Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Salida estructurada

La salida estructurada (structured output) es una función de las API que hace que la respuesta de un modelo de lenguaje siga un formato que defines, normalmente un JSON schema, para que el código pueda analizarla de forma fiable en lugar de extraer datos de texto libre.

También llamado: JSON mode, JSON schema output, structured outputs

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Cuando la respuesta de un modelo alimenta código, el texto libre es frágil. Un corchete que falta, una frase de más o un campo renombrado rompen el parser. La salida estructurada lo resuelve dando al modelo un schema y haciendo que la API devuelva solo respuestas que lo cumplan.

Cómo funciona

Envías un JSON schema con la petición, con los campos, sus tipos y cuáles son obligatorios. Los proveedores que admiten salida estructurada estricta usan decodificación restringida: en cada paso, el modelo solo puede producir tokens que mantengan la respuesta válida frente al schema. La documentación de Anthropic dice que esto garantiza respuestas que cumplen el schema, sin errores de análisis de JSON y con los campos obligatorios siempre presentes.

Modo JSON frente a salida con schema

Un simple "modo JSON" solo pide JSON sintácticamente válido. La respuesta se puede analizar, pero puede que falten campos o que tengan el tipo equivocado. La salida estructurada basada en schema también comprueba la forma. Sin ninguna de las dos, dependes del prompt engineering, la validación y los reintentos.

Ejemplo

Un extractor de facturas podría definir campos para proveedor, fecha, total y moneda. El modelo devuelve un objeto con exactamente esas claves, que puede ir directo a una base de datos tras la validación.

En qué se diferencia del function calling

El function calling pide al modelo que elija una herramienta y rellene sus argumentos. La salida estructurada da forma a la propia respuesta final. Ambos usan schemas, y algunos proveedores ofrecen también un modo estricto para los argumentos de las herramientas.

Límites

Una forma válida no es una respuesta correcta: el modelo puede seguir poniendo un valor erróneo, o una alucinación, en un campo bien formado, así que comprueba el contenido además del formato. Los proveedores admiten subconjuntos distintos de JSON Schema, así que comprueba qué palabras clave acepta el tuyo.

Términos relacionados

Llamada a herramientas
La llamada a herramientas (tool calling), también llamada function calling, es una función de las API de modelos en la que describes funciones con un esquema, el modelo responde con una petición estructurada para llamar a una de ellas, y tu código la ejecuta y devuelve el resultado.
Prompt engineering
El prompt engineering (ingeniería de prompts) es la práctica de escribir, estructurar y probar las instrucciones y los ejemplos que se dan a un modelo de lenguaje para que produzca la salida que necesita una aplicación, sin cambiar los pesos del modelo.
Alucinación (IA)
Una alucinación es una salida de un modelo de IA que suena fluida y segura, pero que es falsa, no está respaldada por sus fuentes o es inventada, como una cita bibliográfica, una frase, una estadística o una función de API que no existen.
Guardrails (IA)
Los guardrails (barreras de protección) son comprobaciones en tiempo de ejecución colocadas alrededor de un modelo de lenguaje que inspeccionan entradas y salidas y las bloquean, reescriben o redirigen, para que una aplicación no se salga del tema, evite contenido dañino y cumpla reglas que el modelo por sí solo no mantendría de forma fiable.

Fuentes