← BlogIA y tecnología

Cómo leen los LLM los pliegos de licitación: la extracción en la práctica

20 de agosto de 2026 · 5 min de lectura

Un anuncio de licitación rara vez es un documento limpio y único. Suele ser un anuncio más una especificación más un borrador de contrato más un puñado de anexos, unos escaneados, otros en PDF nativo, algunos contradiciéndose entre sí en detalles pequeños que solo se vuelven un problema cuando la oferta ya está presentada. Pedirle a un modelo de lenguaje que lea todo eso y saque el plazo, los lotes y los criterios de evaluación suena a tarea sencilla de extracción. En la práctica es una tarea con una fiabilidad muy variable según qué se extraiga y de qué tipo de documento.

Conviene entenderlo con precisión, porque el costo de equivocarse no es un error de formato. Es un plazo perdido o una oferta descalificada. Lo que sigue es una mirada con los pies en la tierra a lo que hacen de forma fiable los grandes modelos de lenguaje al leer pliegos, dónde tropiezan siempre y por qué una persona todavía tiene que revisar los campos que más importan.

En qué son fiables los LLM

Los modelos de lenguaje rinden bien en la extracción estructurada a partir de documentos limpios, con texto nativo. Cuando el anuncio es un PDF bien formateado o una página HTML con campos claramente etiquetados, el modelo extrae de forma fiable:

Plazos declarados, cuando están escritos de forma explícita como fecha y hora en el documento

Números y descripciones de lote, cuando la licitación separa con claridad sus lotes en secciones distintas y etiquetadas

Direcciones de presentación y puntos de contacto, cuando figuran como información de contacto llana

Ponderaciones de los criterios de evaluación, cuando la licitación las declara de forma explícita, por ejemplo una cláusula que dice que el precio vale un porcentaje determinado y el mérito técnico el resto

El hilo común es que no se le pide al modelo que interprete nada. Localiza un hecho ya enunciado en el texto, más o menos con las palabras que está entrenado para reconocer, y lo reproduce. Es la tarea de extracción para la que se construyeron los modelos de lenguaje, y con documentos limpios la exactitud es de verdad alta.

Dónde se complica la extracción

La fiabilidad cae en picada en cuanto el documento de entrada se vuelve más sucio, por razones que nada tienen que ver con lo sofisticado que sea el modelo.

Documentos escaneados y calidad del OCR. Una parte grande de los anexos de licitación, sobre todo plantillas antiguas o documentos de sistemas de compras que nunca se modernizaron, existen solo como imágenes escaneadas. Antes de que un modelo de lenguaje pueda leer texto alguno, ese escaneo tiene que pasar por reconocimiento óptico de caracteres, y la calidad del OCR varía enormemente con la resolución, la inclinación de la página y la escritura a mano. Un dígito mal leído en un plazo o en una cifra de presupuesto no es un fallo de razonamiento del modelo, es un problema de basura a la entrada que el modelo no puede detectar salvo que el valor resultante sea inverosímil a simple vista.

Estructura inconsistente entre documentos. Un paquete de licitación armado con un anuncio, una especificación y varios anexos escritos por departamentos distintos en momentos distintos rara vez usa una terminología o una maquetación coherentes. Un plazo del anuncio principal puede repetirse, o reformularse sutilmente, en un anexo con otras palabras. Cuando dos documentos del mismo paquete declaran cifras algo distintas, un modelo que extrae de uno solo informará con toda confianza un valor que técnicamente está en el texto y que aun así no corresponde a la intención real del comprador.

Tablas con celdas combinadas o maquetaciones irregulares. Los desgloses de lotes, los cuadros de precios y las tablas de requisitos suelen ser la parte menos estandarizada de cualquier paquete de licitación. Las celdas combinadas, los encabezados de varias filas y las tablas que cambian de estructura a media página son un punto débil bien documentado de la extracción automatizada en general, y los modelos que las leen mediante conversión de PDF a texto heredan toda la pérdida de información estructural de esa conversión.

Todo lo que exige criterio en lugar de lectura literal. Esta es la distinción más importante. Un modelo puede extraer de forma fiable una ponderación de evaluación declarada. Es mucho menos fiable al inferir una ponderación real no declarada a partir de la prosa, por ejemplo cuando una licitación dice que importan tanto el precio como la calidad sin asignar nunca porcentajes, y la ponderación real solo se aclara al ver cómo puntuó el comprador licitaciones comparables en el pasado. Eso es un juicio interpretativo, no una extracción, y tratarlo con la misma confianza que una extracción literal es un error.

Por qué el riesgo es asimétrico

No todos los errores de extracción pesan lo mismo. Un correo de contacto mal leído es una molestia. Un plazo mal leído, un umbral de presupuesto mal leído o un criterio obligatorio de exclusión que se pasó por alto pueden descalificar una oferta por completo, a veces sin ninguna posibilidad de corregirlo después de presentar.

