7 usos prácticos de la visión por IA en el día a día (y cómo evitar errores)
Una foto de apuntes, un recibo o una captura de pantalla con un mensaje de error puede servir como punto de partida para una pregunta en una herramienta de IA. Las funciones de análisis de imágenes están disponibles en experiencias con ChatGPT, Google Gemini y Claude, pero los límites varían según el producto, el plan, la cuenta y las actualizaciones. Antes de usar una herramienta en una tarea importante, consulta las condiciones en la ayuda del servicio: ChatGPT, Gemini Apps y Claude.
El objetivo no es entregar la decisión a la herramienta. Úsala para generar una primera lectura que puedas contrastar con el original, con más cuidado cuando la imagen contiene números, instrucciones, salud, dinero, datos personales o información de terceros.
Contenido del artículo
OCR y visión multimodal: dos tareas relacionadas
El OCR extrae texto visible de una imagen, como la fecha de un recibo o el mensaje de una pantalla. La visión multimodal usa la imagen junto con la solicitud hecha en el chat para describir texto, objetos, bloques y relaciones aparentes. Por eso, además de transcribir, puede intentar explicar cómo se conectan los elementos de un diagrama o qué campos aparecen en un formulario. Los conceptos que sustentan estas tareas se presentan en la guía básica de visión por computador.
Ni la extracción de texto ni la descripción de una imagen eliminan la necesidad de comprobar el resultado. El texto pequeño o manuscrito, las líneas cruzadas, los reflejos y la falta de contexto pueden cambiar la lectura. Indicar en el prompt qué debe extraerse, el formato de respuesta y cómo marcar las incertidumbres ayuda a que la salida sea revisable; es una aplicación práctica de la ingeniería de prompts.
3 reglas de captura para reducir errores de lectura
- Usa buena luz, enfoque y texto legible. Envía una imagen en la que tú también puedas distinguir las partes que quieres consultar.
- Mantén la orientación correcta. Coloca la página, pantalla o etiqueta en posición de lectura antes de capturarla o enviarla.
- Recorta para destacar el objetivo sin perder contexto. Acércate al área relevante, pero conserva una leyenda, una etiqueta o los elementos de alrededor cuando ayuden a entender la escena. En el prompt, indica cuál es el objetivo del análisis.
7 casos prácticos de visión por IA en el día a día
Los prompts siguientes son modelos. Adapta los campos a tu objetivo y envía solo imágenes que puedan compartirse de forma apropiada.
1. Apuntes manuscritos y pizarras
Escenario cotidiano: después de una reunión, clase o sesión de estudio, fotografías una pizarra o un cuaderno y quieres organizar el contenido como texto.
Prompt
Transcribe el contenido legible de esta imagen, conservando el orden de los temas.
Marca como [ilegible] cualquier palabra que no pueda leerse con seguridad.
Después, separa los elementos que parezcan tareas, sin completar huecos por tu cuenta.Expectativa realista: la herramienta puede generar una primera transcripción y organizar los temas aparentes. La caligrafía, las abreviaturas personales, las flechas y los elementos superpuestos pueden interpretarse de forma incorrecta.
Cómo comprobarlo: compara la transcripción con la imagen línea por línea. Revisa primero nombres, plazos, fórmulas, importes y asignaciones antes de tratar el apunte como un registro.
2. Recibos y comprobantes de pago
Escenario cotidiano: quieres registrar una compra u organizar gastos a partir de un recibo o comprobante de pago.
Prompt
Enumera el comercio, la fecha, los artículos y el total visibles en este recibo o comprobante de pago.
Organiza la información en una tabla y usa [no legible] donde haya dudas.
No leas ni reproduzcas identificaciones fiscales, códigos QR, números de tarjeta, códigos de autenticación u otros identificadores.Expectativa realista: la respuesta puede estructurar información visible. El papel descolorido, las columnas estrechas, los descuentos, los impuestos y los dígitos parecidos pueden provocar intercambios, omisiones o asociaciones incorrectas entre un artículo y un importe.
Cómo comprobarlo: revisa la fecha, los artículos y el total directamente en el documento. Oculta identificaciones fiscales, tarjetas, direcciones, códigos QR y datos bancarios antes de enviar la foto. No uses la respuesta como prueba de pago, registro contable definitivo o única base para reclamar un cargo.
3. Diagramas y flujogramas
Escenario cotidiano: recibes un flujograma, mapa mental o diagrama de proceso y quieres hacer una primera lectura antes de consultar la documentación relacionada.
