Cómo comprobar fechas extraídas cuando el documento es ambiguo

Anota la lectura antes de normalizar

Guarda texto original, página y etiqueta cercana: emisión, entrega, vencimiento o revisión. Una fecha correcta asociada al evento equivocado sigue siendo un error. En un ejemplo hipotético, “04/05/26” necesita contexto para decidir cómo interpretar día y mes. El idioma del usuario puede ser una pista, pero no sustituye una convención documental confirmada cuando ambas lecturas son posibles.

Define qué contexto permite resolver

Consulta la convención del emisor, otras fechas inequívocas del documento o una aclaración registrada. No asumas que toda empresa usa el mismo formato por estar en España. Si recibes una hora, comprueba también zona y si representa creación o vencimiento. No conviertas una fecha sin hora en un instante inventado. Para expresiones relativas como “el próximo viernes”, fija primero la fecha de referencia y el sentido acordado en el proceso.

La respuesta esperada puede ser pendiente

Prepara casos con interpretación única, ambigua, imposible e ilegible. En los ambiguos, considera correcto que se conserven las alternativas y se pida confirmación, si eso exige el contrato. No fuerces una única fecha en el conjunto de evaluación por comodidad del comparador. Registra qué evidencia haría resoluble cada caso y quién tiene autoridad para confirmarla.

Verifica que la duda frena el uso previsto

Prueba una salida con formato impecable y fecha imposible, otra con día y mes intercambiados y otra con vencimiento tomado de la fecha de emisión. Comprueba que no se programan recordatorios ni compromisos a partir de una fecha pendiente. Al resolverla, guarda origen de la aclaración y nueva versión del resultado. Revisa los fallos por emisor y plantilla: quizá necesites corregir la interpretación documental, no cambiar todo el modelo. Si la aclaración llega por otro canal, vincúlala al documento original para evitar resolver el expediente equivocado.

Fuentes y documentación

• OWASP · Misinformation — Contraste de afirmaciones y límites de confianza en respuestas generadas.
• OpenAI · Evaluation best practices — Evaluaciones específicas de la tarea; la rúbrica y los ejemplos del artículo son propuestas operativas propias.