jueves, 25 de junio de 2026 · 60 min
Q&A #16: Formatos que la IA entiende mejor — estructura, alta señal y datos que razonan
formatos datos contexto colaboracion
Verificando acceso…
Resumen
Sesión técnica sobre algo que casi nadie optimiza: el formato en que le entregas la información a la IA. Se revisó el concepto de alta señal vs. baja señal, y un recorrido por los formatos que el modelo lee, genera y razona mejor: Markdown, XML, JSON y JSONL, diagramas como texto (Mermaid, UML, D2, BPMN), VegaLite para gráficos y MARP/Slidev para presentaciones. La segunda mitad aterrizó en datos tabulares (CSV, XLSX, Parquet), dónde corre el análisis según la herramienta, y cómo compartir contexto con un equipo protegiendo los archivos críticos.
Temas cubiertos
- Alta señal vs. baja señal — Por qué los formatos que priorizan significado (y eliminan ruido de formato) mejoran el razonamiento
- Markdown — Texto plano con estructura semántica: mínimo esfuerzo, máxima comprensión
- XML y JSON — Etiquetar el significado (con tags propios) y extraer datos de forma eficiente
- Diagramas como texto — Mermaid, UML, D2: pedirle la ruta crítica de un Gantt o los cuellos de botella de un proceso
- VegaLite, MARP y Slidev — Gráficos como datos exactos y presentaciones en texto plano
- CSV vs. XLSX vs. Parquet — Cuándo cada formato según volumen y uso; el CSV como caballo de batalla
- Dónde corre el análisis — Chat (servidor), Cowork (VM local) y Claude Code (tu máquina): de menor a mayor potencia
- Colaboración protegida — OneDrive + Git local + hooks + reglas en CLAUDE.md para compartir sin que el equipo rompa lo crítico