Por eso los flujos de extracción sensatos no tratan igual a todos los campos. Los campos cuyo error tiene poca consecuencia pueden funcionar con una revisión más ligera. Los campos donde un error descalifica, plazos, umbrales financieros, criterios obligatorios de exclusión, merecen una comprobación humana contra el documento fuente antes de que nadie se apoye en el valor extraído.

Por qué la revisión humana sigue importando

La conclusión práctica no es que los modelos de lenguaje sean poco fiables para este trabajo. En la mayoría de los campos, y en la mayoría de los documentos limpios, son rápidos y exactos de una forma que la revisión manual a escala no puede igualar. La conclusión es más estrecha: la confianza de la extracción no es uniforme entre tipos de campo ni entre calidades de documento, y los campos con mayor costo de error suelen ser los mismos más expuestos a los fallos anteriores, anexos escaneados, reformulaciones inconsistentes entre documentos, tablas que no se convierten bien.

Un flujo sólido usa el modelo para una primera pasada rápida sobre un gran volumen de documentos y después envía los campos de mayor riesgo, los plazos sobre todo, a una persona que los coteja con la fuente original antes de que el equipo de oferta se apoye en ellos. Esto no admite que la tecnología no esté lista. Es ajustar el nivel de revisión al costo de equivocarse, la misma disciplina que cualquier equipo de compras ya aplica a su propio proceso interno de aprobación.

Hacerlo bien a escala

Leer con cuidado un puñado de licitaciones se maneja a mano. Leer cientos publicadas a diario en decenas de portales de compras, en formatos e idiomas distintos, no, y ese problema de volumen es lo que hace que valga la pena usar extracción automatizada. TRINTA lee lo que vende una empresa y presenta cada día las licitaciones que le corresponden desde fuentes oficiales, aplicando extracción automatizada a esa escala y manteniendo visibles los campos de mayor riesgo para que una persona los confirme antes de que un plazo llegue a estar en peligro.

Preguntas frecuentes

¿Puede la IA extraer de forma fiable los plazos de licitación de documentos PDF?

Los modelos de lenguaje suelen ser fiables al extraer el plazo de una licitación cuando está declarado de forma explícita como fecha y hora dentro de un documento limpio con texto nativo. La fiabilidad baja cuando el plazo solo aparece en un documento escaneado que depende del reconocimiento óptico de caracteres, o cuando distintos documentos del mismo paquete enuncian el plazo con una redacción sutilmente distinta o reformulada, y por eso los campos de mayor riesgo, como los plazos, siguen mereciendo una comprobación humana contra la fuente original.

¿Por qué a los modelos de lenguaje les cuestan los pliegos escaneados?

Un modelo de lenguaje no puede leer una imagen escaneada de forma directa, así que el escaneo debe pasar primero por reconocimiento óptico de caracteres, y la exactitud del OCR varía bastante según la resolución del escaneo, la inclinación de la página y la calidad de la escritura a mano. Cualquier error introducido en la fase de OCR se traslada directamente a la extracción del modelo y no es algo que el modelo pueda detectar por sí solo, salvo que el valor resultante sea claramente inverosímil.

¿Puede la IA determinar la ponderación real de los criterios de evaluación de una licitación?

Un modelo de lenguaje puede extraer de forma fiable la ponderación de los criterios de evaluación cuando la licitación la declara de forma explícita, por ejemplo una cláusula que precisa que el precio vale un porcentaje determinado de la puntuación. Es mucho menos fiable al inferir una ponderación real no declarada a partir de prosa general, por ejemplo cuando una licitación dice que importan tanto el precio como la calidad sin asignar nunca porcentajes, porque eso exige un juicio interpretativo y no una extracción literal.

¿Por qué sigue haciendo falta revisión humana si la IA extrae los datos de licitación de forma automática?

La revisión humana sigue siendo necesaria porque los campos con mayor costo de error, como los plazos, los umbrales financieros y los criterios obligatorios de exclusión, suelen ser los mismos más expuestos a los fallos de extracción, como la mala calidad del OCR, las reformulaciones inconsistentes entre anexos y las tablas con maquetación irregular. Un campo de alto riesgo mal leído o pasado por alto puede descalificar una oferta por completo, así que ajustar el nivel de revisión al costo de equivocarse sigue siendo la práctica habitual incluso con extracción automatizada.

¿Qué campos de un pliego son los más difíciles de extraer con exactitud para la IA?

Los campos más difíciles de extraer con exactitud son los que están en documentos escaneados o de mala calidad, los que se dispersan de forma inconsistente por varios anexos con redacciones contradictorias y los que se presentan en tablas con celdas combinadas o maquetaciones irregulares que no se convierten bien a texto. Los campos que exigen criterio en lugar de lectura literal, como una ponderación de evaluación no declarada que debe inferirse de la prosa, también son bastante menos fiables que los campos declarados de forma explícita y clara.

Compartir este artículo

Reference