Modelos de lenguaje (LLM)

JSON mode y structured output

JSON mode (modo JSON) y structured output (salida estructurada) son funcionalidades de las APIs modernas de modelos que obligan al modelo a responder en un formato JSON con esquema definido por el desarrollador. Eliminan la necesidad de parsear texto libre y reducen drásticamente errores de formato.

Por Ana María González Actualizado: 9 de mayo de 2026

Definición rápida

Respuesta directa

Explicación ampliada

Tradicionalmente, si querías que un modelo te devolviese un JSON con campos concretos, había que pedirlo en el prompt y rezar para que el modelo no añadiese texto extra, no se equivocara con las comillas, no inventase claves nuevas. Funcionaba el 90% del tiempo, pero ese 10% rompía la integración. JSON mode resuelve la primera parte: el modelo solo emite tokens válidos JSON. Structured output va más allá: el desarrollador pasa un esquema (JSON Schema o tipo Pydantic), y el modelo está obligado por construcción a producir exactamente esa estructura, con esos nombres de campo, esos tipos y esas restricciones (enum, formato, mínimos/máximos). Lo soportan en 2026: OpenAI (json_schema response format), Anthropic Claude (tool_use con esquema), Gemini (responseSchema), Groq, Together AI, OpenRouter. Internamente, los modelos lo implementan con técnicas de constrained decoding: solo se permite generar tokens que mantienen válida la estructura. Casos de uso: extracción de datos de documentos, clasificación con varias dimensiones, generación de configuraciones, integración con bases de datos.

Por qué importa para tu empresa

Aplicación práctica

Para una empresa que integre IA con sistemas existentes (CRM, ERP, BI, automatizaciones), structured output cambia la fiabilidad del despliegue. Antes, cada salida de modelo había que validar y a veces arreglar antes de inyectar en el sistema; ahora, la salida ya viene en el formato necesario. La tasa de errores de parsing pasa de 5-10% a prácticamente cero. Para casos como extracción de campos de facturas, clasificación de tickets en categorías cerradas, o generación de objetos para una API, structured output es lo que separa "experimento bonito" de "producción robusta". Es trivial activarlo (un parámetro en la llamada) y conviene usarlo siempre que la salida vaya a otro sistema.

Ejemplo concreto

Caso real

Una empresa de logística extraía con IA datos clave de packing lists (PDFs muy variados): nº de bultos, peso total, destinatario, fecha. Sin structured output, ~7% de las extracciones fallaban en parsing por errores de formato (comillas raras, campos inventados, comas decimales mal). El equipo dedicaba ~8 horas/semana a revisar errores y reprocesarlos. Activaron structured output con un esquema fijo de los 12 campos esperados (con tipos y enums para país de destino). Tasa de errores: 0,1%. Tiempo de revisión: 30 min/semana. Cambio: un parámetro extra en la llamada API. Sin tocar el prompt principal.