Por qué está escrito así
Si simplemente pides "limpia esta tabla", la IA devolverá una tabla corregida al instante. El problema es que no queda registro de qué cambió ni bajo qué criterio. Si unificó dos nombres de empresa, no sabrás si fue porque eran idénticas o porque a la IA le parecieron similares. Al final, cotejar fila por fila toma más tiempo que haberlo hecho a mano. Limpiar datos no es una tarea mecánica, es un proceso de definición de reglas.
Por eso se divide el proceso en dos fases. Con la tabla de la Fase 1, eres tú quien decide si "Iberia S.L." e "IBERIA" son la misma entidad o si se debe quitar la unidad "uds" de la cantidad. El objetivo central del prompt es no delegar estas decisiones críticas en la IA.
Incluir un ejemplo concreto de regla de fecha evita que la IA proponga generalidades inútiles como "estandarizar fechas". Al mostrarle cómo manejar las excepciones, aplicará el mismo nivel de detalle al resto de columnas. Esto marca la mayor diferencia de calidad al trabajar con datos de Excel.
Por último, la autoverificación previene pérdidas o invenciones silenciosas de datos. Cuando las tablas son largas, los modelos suelen omitir filas intermedias o rellenar huecos. Delimitar los datos con """ evita que notas o comentarios dentro de las celdas se interpreten como instrucciones.
¿Términos desconocidos? Consulta Aha AI: prompt, hallucination
Comparado con un mal ejemplo
Limpia estos datos de Excel por favor
(pegar tabla)
La IA entregará una tabla limpia de inmediato, pero sin registro de qué cambió. Celdas vacías de cantidad podrían rellenarse con 0 y precios marcados como "Por definir" podrían reemplazarse con valores adyacentes. Al hacer cálculos posteriores, las sumas cuadrarán pero diferirán de la realidad, y rastrear el origen del error será casi imposible.
Variaciones
Cuando las reglas ya están definidas
Transforma la siguiente tabla aplicando estrictamente estas reglas. Reglas: Fechas en formato YYYY-MM-DD; nombres de empresa sin formas jurídicas (S.L., S.A.) y sin espacios extra; cantidades como números enteros sin unidades de texto; importes como números enteros sin comas ni símbolos de moneda. Todo valor que no pueda procesarse con estas reglas no debe modificarse y debe marcarse como "Revisión requerida". Muestra el resultado en una tabla: "Fila · Valor original · Valor transformado".
""" {{parte de tabla}} """
Útil cuando el equipo ya tiene criterios de limpieza estandarizados. Se salta la Fase 1 fijando las reglas explícitamente para no dejar margen a interpretaciones de la IA.
Para obtener código de limpieza de datos
Escribe un script en Python (con pandas) para limpiar la siguiente tabla. No modifiques los datos directamente en la respuesta: primero detalla en los comentarios del código la regla que aplicarás a cada columna y luego escribe el código. Los valores que no cumplan las reglas no deben descartarse en silencio; agrúpalos en una lista separada y muéstralos al final de la ejecución.
""" {{parte de tabla}} """
Ideal para conjuntos de datos con miles de filas que no caben en la ventana de chat. Al exigir las reglas en comentarios, puedes auditar la lógica antes de ejecutar el código.
Notas por modelo
Adjunta primero la tabla completa como archivo CSV o Excel antes de pegar. En el campo de texto basta con incluir la fila de encabezados y unas 20 filas con formatos inconsistentes representativos.
Evita pegar capturas de pantalla, ya que el OCR suele confundir dígitos y espacios; utiliza texto CSV o sube el archivo directamente. En la Fase 2, si la tabla supera las 100 filas, la respuesta puede cortarse o las reglas volverse laxas hacia el final. Para volúmenes grandes, es más seguro usar el prompt para definir las reglas y luego aplicar la transformación mediante código o funciones de Excel.
Prompts relacionados
Última actualización 2026-09-02 · ¿Has visto un error? Avísanos