Extracción con IA vs. clipper web: por qué leer el HTML ya no basta

Si alguna vez has usado una extensión del navegador para recortar recetas, conoces la frustración: en un blog de cocina funciona de maravilla y en el siguiente no saca nada. Pegas un enlace de Instagram, de Facebook o de TikTok y te quedas sin receta. Pruebas con una receta metida en un artículo de periódico o en un hilo de foro y el clipper se atraganta.

No es mala programación. El recorte web clásico y la extracción con IA son dos tecnologías distintas que atacan el mismo problema por caminos que no se parecen en nada.

Cómo funciona un clipper web de toda la vida

Las extensiones tipo «Clip Recipe» y los importadores de apps como Paprika analizan el HTML. Recorren el código de la página buscando patrones concretos:

Marcado de receta (JSON-LD): el listón alto. Los blogs de cocina montados en WordPress con un plugin de recetas (WP Recipe Maker y compañía) dejan datos estructurados donde el título, los ingredientes, los pasos y el tiempo de cocción están etiquetados como tales.
Microdatos y RDFa: formatos más antiguos para lo mismo.
Búsqueda de patrones en el HTML: cuando no hay datos estructurados, el clipper adivina. Busca listas <ul> que puedan ser ingredientes y listas numeradas que parezcan pasos.

Cuando se alinean los astros (una web de recetas grande o un blog con plugin y HTML limpio) el resultado es rápido y exacto. En Directo al Paladar o en Recetas de Rechupete, un clipper cumple.

Pero internet no es tan ordenado.

Dónde se rompe el recorte web

Publicaciones de redes sociales

Instagram, TikTok, Facebook y YouTube no usan marcado de receta. La receta vive en un pie de publicación, en la descripción de un vídeo o en lo que alguien dice en voz alta. No hay estructura HTML a la que agarrarse, y un clipper tampoco sabe mirar ni escuchar un vídeo.

Cuando quieres guardar una receta de Instagram, lo que tienes delante suele ser esto:

«¡¡El pisto de mi abuela!! 🍆 necesitáis como 2 calabacines, 2 pimientos verdes, una cebolla grande, un bote de tomate triturado, aceite de oliva del bueno, sal y una pizca de azúcar. Pocháis la cebolla y el pimiento sin prisa, echáis el calabacín, luego el tomate, y lo dejáis 45 min a fuego bajo. Confiad en mí con esta 🙏»

Un clipper no ve ahí ninguna receta. No hay etiquetas <li> para los ingredientes ni <ol> para los pasos. Solo un párrafo con emojis.

Contenido web sin estructura

Incluso en la web de siempre hay montones de recetas sin datos estructurados:

Hilos de foros de cocina
Recetas que circulan por grupos de Facebook y de WhatsApp
Secciones de cocina de la prensa, de El Comidista para abajo
Boletines por correo
PDF con recetas

Con todo eso, un clipper clásico o no devuelve nada o devuelve un galimatías.

El problema del preámbulo

Hasta en los blogs de cocina, que es donde mejor se porta un clipper, hay una pega: antes de la receta suele haber dos mil palabras de relato personal. El clipper se pasa o se queda corto, y acabas buscando la receta a mano dentro de lo recortado.

Cómo funciona la extracción con IA

La IA lo aborda de otra manera. En vez de buscar patrones de HTML, lee y entiende el contenido.

Esto es lo que pasa dentro de Pluck cuando pegas un enlace:

Paso 1: descarga y preparación

Pluck se trae la página y saca todo lo aprovechable: el texto principal, los metadatos, los datos estructurados que haya y los campos propios de cada red (el pie de Instagram, la publicación de Facebook, la descripción de YouTube). Si la dirección es de vídeo, Pluck además lo descarga y analiza imagen y audio.

Si hay marcado de receta (JSON-LD), Pluck lo usa. Ahí es donde la puntuación de confianza sube más. Pero, a diferencia de un clipper, Pluck no se detiene ahí.

