Plataforma de enriquecimiento de entidades con IASus documentos se convierten en una base de datos.
Un entorno de IA para que las personas y los agentes de IA creen, completen y hagan evolucionar bases de datos relacionales normalizadas. Comience con PDF, fotos, notas de voz, archivos CSV o una base de datos existente, o simplemente describa lo que necesita. Entity Enricher crea un esquema editable y flujos de trabajo que enriquecen sus datos, resuelven entidades duplicadas y mantienen su base de datos actualizada.
Ejecutar un enriquecimiento en vivoUn enriquecimiento parte de una solicitud y completa el esquema de una entidad y de las que están vinculadas a ella. Cinco jugadores se enriquecen uno tras otro: un club o un país encontrado en un jugador anterior se reconoce, no se añade de nuevo.
Cada campo de un esquema es una pregunta
Los enriquecimientos anteriores rellenan un esquema con valores. Aquí está el mismo esquema como diagrama de clases: cada objeto de su estructura JSON, con sus campos, y cada uno mostrando su tipo JSON (string, number, boolean…) allí donde iría un valor. Cada campo lleva una descripción, y al situar el puntero sobre un campo, o al pulsarlo, se abre esa descripción —la pregunta— con los ejemplos del campo, los valores que puede tomar cuando se trata de un conjunto cerrado y el experto que la responde; el encabezado de un objeto abre la descripción del objeto en sí. Un vínculo a otro objeto también es un campo: lleva el nombre del campo y abre la pregunta que indica al modelo con qué objeto se vincula.
Cada descripción es la pregunta que se le hace al modelo de lenguaje para obtener el valor de ese campo. La generación de esquemas las redacta, y el editor de esquemas puede modificarlas, para precisar una pregunta o eliminar una ambigüedad antes de ejecutar cualquier enriquecimiento.
Un identificador por club con ID semánticos, sin importar cómo se escriba su nombre
Cada enriquecimiento escribe el nombre de un club tal como lo hacen sus fuentes: FC Barcelona en el registro de un jugador, Futbol Club Barcelona en el siguiente. Cada club mencionado en un registro recibe un ID semántico, que el modelo nunca rellena y que se resuelve en los tres pasos siguientes, empezando por el más económico. En caso de duda, se crea un nuevo ID: fusionar dos ID requiere un solo clic; deshacer una fusión incorrecta, no.
Cada enriquecimiento se convierte en filas de sus tablas
Un esquema vinculado a una base de datos se convierte en tablas: una por tipo de entidad, una por lista, unidas entre sí por sus claves externas. Un enriquecimiento se escribe en una sola transacción: primero las filas referenciadas y luego las filas que las referencian. Una entidad que ya escribió un enriquecimiento anterior no añade ninguna fila nueva: su fila se actualiza o se deja tal cual. Un esquema que no está vinculado a ninguna base de datos termina en la propia salida del enriquecimiento: JSON estructurado, validado contra el esquema.
Una sola cola hacia su base de datos, tanto para filas como para cambios de esquema
Un Database Sync mantiene las entidades en una base de datos PostgreSQL propia. Cada enriquecimiento se convierte en una transacción de upserts, para la entidad y las vinculadas a ella; publicar un cambio de esquema se convierte en una migración. Ambos esperan en la misma cola, en su orden de llegada, y el cliente ee-database aplica el primero de la cola y luego lo confirma. Así, una columna nueva existe antes de la primera fila que la rellena, y las filas escritas antes conservan NULL en ella.
ee-database es un programa de código abierto (licencia MIT) que se ejecuta en su servidor o portátil, junto a la base de datos en la que escribe. Es el propio programa el que abre la conexión, hacia fuera, hacia Entity Enricher, de modo que la base de datos no acepta ninguna conexión del exterior y sus credenciales nunca salen de esa máquina.
Un esquema creado por IA a partir de sus muestras de datos
La muestra, extraída de un documento o escrita a mano, genera la primera versión del schema, que luego se edita en la plataforma.
De un documento a una muestra
Una muestra puede extraerse de un documento — aquí, el registro de una librería sobre La Comunidad del Anillo (el registro en PDF). Una extracción conserva todos los valores que indica el documento: el autor y la editorial, pero también los capítulos, los personajes y el estante del libro en la tienda. Un documento no permite elegir qué campos se obtienen.
