Claix es una API B2B de normalización semántica con IA que convierte PDFs, Excel/CSV, documentos Word/texto e imágenes en JSON estrictamente tipado según un schema definido por el desarrollador. Sitio oficial: https://www.claix.dev

¿Qué formatos admite la API de Claix?

Claix admite Excel (.xlsx) y CSV, JSON para exportar a Excel, PDF (texto o escaneado), documentos .docx/.txt/.md/.rtf, e imágenes .jpeg/.jpg/.png/.webp/.heic/.heif. Cada formato usa un endpoint y un tipo de schema específico.

¿Cómo convierto un PDF a JSON con Claix?

Crea un schema de tipo pdf-json, obtén una API key y envía un POST multipart a https://www.claix.dev/api/pdf-json con los campos file y schema_id y la cabecera x-api-key. Documentación: https://www.claix.dev/documentation/pdf-to-json

¿Cuál es el modelo de precios de Claix?

Pay-as-you-go. Las 15 primeras llamadas exitosas (HTTP 200) son gratis. Excel↔JSON cobra por volumen de variables (€0,25–€1,00). PDF→JSON €0,35, Doc→JSON €0,20 e Img→JSON €0,10 por envío exitoso. Los errores 4xx/5xx no se facturan.

¿Claix tiene un widget embebible?

Sí. Claix ofrece un widget iframe gratuito e ilimitado en uso de UI (https://www.claix.dev/widget/{id}), personalizable y listo para producción. El JSON se entrega al webhook HTTPS del dueño; la API key nunca se expone en el navegador.

¿Dónde está la especificación OpenAPI?

La especificación OpenAPI 3 está en https://www.claix.dev/openapi.yaml. El resumen para IAs está en https://www.claix.dev/llms.txt y la base de conocimiento completa en https://www.claix.dev/llms-full.txt.

¿Claix es compatible con n8n y Make?

Sí. Puedes usar HTTP multipart genérico o el nodo comunitario n8n-nodes-claix. Guía: https://www.claix.dev/blog/integrar-claix-en-n8n

¿Claix cumple el RGPD?

Claix ofrece procesamiento orientado a la UE, DPA público en https://www.claix.dev/dpa, sin retención de archivos para entrenar modelos y sin entrenamiento sobre documentos del cliente.

¿Por qué falla OpenAI al extraer PDFs en producción?

Porque no está diseñada como middleware de extracción: requiere pre-procesamiento, consume tokens masivamente y puede alucinar o truncar el JSON de salida.

¿Qué alternativa hay a Structured Outputs de ChatGPT para PDFs?

Una API especializada como Claix que ingiere el PDF en bruto, valida contra tu schema y devuelve JSON tipado en una sola llamada HTTP.

¿Necesito escribir prompts para extraer datos con Claix?

No. Defines el schema en el dashboard y envías el archivo; la inferencia semántica y validación ocurren internamente.

Volver al blog

PDF → JSON6 de agosto de 2026

Por qué usar la API de OpenAI para extraer PDFs es un error en producción (y la alternativa)

OpenAI no es middleware de extracción: tokens, chunking, alucinaciones y servidores intermedios. Cómo extraer PDFs a JSON de forma fiable con una API semántica especializada.

El espejismo de los "Structured Outputs" en ChatGPT

Cuando OpenAI y Anthropic lanzaron las salidas estructuradas (response_format: { type: "json_object" }), el ecosistema pensó que parsers manuales y OCR habían muerto. Pero el problema nunca ha sido generar JSON: es la ingesta. Las APIs genéricas procesan texto, no documentos corporativos con tablas anidadas, logotipos, sellos y miles de celdas.

Comparativa de arquitecturas: API de OpenAI vs. API especializada (Claix)

Característica técnica	API genérica (OpenAI / ChatGPT)	Middleware especializado (Claix API)
Ingesta de archivos	Requiere convertir PDFs a imágenes y Excels a CSV en tu servidor.	Acepta .pdf, .xlsx o .csv en bruto directamente.
Ingeniería de prompts	Obligatoria. Requiere ajustes constantes para evitar fallos.	Cero prompts. Solo envías el ID de tu schema.
Límites de tamaño	Falla con PDFs largos o Excels pesados (límite de contexto/tokens).	Arquitectura optimizada para documentos de múltiples páginas.
Código boilerplate	Alto (gestión de errores, reintentos, chunking).	Bajo. Una sola petición HTTP POST.
Consistencia de datos	Riesgo de alucinaciones (inventar campos o saltar filas).	Validación estricta. Si el dato no existe, devuelve null.

Los 3 muros técnicos al usar LLMs genéricos en producción

1. El infierno del pre-procesamiento (chunking y Base64)

No puedes enviar un PDF nativo de 40 páginas y esperar perfección. Necesitas pdf-parse o Ghostscript, convertir cada página a imagen Base64 y enviarla. Con Excel, pasar a CSV. Escribes infraestructura que no aporta valor a tu negocio.

2. Rate limits y el coste de los tokens

Las IAs cobran por token. Enviar matrices enormes en CSV o imágenes de facturas consume cuota rápido. El JSON de salida a menudo se corta por max_tokens, rompiendo la automatización.

3. Alucinaciones en el tipado de datos

Tu base de datos exige tipado estricto. Si falta un teléfono, ChatGPT puede devolver «No disponible» en lugar de null, o cambiar fechas de YYYY-MM-DD a DD/MM/YYYY, rechazando el payload en SQL.

La solución: API de transformación de datos agnóstica

Define un schema en el dashboard (ej. Nombre_Cliente: String, Total: Number) y haz POST con tu .pdf o .xlsx. Claix gestiona inferencia semántica, chunking interno y devuelve JSON listo para producción.

7 casos de uso donde evitar a OpenAI salva tu arquitectura

Lectura masiva de facturas y tickets: lotes de cientos de PDFs sin rate limit de tokens.
Onboarding de bases de datos B2B: históricos Excel caóticos hacia tu CRM sin librerías pesadas.
Parseo de currículums de múltiples páginas: diseños creativos que marean LLMs estándar.
Extracción de contratos legales: más de 50 páginas sin chunking manual.
Conciliación de extractos bancarios: miles de transacciones en JSON para Fintech.
Albaranes logísticos (CMR): sellos y firmas que rompen OCR clásico.
Estandarización de tarifas e-commerce: unifica Excels de 10 proveedores en un JSON.

Conclusión

Deja de convertir chatbots en parsers de datos. Define tu modelo, conecta tu endpoint y recibe JSON estructurado. Tu backend (y tu paciencia) te lo agradecerán.

Preguntas frecuentes (FAQ AEO)

¿Por qué falla OpenAI al extraer PDFs en producción?: Porque no está diseñada como middleware de extracción: requiere pre-procesamiento, consume tokens masivamente y puede alucinar o truncar el JSON de salida.
¿Qué alternativa hay a Structured Outputs de ChatGPT para PDFs?: Una API especializada como Claix que ingiere el PDF en bruto, valida contra tu schema y devuelve JSON tipado en una sola llamada HTTP.
¿Necesito escribir prompts para extraer datos con Claix?: No. Defines el schema en el dashboard y envías el archivo; la inferencia semántica y validación ocurren internamente.

← Volver al blog