formal débil que había que potenciar.
Piensa cuánto tiempo te tomaría clasificar manualmente 200 comentarios y proponer acciones para cada uno. Ese es el verdadero ahorro.
Un consejo final: puedes incluso pedirle a la IA que te proponga qué análisis hacer. Basta con decir "mira este Excel, ¿cómo podría clasificar a mis clientes?" y dejar que ella sugiera los caminos que luego ejecutas. Y si trabajas siempre con el mismo tipo de archivo, un prompt prearmado te permite repetir el análisis de forma consistente.
¿Qué documento del que usas todos los días te gustaría automatizar primero? Cuéntame en los comentarios.
Buenas noches, envío resumen de la clase.

ChatGPT puede analizar imágenes, PDFs, documentos y hojas de cálculo para extraer información, detectar patrones y convertir datos en insights accionables.
ChatGPT no solo resume archivos: puede interpretarlos, detectar problemas, cruzar información y generar nuevos análisis.
La calidad del resultado mejora cuando primero le pedís que comprenda la estructura de los datos y después definís exactamente qué querés analizar.
Idea clave: primero entender los datos; después extraer conclusiones.
¿Cuál es la mejor forma de analizar PDFs?
El secreto está en pedirle que actúe como un consultor estratégico. En lugar de solo solicitar un resumen, pídele que extraiga los insights principales y te sugiera cómo aplicarlos.
Por ejemplo, si subes un reporte de mercado, dile que identifique tendencias al alza y te proponga una distribución de presupuesto. Así transformas un documento aburrido en un plan de acción directo.
Que bueno ayuda a realizar un analisis
💡 Definí el objetivo → validá datos → analizá → revisá conclusiones.
🔑 Separá datos de interpretaciones y citá su ubicación.
% promotores − % detractores
⚠️ Validá la escala antes de calcular.
Hallazgo → acción → responsable → prioridad.
🔁 Para repetir: fijá validaciones, cálculos, categorías y formato.
¿Qué pasa si la IA inventa datos?
Los modelos de lenguaje tienden a rellenar vacíos de información utilizando su conocimiento general. Si no eres específico, podrían mezclar la información de tu reporte con datos externos de internet.
Para evitar esto, incluye en tu prompt una regla estricta: "Responde únicamente basándote en el documento adjunto". Así lo obligas a actuar como un analista riguroso y no como un buscador web.
El paso de pedirle primero que describa las variables es, en el fondo, construir el diccionario de datos antes de analizar, y la clase muestra por qué importa: el NPS venía en escala de -10 a 10 y cualquier cálculo directo habría salido mal. Por eso vale la pena hacerlo siempre, preguntando explícitamente por unidades, escalas, valores faltantes y rangos extraños. Además, la fórmula de transformación que eligió la IA conviene revisarla a mano, porque es una decisión metodológica que cambia el resultado final y que en un informe tendríamos que poder justificar.
Esta opción jamás la había utilizado, me gustó mucho y me hace más fácil la elaboración de docuemntos laborales en los formatos que sean
🚀 Multimodal Document, Vision, and Dynamic Data Analysis 📊
🔑 Key Concepts:
🏭 Industry & Startup Application: