Saltar al contenido

Traducción automática — la versión en portugués es la referencia. Ver en portugués

Actualizado el 2026-10-04

Generación asistida — medida, visual y dashboard

Pedirle a la IA una medida, un visual o un panel completo a partir de una frase.

En esta página (9)

Motor: Usa LLM (Anthropic) + validación determinística


1. Qué hace

Describes lo que quieres ("una medida de ticket promedio", "un gráfico de ventas por región", "un panel de seguimiento comercial") y la IA propone un artefacto estructurado — medida, visual o esqueleto de dashboard — listo para que lo revises y confirmes.

2. ¿Determinístico o LLM?

Híbrido: el LLM propone, el código valida. El texto del artefacto viene del LLM, pero el campo validacao siempre lo completan los validadores determinísticos reales del producto — los mismos del editor: validación de medida, typecheck de fórmula, compilación del modelo a SQL, la allowlist de visuales y la validación de SQL libre.

Sin proveedor en dev/preview → artefacto mock determinístico, que pasa por los mismos validadores (la validación es ley incluso en el mock). En producción sin proveedor → 503.

3. Datos enviados y egress

  • Va tu descripción (en un fence como <dados id="pedido">), el modelo del dashboard y el catálogo físico sin PII (mismo grounding que el asistente), todo dentro de fences.
  • No van filas de datos — solo estructura (esquema/modelo).
  • Cuando el datalake está configurado, el SQL propuesto pasa por un dry-run real para validarse — esto se ejecuta en el datalake, no en el LLM.

4. Privacidad y retención

  • PII fuera del prompt (exclusión en el origen, como en text-to-SQL).
  • El registro de auditoría generación asistida por IA registra el pedido, el tipo y si salió como borrador; ai.usage registra tokens/costo.

5. Tokens, costo y presupuesto

  • Mismo ledger de reserva→liquidación, por llamada (feature ai_generate), y mismo tope mensual.
  • La autocorrección cuenta como una segunda llamada: el costo de ambas se suma en custoBrlTotal.

6. Cómo activarlo, quién puede usarlo y cómo desactivarlo

POST /api/ai/generate: rate limit 10/60 s por workspace (fail-closed) → workspace (401) → entitlement aiNarrative (Pro, 403) → la verificación de workspace activo → generación. Con el envío a proveedores desactivado, el resultado es determinístico y nada sale de la plataforma.

7. Rechazos y borrador

  • La IA NUNCA publica. La confirmación es siempre un paso humano, mediante las actions existentes (addMeasureAction / addWidgetAction / updateWidgetAction / saveModelAction).
  • Validación reprobada → se autocorrige una vez con los errores (en portugués); si persiste, el artefacto sale como BORRADOR (validacao.ok = false) con los errores a la vista — el error nunca se oculta.
  • Tope alcanzado → 429 con mensaje, sin gastar.

8. Limitaciones y ausencia de causalidad

  • El artefacto es una propuesta: la fórmula/SQL puede ser sintácticamente válida y aun así no ser lo que querías. Revísala antes de confirmar.
  • La IA solo genera visuales de datos de la allowlist (no genera elementos de diseño como texto/ imagen/botón).
  • No interpreta causalidad en los datos; propone estructura, no conclusiones.

9. Cómo validar

  • La validación es determinística: pide una medida o un visual y verifica que el campo validacao de la respuesta refleje los mismos validadores del editor — nunca una "aprobación" basada solo en el texto del LLM.
  • Nada se publica solo: confirma que la ruta devuelve el artefacto + validacao, y que la escritura solo ocurre en la action tras la confirmación humana.
  • Borrador honesto: pide algo imposible y verifica rascunho: true con los errores listados.
  • Dry-run real: con el datalake configurado, un SQL inválido se reprueba en el dry-run, no en el LLM.

Enlaces relacionados