Paso 2: la IA entiende el contenido

El contenido pasa a nuestra cadena de IA, donde modelos multimodales procesan texto, vídeo y audio como lo haría una persona. Identifican:

Título: ¿cómo se llama el plato?
Ingredientes: ¿qué hace falta y en qué cantidad?
Pasos: ¿qué se hace y en qué orden?
Datos de ficha: tiempo de cocción y de preparación, raciones, tipo de cocina, dificultad

Le da igual el registro coloquial, las abreviaturas, los emojis y el formato desastroso, esté escrito o dicho. Sabe que «un par de dientes de ajo» va a la lista de ingredientes. Sabe que «lo metes al horno a 200 y en media hora lo tienes» significa 200 °C durante 30 minutos. Y en vídeo mira las imágenes y escucha la narración para recoger recetas que no están escritas en ninguna parte.

Paso 3: puntuación de confianza

No todas las extracciones son igual de fiables. Pluck da una puntuación apoyada en varios factores:

¿Hay datos estructurados? Más confianza.
¿Ingredientes y pasos bien separados? Más confianza.
¿Contenido vago o ambiguo? Menos confianza.
¿Vídeo con narración clara y rótulos en pantalla? Más confianza.
¿Vídeo acelerado, con música y sin contexto? Menos confianza.

Ves esa puntuación antes de guardar, así que sabes cuándo repasar con calma y cuándo fiarte.

Paso 4: revisar y guardar

Te queda una receta limpia y estructurada: título, ingredientes agrupados por bloques, pasos numerados, tiempos y demás. Corriges lo que quieras y la guardas en tu recetario.

La diferencia en la práctica

La misma receta, dos caminos.

Lo que devuelve un clipper clásico con una publicación de Instagram:

❌ «No se ha detectado ninguna receta en esta página»

Lo que devuelve Pluck con esa misma publicación:

✅ Título: El pisto de mi abuela

Ingredientes: 2 calabacines, 2 pimientos verdes, 1 cebolla grande, 1 bote de tomate triturado, aceite de oliva, sal, una pizca de azúcar

Pasos: 1. Pochar la cebolla y el pimiento. 2. Añadir el calabacín. 3. Incorporar el tomate triturado. 4. Cocinar 45 minutos a fuego bajo. 5. Corregir de sal y azúcar y servir.

Mismo contenido, resultados de otro planeta.

¿Y las fotos?

Un clipper web no procesa imágenes, punto. Si tienes una ficha de receta, la página de un libro de cocina o una captura de pantalla, estás solo.

La visión por IA de Pluck lee una imagen igual que el modelo de lenguaje lee un texto. Identifica las partes de la receta dentro de la imagen (una ficha impresa, una página mecanografiada, unas notas a mano) y devuelve la misma estructura de siempre.

Donde más se nota:

Fichas de familia: la letra de la abuela, digitalizada y con buscador
Páginas de libro: tus recetas favoritas del libro de cocina, en el móvil
Capturas: cuando ya no tienes el enlace pero sí la captura

Hacia dónde va esto

El recorte web era una buena solución para el internet de 2015: sobre todo blogs, sobre todo datos estructurados, sobre todo ordenador de sobremesa.

Pero las recetas se descubren ahora en redes sociales, en vídeo y en el móvil. La tecnología para guardarlas tiene que moverse también.

La IA no es perfecta: para algo existen las puntuaciones de confianza, y hay extracciones que piden un repaso a mano. Pero se maneja con el desorden real del contenido de recetas de hoy como no lo hará jamás un analizador de patrones de HTML. Pluck ya mira un TikTok, saca una receta de un Reel de Facebook, escucha un tutorial de YouTube, lee una ficha manuscrita y procesa un blog de cocina, todo con la misma cadena de IA.

A medida que mejoren los modelos, la exactitud subirá. Lo que hoy cuesta, el contenido en varios idiomas y los vídeos con mucho ruido, pasará a ser rutina.

El objetivo es sencillo: encuentres la receta donde la encuentres, deberías poder guardarla en un formato estructurado, buscable y cocinable. La extracción con IA es el camino. Si quieres las apps una al lado de otra, tienes la comparativa de apps de recetas, el comparador completo o el análisis de las mejores apps de recetas con IA.

¿Quieres ver la extracción con IA en marcha? Pluck está disponible en iOS y Android. Consíguela en Google Play. También en iOS. Visita nuestra hoja de ruta (en inglés) para ver qué llega después.