Cómo resumir documentos largos con IA sin perder lo importante

Resumir es probablemente el uso más común de la IA en el trabajo, y también uno de los más traicioneros. Un resumen siempre suena bien: frases claras, puntos ordenados, tono seguro. El problema es lo que no aparece. Una cláusula de penalización que quedó fuera, una cifra que se redondeó o una conclusión del anexo que contradice el resumen ejecutivo.

Lo que sigue es un método que funciona con cualquier asistente y con cualquier tipo de documento largo: informes, contratos, normativas, transcripciones, tesis o manuales.

Por qué los documentos largos son difíciles

Dos razones técnicas explican por qué un documento de 80 páginas no se resume igual que uno de cinco.

• La atención no se reparte por igual. Los modelos procesan todo el texto a la vez, pero no aprovechan igual todas sus partes. Lo explicamos en Tokens y ventana de contexto: la información en mitad de un texto muy largo tiende a quedar menos atendida que la del principio o el final.
• Comprimir obliga a elegir. Reducir 40.000 palabras a 500 implica descartar el 99 %. Si no le dices al modelo qué te importa, elegirá con su propio criterio, que suele favorecer lo general sobre lo concreto.

Por eso el método se basa en dos ideas: decirle qué buscar y poder comprobar de dónde sale cada cosa.

El método en cinco pasos

1. Define para qué es el resumen

Antes de pegar nada, decide qué vas a hacer con el resultado. No es lo mismo:

• Decidir. Necesitas opciones, costes, riesgos y una recomendación.
• Informar a otras personas. Necesitas los hechos principales en lenguaje claro, sin jerga.
• Revisar obligaciones o riesgos. Necesitas plazos, compromisos, penalizaciones y condiciones, sin omitir ninguno.
• Estudiar o aprender. Necesitas los conceptos clave, cómo se relacionan y ejemplos.

Díselo al modelo en una frase: «Voy a usar este resumen para decidir si renovamos el contrato con este proveedor».

2. Pon el documento primero y la petición al final

Con textos largos, coloca el documento al principio del mensaje y tus instrucciones al final. La documentación de Anthropic sobre contextos largos lo recomienda de forma explícita, e indica que en sus pruebas hacer la pregunta al final mejoró la calidad de las respuestas. Si subes un archivo, escribe las instrucciones después de adjuntarlo.

Si pegas varios documentos, sepáralos y etiquétalos con claridad («Documento 1: contrato marco», «Documento 2: anexo de precios») para que el modelo pueda referirse a cada uno.

3. Pide una estructura concreta

Un formato definido evita el resumen genérico y hace visible lo que falta. Por ejemplo, para un contrato:

• Partes y objeto del contrato, en dos líneas.
• Plazos y fechas clave, con la cláusula de origen.
• Obligaciones de cada parte, por separado.
• Pagos, penalizaciones y condiciones de salida.
• Puntos ambiguos o que requieren revisión de un profesional.

Para un informe, una estructura útil es: conclusión principal, tres a cinco hallazgos con su dato, limitaciones que menciona el propio informe y lo que no responde.

4. Exige referencias de página o sección

Esta es la instrucción que más cambia la utilidad del resultado. Pide que cada punto termine con la página, sección o cláusula de la que sale, por ejemplo «(p. 14)» o «(cláusula 7.2)». Así puedes comprobar cualquier punto en segundos, y el modelo tiende a ser más fiel cuando sabe que tiene que señalar el origen.

Si algo importante no aparece en el documento, pide que lo diga explícitamente en lugar de rellenarlo: «Si el documento no menciona el plazo de preaviso, escribe "No consta"».

5. Verifica lo que vas a usar

No necesitas releer todo el documento. Comprueba contra el original:

• Todas las cifras y fechas que vayas a citar o usar para decidir.
• Los nombres de personas, empresas y productos.
• Las obligaciones y condiciones, palabra por palabra si tienen consecuencias legales o económicas.
• Una o dos afirmaciones al azar, para tener una idea de la fidelidad general.

Si quieres un método más completo, lo tienes en Cómo verificar una respuesta de IA antes de usarla.

Cuando el documento es muy largo: resumir por partes

Si el documento supera lo que admite tu herramienta, o si notas que el resumen se vuelve vago, divídelo. La técnica se conoce como resumen por fragmentos (chunking) y funciona así:

• Divide por secciones naturales, como capítulos o apartados, no por número de páginas a ciegas.
• Resume cada sección con la misma estructura y las mismas instrucciones.
• Une los resúmenes parciales en un último paso y pide el resumen final a partir de ellos, manteniendo las referencias.

Es más lento, pero reduce mucho las omisiones, porque en cada paso el modelo trabaja con un texto que puede atender por completo.

Un prompt para empezar

[ADJUNTA O PEGA AQUÍ EL DOCUMENTO]

Contexto: voy a usar este resumen para [DECIDIR / INFORMAR A / REVISAR / ESTUDIAR].
Quien lo leerá: [PÚBLICO].

Resume el documento anterior con esta estructura:
1. Conclusión principal (máximo 3 frases).
2. Puntos clave (entre 5 y 8), cada uno con su dato concreto.
3. Riesgos, obligaciones o advertencias que menciona.
4. Lo que el documento no responde o deja ambiguo.

Reglas:
- Termina cada punto con la página o sección de origen entre paréntesis.
- No añadas información que no esté en el documento.
- Si un dato que pido no aparece, escribe "No consta".
- Copia literalmente cifras, fechas y nombres.

Tienes una versión adaptada a documentos técnicos en la plantilla Resumen de PDF técnico.

Errores habituales

• Pedir «un resumen» sin más. Obtendrás uno genérico, que trata igual lo importante y lo accesorio.
• Fiarse del resumen ejecutivo del propio documento. El modelo puede apoyarse demasiado en él. Si te interesan los anexos o la letra pequeña, pídelo expresamente.
• Resumir en una conversación larga. Si ya llevas muchos mensajes, empieza una conversación nueva para el documento: las instrucciones anteriores pueden interferir.
• Asumir que leyó todo. Algunas herramientas recortan los archivos muy largos sin avisar. Pregunta cuál es la última sección que tiene disponible y compárala con el original.

Sigue leyendo

• Tokens y ventana de contexto: por qué los textos largos se procesan peor.
• Por qué la IA inventa datos: cómo reducir las invenciones al trabajar con documentos.
• Cómo verificar una respuesta de IA antes de usarla: qué revisar antes de compartir un resumen.
• Qué no pegar nunca en un chatbot de IA: qué hacer con documentos confidenciales.
• En el glosario: ventana de contexto, chunking y OCR.

Fuentes

• Anthropic. Long context prompting tips. Documentación de Claude.
• Google. Long context. Documentación de la API de Gemini.
• Liu, N. F. et al. (2023). Lost in the Middle: How Language Models Use Long Contexts. arXiv.