Incorporar ficheros a OpenAI desde Make.com

Automatización para Adjuntar y Analizar Archivos en OpenAI (Make.com)

El método para adjuntar archivos a un modelo de lenguaje grande (LLM) de OpenAI, como GPT-4o, para su análisis dentro de un flujo de automatización en Make.com, requiere el uso de la API de Asistentes (Assistants API), en particular, la funcionalidad de Búsqueda de Archivos (File Search), la cual se basa en Almacenes Vectoriales (Vector Stores).

A diferencia de la interacción directa en la interfaz de ChatGPT, la automatización a través de Make.com se centra en estructurar el proceso de Inserción Aumentada de Recuperación (RAG, por sus siglas en inglés) para proporcionar contexto al modelo.

Proceso Técnico y Fases de la Automatización

El flujo de trabajo se divide en dos entornos: la plataforma de OpenAI para la configuración inicial de los recursos de conocimiento, y Make.com para la orquestación de la carga y el procesamiento del archivo.

Fase 1: Configuración de Recursos en la Plataforma OpenAI

Esta fase establece la «memoria» y las «instrucciones» del asistente de IA:

1. Creación del Almacén Vectorial (Vector Store): Se crea un contenedor dedicado en la plataforma OpenAI (en el Dashboard, sección Storage). Este almacén es una base de datos de vectores que se encarga de:

   • Segmentación (Chunking): Dividir el documento (ej. PDF) en pequeños fragmentos de texto.

   • Incrustación (Embedding): Convertir cada fragmento en un vector numérico que representa su significado semántico.

   • Indexación: Almacenar y hacer que estos vectores sean buscables.

2. Creación y Configuración del Asistente (Assistant): Se define el Asistente de IA (en el Dashboard, sección Assistants).

   • Se establecen las Instrucciones del Sistema (System Instructions) para definir su rol y tarea (ej. «Analiza el PDF proporcionado y genera un resumen»).

   • Se habilita la herramienta Búsqueda de Archivos (File Search).

   • Se especifica el modelo LLM a utilizar (ej. GPT-4o).

Fase 2: Orquestación del Flujo en Make.com

Esta fase configura la secuencia de módulos para el procesamiento automático del archivo.

1. Activador (Trigger – Google Drive: Watch Files in a Folder): El flujo comienza cuando se carga un nuevo archivo (ej. PDF) en una carpeta específica de Google Drive.

2. Descarga del Archivo (Google Drive: Download a File): Se utiliza el File ID obtenido en el paso anterior para descargar el contenido binario del archivo. Técnicamente, este módulo proporciona los datos binarios necesarios para el siguiente paso.

3. Carga del Archivo a OpenAI (OpenAI: Upload a File): El archivo se sube a la zona de almacenamiento temporal de OpenAI, con el Propósito establecido en assistants. Este módulo devuelve un File ID de OpenAI.

4. Adición al Almacén Vectorial (OpenAI: Add Files to a Vector Store): Utilizando el File ID de OpenAI del paso anterior, se mapea el archivo al Almacén Vectorial predefinido. Este paso inicia el procesamiento de RAG de OpenAI (segmentación, incrustación e indexación del archivo).

5. Mensaje al Asistente (OpenAI: Message an Assistant): Se invoca al Asistente configurado.

   • Se selecciona el Asistente creado en la Fase 1.

   • Se habilita la herramienta Búsqueda de Archivos (File Search).

   • Se selecciona el Almacén Vectorial como el recurso de búsqueda.

   • El mensaje del usuario (ej. «Aquí está el archivo») activa el asistente, que automáticamente utiliza la herramienta File Search para recuperar los fragmentos de texto más relevantes del vector store (el archivo recién subido) y los utiliza como contexto para generar la respuesta final (el resumen) según las instrucciones del sistema.

6. Extracción de Resultados (Opcional – Procesamiento JSON): Para una salida estructurada, se puede configurar el asistente para devolver el resultado en formato JSON y usar módulos adicionales de Make.com (ej. JSON Parser) para extraer campos específicos (ej. Título, Resumen, Puntos Clave) y alimentar sistemas posteriores (ej. Notion).

7. Limpieza (Opcional – OpenAI: Custom API Call / Delete a File from a Vector Store): Para evitar la confusión del sistema con múltiples archivos indexados y optimizar el almacenamiento, se recomienda eliminar el archivo del vector store tras su procesamiento, utilizando el File ID de OpenAI.

Este flujo asegura que el LLM no solo recibe una instrucción de texto, sino que también tiene acceso contextual a la información del documento cargado, permitiendo tareas avanzadas como el resumen y el análisis de contenido específico.