Prompt
Describe los bloques, etiquetas, flechas y la leyenda de este diagrama.
Enumera las conexiones aparentes entre los bloques y marca lo que sea poco legible o ambiguo.
Si la imagen también contiene un gráfico, informa los ejes y las unidades solo cuando sean visibles.
No supongas reglas, causas ni conexiones que no aparezcan en la imagen.Expectativa realista: la herramienta puede resumir los bloques y las conexiones aparentes. Las flechas cruzadas, los símbolos, los colores, las líneas sin punta y las etiquetas pequeñas pueden producir una descripción incompleta o errónea.
Cómo comprobarlo: compara cada conexión descrita con la flecha y la leyenda del original. En procesos técnicos u operativos, valida las reglas con la documentación o con quien creó el diagrama antes de actuar.
4. Identificación de piezas domésticas y componentes físicos
Escenario cotidiano: un grifo, una bisagra, un enchufe, un sifón o un electrodoméstico tiene una pieza que quieres buscar en un manual, tienda o servicio técnico.
Prompt
Describe solo las características visibles de esta pieza: material, forma, encajes, marcas y medidas aparentes, cuando haya una referencia en la foto.
Sugiere términos de búsqueda y posibles categorías de pieza, dejando claro que son hipótesis.
No indiques desmontaje, energización, reparación ni compatibilidad con un modelo específico.Expectativa realista: la respuesta puede sugerir vocabulario para iniciar una búsqueda. Una foto no confirma el modelo, la medida, la compatibilidad ni la causa de una avería; piezas parecidas pueden tener funciones distintas.
Cómo comprobarlo: busca la marca, el modelo y el número de serie en el equipo y compara las hipótesis con el manual o con un servicio autorizado. No abras ni energices equipos eléctricos, de gas, presurizados o conectados a la red basándote en una respuesta sobre imagen.
5. Mensajes de error y códigos en pantalla
Escenario cotidiano: un programa, sitio web o dispositivo muestra un mensaje de error que quieres transcribir y entender antes de buscar soporte.
Prompt
Transcribe el mensaje de error de esta captura de pantalla.
Explica en lenguaje sencillo qué puede indicar cada parte y propone hasta tres comprobaciones reversibles y seguras.
Di qué no se puede concluir solo a partir de la imagen.
No pidas ni reproduzcas contraseñas, claves, tokens, datos de cuenta ni comandos que exijan cambios de configuración.Expectativa realista: la herramienta puede explicar términos y sugerir comprobaciones iniciales. La captura no muestra registros completos, permisos, configuraciones ni el historial que llevó al error.
Cómo comprobarlo: compara la transcripción con la pantalla original y revisa los siguientes pasos en la documentación del producto. No ejecutes un comando que no entiendas ni compartas pantallas con credenciales, identificadores de sesión, correo electrónico o datos de clientes.
6. Etiquetas y listas de ingredientes para organizar información
Escenario cotidiano: quieres localizar ingredientes, advertencias de alérgenos o instrucciones visibles en un envase.
Prompt
Transcribe los ingredientes y las advertencias de alérgenos visibles en esta etiqueta.
Separa el resultado por secciones y usa [incierto] donde la lectura no esté clara.
Incluye una lista de lo que debo comprobar en la etiqueta física antes de tomar una decisión de consumo.
No hagas recomendaciones médicas, nutricionales ni de consumo.Expectativa realista: la respuesta puede organizar texto visible de letras pequeñas. Puede omitir una advertencia, cambiar una palabra o no captar información de otra cara del envase.
Cómo comprobarlo: lee la etiqueta física, incluidos ingredientes, alérgenos e instrucciones relevantes. Las personas con alergias, restricciones alimentarias o condiciones de salud deben seguir la orientación profesional y la información del fabricante.
7. Documentos y formularios simples
Escenario cotidiano: tienes una ficha, una solicitud administrativa o un formulario de inscripción y quieres preparar una lista de comprobación antes de rellenarlo.
Prompt
Identifica los campos visibles en este documento o formulario.
Organízalos en datos que hay que completar, anexos solicitados y lagunas que parezcan depender de orientación externa.
No interpretes requisitos legales, financieros o contractuales, ni sugieras qué decisión debo tomar.Expectativa realista: la herramienta puede organizar la estructura del documento y señalar campos aparentes. No decide si una declaración, anexo o elección legal o financiera es adecuada para tu caso.