A continuación, el usuario conserva los campos a los que se destina el esquema. Un catálogo de libros necesita un título, un género, un año y un precio, un autor, una serie y una editorial: los demás campos se dejan de lado. Lo que queda es la muestra de este libro, la primera de las cinco que leen los pasos siguientes; un documento aporta una muestra, las demás provienen de otros libros.
De una muestra a un mapa de entidades
Entity Enricher lee una muestra de sus datos y reconoce las entidades que describe — aquí, libros, autores, series y editoriales — junto con los campos que identifican a cada una. Estas entidades son propuestas: el esquema conserva la estructura plana de la muestra hasta que el usuario convierte una de ellas en una entidad propia, con un solo clic. Sus campos pasan entonces a depender de ella, y un autor citado por varios libros se convierte en una única entidad con su propio identificador único.
Campos repartidos entre los expertos
La generación del esquema agrupa los campos según el conocimiento que requieren y asigna un experto a cada grupo: aquí, un experto literario para títulos, géneros, autores y series, y un experto editorial para editoriales, precios y años de publicación.
En el enriquecimiento, cada experto puede convertirse en una llamada propia, ejecutada en paralelo: un modelo al que solo se le pregunta por precios y editoriales los responde con más detalle que uno al que se le pregunta todo a la vez.
Cada experto describe sus campos
Cada experto redacta entonces la descripción de sus propios campos, con su propio vocabulario: a qué año corresponde el año de un libro, en qué moneda y en qué fecha se lee su precio. Los expertos escriben en paralelo, con una llamada cada uno.
Una descripción es la pregunta que un modelo responde para su campo durante el enriquecimiento; por eso, una descripción precisa es lo que hace que dos modelos, o dos ejecuciones, rellenen el campo de la misma manera.
Campos que identifican una entity
Para cada tipo de entidad, la generación del esquema selecciona los campos que identifican una instancia: el título de un libro, el nombre de un autor. Tanto Dante como Dan Brown escribieron un Inferno: un libro se distingue por su título y su autor en conjunto.
Un ID semántico para cada entidad
Cuando se solicitan ID semánticos, cada objeto que representa una entidad recibe un campo id: el libro y cada entidad anidada en él —autor, serie, editorial—. El modelo nunca lo rellena: después de cada enriquecimiento, se resuelve a partir de los campos identificadores de la entidad, de modo que un mismo autor escrito de dos formas conserva un único identificador.
Un objeto que solo contiene datos de su objeto padre —aquí el año y el precio del libro— no recibe ninguno: ningún campo suyo identifica nada. Tampoco lo recibe un emparejamiento, como el número de volumen de un libro dentro de su serie: se identifica por las dos entidades que relaciona.
Campos multilingües
Un campo de texto puede marcarse como multilingüe: en ese caso contiene un valor por cada idioma solicitado — un título, un género o un país escritos en cada uno de ellos, un nombre en la escritura de cada idioma. Un año o un precio sigue siendo un valor único. La identidad se lee en el primer idioma, por lo que un título traducido nunca crea un segundo libro.
Identificadores que se mantienen tal cual
Para cada entidad, uno o varios modelos de lenguaje rellenan el esquema a partir de los documentos adjuntos y de su propio conocimiento. Un campo marcado como preservado es la excepción: su valor proviene de su propio sistema —un id de fila, una referencia interna— y atraviesa el enriquecimiento sin cambios, de modo que cada libro enriquecido vuelve a la fila de la que salió. Sin esa marca, el campo queda en manos del modelo y nada impide que escriba el ISBN que conoce en lugar de su id.
Una base de datos diseñada a partir de su esquema
Un esquema vinculado a una base de datos se convierte en tablas. La mayor parte del diseño está en cómo se relacionan esas tablas: qué filas comparten varias entidades y cuáles pertenecen a una sola. Un modelo de lenguaje responde a esas preguntas; las reglas de la proyección hacen el resto.
Una tabla por cada tipo de cosa
Una base de datos guarda sus datos en tablas. Una tabla es una cuadrícula: cada columna contiene un campo y cada fila, una cosa. Cuando un esquema se vincula a una base de datos, cada tipo de entidad obtiene su propia tabla —aquí
football_player— y cada jugador enriquecido se convierte en una de sus filas.Un grupo de campos sin identidad propia, como el debut de un jugador, no necesita tabla: sus campos pasan a ser columnas de la misma fila, nombradas según la ruta que lleva hasta ellos —
senior_debuts_club_date.Qué distingue dos filas
Cada tabla tiene una clave: las columnas que distinguen una fila de otra. Un jugador se distingue por el nombre completo y la fecha de nacimiento juntos; un país, por su código ISO. Las claves se eligen al vincular el esquema, entre los campos que identifican cada entidad.
