Saltar al contenido

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

Actualizado el 2026-10-04

Preguntas sobre el panel

Haz preguntas en tu idioma sobre el panel, con el origen de cada número.

En esta página (9)

Motor: Usa LLM (Anthropic)


1. Qué hace

Haces una pregunta libre sobre un panel ("¿qué cliente creció más?") y la IA responde solo con base en el snapshot ya materializado — cada afirmación viene acompañada de citas verificables a los datos que la sustentan.

2. ¿Determinista o LLM?

Híbrido: LLM + verificación determinista. El LLM redacta la respuesta, pero quien decide si la respuesta tiene respaldo es código puro. Cada widget enviado recibe un id [W1], [W2]… y cada fila un sub-id [W1.r3]; el LLM está obligado a citar esos ids, y verificarCitacoes comprueba cada cita contra el índice de lo que realmente viajó en el prompt — no contra el texto que escribió el modelo.

Modelo: el mismo selector de Text-to-SQL. La verificación de las citas es determinista (código puro), separada de la redacción hecha por el LLM.

3. Datos enviados y egress

  • Se envía el snapshot del panel (filas por widget), siempre dentro de un fence <dados>, con los nombres de columna y los valores tratados como dato no confiable.
  • Ninguna query corre en el datalake para responder — el análisis es sobre el snapshot ya materializado (costo cero de datos).
  • La cantidad de filas por widget respeta la política de egress: tope de hasta 50 filas, o, con el envío de filas desactivado, ninguna fila cruda — solo un resumen estadístico por columna (conteo, mín/máx/suma para las numéricas; nº de distintos para las categóricas).
  • Un widget que es muestra se marca como tal en el prompt (la IA tiene prohibido afirmar totales/ rankings sobre una muestra).

4. Privacidad y retención

  • La IA lee la misma vista segura de la pantalla: RLS del miembro y enmascaramiento de PII aplicados antes de armar el contexto (secureViewForSession / secureRows). Lo que la IA ve nunca es más de lo que ve quien pregunta.
  • La pregunta se guarda en el registro de auditoría (preguntas sobre el panel), con una marca cuando fue rechazada o tuvo evidencia débil. El uso/costo va en ai.usage.
  • Los filtros activos de la pantalla vuelven reflejados desde el lado determinista (nunca desde el LLM), y lo que el LLM dice haber considerado se compara con los filtros reales (divergencia).

5. Tokens, costo y presupuesto

  • El mismo ledger reserva→liquidación y el mismo tope mensual del resto de la IA (ver presupuesto).
  • La respuesta trae el costo real formateado (custoBrlFormatado, p. ej.: "R$ 0,03") — incluso cuando la respuesta se convierte en negativa después de la llamada (gastó, lo reporta).

6. Cómo activarla, quién puede usarla y cómo desactivarla

POST /api/ai/dashboard-insights (con question) pasa por: rate limit 10/60 s por workspace (fail-closed) → workspace (401) → entitlement aiNarrative (Pro, 403) → la verificación de acceso y la verificación de capacidad insights de IA. Apagado general: con el envío a proveedores desactivado, la respuesta cae en el resultado honesto (sin inventar evidencia).

7. Negativas

Tres formas de negativa — la respuesta sin respaldo no sale como hecho:

  • fora_do_contexto — una pregunta que no toca ningún término del panel: se rechaza antes de gastar tokens (costo cero).
  • sem_evidencia — el LLM respondió, pero ninguna cita coincide con el dato: se convierte en negativa; el costo real se liquida.
  • ia_indisponivel — sin proveedor/error: fallback honesto, citas vacías, nunca evidencia fingida.
  • evidenciaFraca — cuando la mayoría de las citas es mala, la respuesta sale con aviso; solo las citas que coinciden cuentan como evidencia.

8. Limitaciones y ausencia de causalidad

  • Responde sobre el snapshot — si el panel está desactualizado, la respuesta refleja el dato antiguo (la fecha de la última actualización va en el prompt y la IA tiene la instrucción de no tratarla como "hoy").
  • No afirma causa y efecto: cita lo que muestran los datos; una correlación vista en el panel no se convierte en "X causó Y".
  • Sobre una muestra, tiene prohibido afirmar total/suma/"mayor"/"menor"/"todos".

9. Cómo validar

  • Una cita falsificada no pasa: incluye en una celda un texto como "[W9.r9]"; comprueba que no se convierte en una cita válida (la verificación usa el índice de lo que viajó, no el texto del modelo).
  • Negativa sin evidencia: haz una pregunta que el panel no sustenta y confirma que la respuesta sale como negativa, no como hecho.
  • Vista segura: confirma que una fila filtrada por RLS/PII no aparece en la respuesta.
  • Egress mínimo: con el envío de filas desactivado, comprueba que solo el resumen estadístico viaja a la IA.
  • Costo visible: la respuesta trae el costo formateado; compáralo con el evento ai.usage en el registro de auditoría del workspace.

Enlaces relacionados