Cómo comprobarlo: confirma los nombres de los campos, los plazos y los anexos con la fuente emisora. Evita enviar documentos de identidad, comprobantes de domicilio, datos bancarios o firmas cuando una imagen enmascarada sea suficiente para la tarea.
Límites éticos, de privacidad y seguridad
Una imagen puede exigir cuidados distintos según su contenido. En los apuntes, la cuestión principal suele ser la fidelidad de la lectura. En los recibos y formularios, también está en juego la exposición de datos. El uso responsable de estas herramientas se relaciona con lo que tratamos en inteligencia artificial y ética.
No uses una foto para identificar o nombrar a una persona, inferir un atributo sensible ni tomar una decisión sobre ella. Si una foto de otra persona es necesaria para una tarea legítima, pide consentimiento antes de compartirla y envía solo lo necesario.
Evita enviar exámenes, informes, fotos de lesiones, tomografías o resonancias magnéticas para pedir un diagnóstico o una interpretación clínica. La IA puede cometer errores y la información de salud es muy sensible. Una respuesta sobre una imagen no sustituye la evaluación de un profesional. Busca atención sanitaria adecuada cuando tengas una preocupación médica.
Con documentos sensibles, es preferible no enviar el archivo cuando no sea necesario. Oculta identificaciones fiscales, tarjetas, direcciones, códigos QR, firmas, datos bancarios, contraseñas, credenciales y códigos de acceso. El tratamiento de datos, la retención y los controles varían según el producto y la cuenta, así que revisa las orientaciones del servicio que usas.
En Gemini Apps, si Keep Activity está activado, la actividad se guarda y se puede configurar la eliminación automática. Parte de los chats revisados y desvinculados puede conservarse hasta tres años. Con el control desactivado, los chats nuevos todavía pueden mantenerse hasta 72 horas para prestar el servicio y proteger a los usuarios. Consulta la documentación de actividad y privacidad de Gemini Apps para conocer las condiciones actuales.
En ChatGPT, el contenido de cuentas individuales puede usarse para mejorar los modelos si está activado el control correspondiente. Temporary Chat es una opción independiente con retención para fines de seguridad. Revisa los controles de tu cuenta en las orientaciones de privacidad de ChatGPT. Para Claude, consulta las orientaciones sobre datos sensibles en chats antes de enviar información que no debería exponerse.
FAQ: preguntas prácticas sobre el uso de imágenes con IA
¿Cómo preparo una imagen cuando el texto es pequeño?
Amplía el área que debe leerse, mantén la imagen en la orientación correcta y envía un recorte nítido sin eliminar el contexto necesario. En la solicitud, indica el fragmento de interés y pide que se marquen las incertidumbres. Después, comprueba los límites y las orientaciones de la herramienta utilizada.
¿Hay que editar la imagen antes de enviarla?
Solo cuando recortar o enmascarar ayude a proteger datos personales o a destacar el objetivo de la pregunta. Conserva los elementos que dan contexto a la lectura, como una leyenda, fecha o identificación de campo, cuando sean necesarios para entender la imagen.
¿Es mejor usar el móvil o el ordenador?
Usa el dispositivo que te permita obtener o seleccionar la imagen que necesitas sin exponer datos innecesarios. Una foto con el móvil puede mostrar un objeto físico y una captura en el ordenador puede registrar una pantalla. En ambos casos, contrasta la respuesta con la fuente original.
¿Cómo cuido la privacidad antes de enviar una imagen?
Pregúntate si el archivo es realmente necesario. Si lo es, elimina o enmascara datos personales, financieros y credenciales, revisa los controles de la cuenta y evita incluir la imagen completa cuando solo hace falta una parte. La configuración y la retención pueden cambiar, así que consulta la documentación actual del servicio.
La visión por IA como apoyo para comprobar, no como sustitución
La visión multimodal puede apoyar tareas de lectura y organización de imágenes, como transcribir un apunte, estructurar un recibo, describir un diagrama o preparar una pregunta para soporte. Una imagen legible, una solicitud delimitada y la comprobación en el original ayudan a usar la respuesta con más criterio.
Cuando intervienen salud, seguridad, dinero, datos personales u otra persona, comparte menos información y aumenta el nivel de verificación. La herramienta puede apoyar la observación y la organización, pero no sustituye la fuente original, la decisión humana ni la orientación especializada.