Cuando un jugador se vuelve a enriquecer, la clave encuentra la fila que ese jugador ya tiene: la fila se actualiza y no aparece ningún duplicado.
Una relación es un puntero
En una hoja de cálculo plana, un club aparece en la fila de cada jugador que jugó en él, con su año de fundación copiado cada vez. Las copias se desincronizan: en cuanto se corrige una, las demás siguen con el valor antiguo.
En una base de datos, el club se almacena una sola vez, en una tabla propia, y cada etapa guarda solo un puntero hacia él: una clave foránea, el
_iddel club. Estas relaciones entre tablas son las que mantienen la fiabilidad de los datos: cada dato vive en un único lugar y todas las filas que lo necesitan apuntan allí.Compartida o propia: la pregunta que responde el modelo
Para cada relación del esquema se hace una sola pregunta a un modelo de lenguaje: ¿podría otro jugador apuntar a esta misma fila? Un club, una ciudad, un país o una competición existen al margen de cualquier jugador concreto, así que la respuesta es sí, y la fila la comparten todos los jugadores que apuntan a ella.
Cada respuesta viene con su motivo, que el usuario lee y puede revocar antes de crear la base de datos. Para este esquema, el modelo evaluó dieciocho relaciones y encontró que todas apuntaban a algo compartido.
Filas que pertenecen a un solo jugador
La etapa de un jugador en un club contiene datos válidos solo para ese jugador: los años, los goles. Sus filas son propias: cada jugador tiene sus propias filas, incluso en el mismo club, y cada una apunta a la única fila compartida del club.
El interruptor muestra lo que haría un veredicto incorrecto. Si se marca como compartido, las dos etapas se fusionan en una sola fila por club y el segundo enriquecimiento sobrescribe los valores del primer jugador. Por eso una relación se considera propia hasta que se demuestre que es compartida: una fusión incorrecta corrompe los datos, mientras que una omitida solo cuesta una segunda fila.
Tipos de columna e índices
Cada columna toma un tipo de su campo: una altura se convierte en número decimal; un año, en entero; una fecha de nacimiento, en fecha. Un tipo preciso permite a la base de datos comparar, ordenar y validar sus valores.
Un índice es una copia ordenada de algunas columnas que permite a la base de datos encontrar filas sin leer la tabla completa. Los nombres reciben un índice de búsqueda, y el modelo diseña los demás índices según las pantallas de lista que mostrará una aplicación: aquí, jugadores filtrados por altura y ordenados por nombre.
Un esquema por flujo de trabajo, una base de datos para varios
Un esquema es un flujo de trabajo: su propia muestra, sus propias ejecuciones de enriquecimiento, su propio webhook cuando llega un resultado. Una base de datos puede vincularse a varios. Dos flujos de trabajo que nombran el mismo tipo de elemento —aquí, la ciudad del club de un jugador y una ciudad enriquecida por sí misma— escriben en la misma tabla: el que solo la nombra escribe su identidad, el que trata sobre ella rellena el resto, y cada columna más allá de la identidad tiene exactamente un único escritor.
Al vincular un esquema, se comprueba frente a los ya vinculados: un tipo que ambos nombren debe distinguirse mediante la misma clave. La guía de Database Sync detalla las comprobaciones.
De los datos sin procesar a un sistema de información
Una sola canalización toma lo que tenga —documentos, hojas de cálculo, filas a medio completar— y devuelve registros en los que su base de datos puede confiar.
Fuente
Traiga un lote desde su sistema actual, o una única entidad nueva en el momento en que aparece. Documentos, imágenes, búsqueda web y el conocimiento del mundo del LLM completan lo que sus datos no dicen.
Estructura
Describa su objetivo en lenguaje sencillo o pegue una muestra: la IA redacta un esquema tipado con dominios de especialización. Refínelo visualmente o por chat.
Verificar
Varios modelos responden en paralelo, por dominio de conocimiento. Los conflictos se detectan campo por campo y se resuelven mediante reglas o un árbitro de IA, dejando registrado el razonamiento.
