Busca a la vez en PDF e imágenes mixtos con Gemini

Extrae datos de documentos complejos que contienen texto y gráficos sin la complejidad del OCR. La búsqueda de archivos multimodal de Gemini ahora indexa PDF e imágenes en una única base de datos vectorial, lo que te permite consultar informes financieros junto con fotos de productos o documentos legales con diagramas, y responder a preguntas como "¿Qué gráficos muestran el crecimiento de los ingresos del tercer trimestre?" con citas completas.

Los datos empresariales son desordenados: los informes financieros contienen gráficos integrados, los contratos tienen anotaciones manuscritas y las especificaciones técnicas mezclan diagramas con texto. Hasta hace poco, recuperar información de estos documentos de medios mixtos requería convertir las imágenes a texto mediante OCR, un cuello de botella lento y propenso a errores. La herramienta File Search de Gemini cambió esto en mayo de 2026 al añadir compatibilidad multimodal nativa impulsada por el modelo Gemini Embedding 2.

El enfoque es más sencillo que las canalizaciones RAG tradicionales. Creas un almacén de File Search especificando el modelo de embeddings (para multimodal, usa gemini-embedding-2), subes tus archivos (PDF, PNG, JPEG, WebP) y el sistema indexa automáticamente tanto el contenido textual como el visual en un único espacio vectorial compartido. Un profesional que busca en su biblioteca de comunicados de resultados ya no necesita bases de datos separadas para texto e imágenes: una sola consulta como "Muéstrame gráficos que comparen el crecimiento interanual de los ingresos" recupera visualizaciones relevantes de los PDF sin preprocesamiento.

Para el trabajo práctico: abogados que revisan enmiendas de contratos junto con diagramas de normativas, analistas que extraen patrones de informes trimestrales con gráficos integrados o equipos de producto que analizan fotos de productos de la competencia mezcladas con fichas técnicas se benefician de esta búsqueda unificada. El filtrado de metadatos permite acotar los resultados (por ejemplo, solo documentos del departamento de finanzas de 2025), y las citas de página muestran exactamente de dónde procede cada respuesta.

La estructura de costes favorece a los desarrolladores: el almacenamiento y los embeddings en el momento de la consulta son gratuitos; solo pagas por la indexación y los tokens. La configuración requiere la API de Gemini (con compatibilidad para SDK de Python, JavaScript o Java), pero la curva de aprendizaje es suave: la documentación de File Search incluye ejemplos de código funcionales para experimentar de inmediato.