Integrar
Los registros validados regresan con sus claves originales conservadas literalmente y los ID semánticos como claves de unión estables. Sin duplicados, sin reasignación de claves: hasta 40 idiomas por campo.
Dos formas de alimentarlo
Lote — desde su sistema existente
Extraiga cientos de entidades de su base de datos, CRM o cualquier endpoint REST: pegue JSON o consulte una URL con autenticación. Enriquézcalas en paralelo, siga el progreso en vivo y escriba registros limpios de vuelta, o expórtelos a Excel.
Sobre la marcha, a medida que llegan nuevas entidades
¿Entra un nuevo lead, producto o documento en su sistema? Enriquézcalo en segundos: una llamada a la API, un disparador de n8n/Make o directamente desde un chat a través de MCP. Estructurado, validado y listo para insertar.
Ambas rutas comparten los mismos ID semánticos: una entidad enriquecida hoy en un lote y reencontrada mañana sobre la marcha sigue quedando en un registro.
Cada valor tiene un rastro documental
La mayoría de las herramientas de IA le piden que confíe en el resultado. Nosotros le permitimos inspeccionar cómo se decidió.
Comprobación previa
Un modelo rápido clasifica primero la entidad con respecto a su esquema. ¿Enriquecer “Titán” como un planeta? Se le avisa antes de gastar un solo token.
Modelos en competición
Dos o más LLM responden de forma independiente. Las salidas se validan contra el schema; los errores se devuelven al model para que se autocorrija, automáticamente.
Arbitrado, registrado
Conflictos a nivel de campo resueltos por mayoría, mediana o un árbitro de IA. Cada decisión —todos los valores candidatos, el ganador, el razonamiento— se almacena en el registro.
Acme Corp
Cualquier entidad: empresa, fármaco, caso legal, artículo de investigación...
Coincidencia — Empresa
Detecta incompatibilidades de tipos antes de desperdiciar créditos de LLM.
Use sus propias claves de API: funciona con cualquier proveedor de LLM.
Esquema dividido por dominio: los prompts con autocorrección se reintentan cuando falla la validación.
Fusión profunda de las respuestas del dominio de especialización por modelo.
Acme Corp
ArbitradoLa resolución razonada de conflictos a nivel de campo produce el resultado final de confianza.
Ocho capas de defensa se interponen entre la imaginación de un LLM y su base de datos. Cómo prevenimos las alucinaciones →
Sus datos, sus modelos, sus claves
Diseñado para equipos cuyos datos no pueden salir del edificio: la comodidad de la nube con control total sobre dónde ocurre la inferencia.
Use sus propias claves de API
Utilice las claves de Anthropic, OpenAI o Gemini de su organización: su facturación, sus acuerdos de tratamiento de datos. Las claves de la plataforma son solo la opción predeterminada sin configuración.
Ejecute modelos en su propio hardware
Empareje un portátil o un servidor GPU on-premise en dos minutos y enrute los enriquecimientos a través de un túnel seguro a su Ollama local. Los datos sensibles nunca llegan a un LLM en la nube.
Cómo funciona el túnel →Aislado por inquilino por diseño
Los registros, esquemas, archivos y registros de conceptos están limitados al ámbito de la organización. Control de acceso basado en roles hasta cada clave de API.
Organizaciones y roles →Por qué Entity Enricher
Creado específicamente para el enriquecimiento estructurado con LLM: esto es lo que aporta frente a una sola llamada a un modelo o a un pipeline hecho a mano.
Se integra con su sistema de información
IntegradoAñada un database sync a un esquema y los enriquecimientos se replican en su propio PostgreSQL como tablas relacionales reales: una instantánea SQL para inicializarla, un flujo de deltas idempotente para mantenerla convergente y un cliente de sincronización de código abierto que lo aplica sin código de conexión. Las claves de entrada se conservan literalmente y cada entidad recibe un ID semántico estable: una clave de unión lista para usar que resuelve «Headache», «Céphalée» y «Cephalalgia» en un solo registro, en lugar de tres.
JSON en bruto por llamada. Usted diseña el almacenamiento, las claves, la correspondencia y la reconciliación antes de que pueda llegar a sus sistemas.
Schema personalizado
Usted define la estructura de salida. Cualquier tipo de entidad, cualquier campo, cualquier nivel de anidamiento.
Un prompt artesanal devuelve una única estructura plana. El anidamiento, los tipos y la validación debe construirlos usted.
Multimodelo
Ejecute 2 o más LLM simultáneamente. Compare los resultados. Aproveche lo mejor de cada uno.
Modelo único, proveedor único. Sin forma de validar de forma cruzada ni mejorar la precisión.
Fusión y arbitraje
Detección de conflictos a nivel de campo con resolución basada en reglas o arbitrada por LLM.
Confianza ciega en una única fuente. Sin detección de conflictos.
Cualquier dominio, cualquier entidad
Entidades legales, compuestos farmacéuticos, artículos de investigación, bienes raíces: cualquier cosa.
Cada nuevo dominio implica nuevos prompts, nueva validación y nuevo trabajo de integración — un pipeline por cada tipo de entidad.
Multilingüe por diseño
IntegradoMarque un campo como multilingüe una sola vez. Una única llamada de enrichment devuelve el valor traducido a todos los idiomas que haya seleccionado —hasta 40— sin llamadas adicionales al LLM ni canalización de traducción.
Salida únicamente en inglés. La traducción es un paso aparte, un coste aparte y un modo de fallo aparte.
Use sus propios documentos
NuevoAdjunte PDF, diapositivas, hojas de cálculo, contratos, escaneos y grabaciones de audio. Los modelos con capacidad de visión, PDF y audio los leen directamente; el resto se extrae en el servidor y se inserta automáticamente.
Entradas solo de texto. Los documentos son su problema: convierta, aplique OCR, transcriba, divida y limpie antes de poder enriquecer.
Optimizado en coste de forma predeterminada
IntegradoEl almacenamiento en caché de prompts reutiliza el prompt compartido entre llamadas paralelas a aproximadamente el 10 % del precio de entrada, cada experiencia solo ve sus propios campos y una comprobación previa económica evita que pague por enriquecer la entidad equivocada.
Precio fijo por registro sin optimización a nivel de tokens, y sin visibilidad de lo que realmente gastó.
Funciona donde usted trabaja
Diseñe su esquema una vez y luego enriquezca a cualquier escala: desde la aplicación web, desde flujos de trabajo automatizados o directamente desde su propio código.
Enriquecimiento por lotes
Enriquezca cientos de entidades en paralelo desde la aplicación web. Streaming en tiempo real, fusión automática, exportación a Excel.
Flujos de trabajo de n8n y Make
Pipelines automatizados: se activan con nuevos datos, enriquecen y envían a su CRM o base de datos. Más de 400 integraciones de aplicaciones.
API REST
Acceso programático para integraciones personalizadas. Esquema OpenAPI tipado, claves con alcance de organización, endpoints sincrónicos y de streaming.
Conéctese a más de 400 aplicaciones a través de n8n
Cree canalizaciones de enriquecimiento automatizadas con el editor visual de flujos de trabajo de n8n. Extraiga datos de cualquier fuente, enriquézcalos con IA y envíe los resultados a donde quiera.
Entity Enricher incluye un servidor MCP (Model Context Protocol) integrado. Enumere sus esquemas, enriquezca una entidad, inspeccione el resultado, todo desde el chat. No se requiere ningún editor de flujos de trabajo.
El cliente de código abierto ee-database mantiene su propio PostgreSQL convergente con cada enriquecimiento: arranque mediante instantánea y luego un feed delta en vivo a través de una conexión saliente. Sin flujo de trabajo que construir, y su cadena de conexión nunca sale de su máquina.
Diseñado para cada dominio
No solo contactos B2B. Defina un esquema para cualquier tipo de entidad y enriquézcalo.
Cómo comparamos
¿Viene de una API de investigación web, de un agente de investigación en hojas de cálculo o está creando su propia canalización de LLM? Aquí es donde se sitúa Entity Enricher.
| Función | Entity Enricher | Parallel AI | Agentes de investigación con IA | Pipeline de LLM DIY |
|---|---|---|---|---|
| Esquema anidado personalizado | Esquema JSON plano | Un prompt por columna | Codificado a mano | |
| Enriquecimiento multimodelo | Usted orquesta | |||
| Fusión y resolución de conflictos | ||||
| Traza de auditoría a nivel de campo | Citas + confianza | |||
| Deduplicación de entidades vinculadas (ID semánticos) | ||||
| Sincronice con su propio PostgreSQL | Exportación a CSV / hoja de cálculo | Usted lo construye | ||
| Sus documentos como fuentes | Varía | Usted lo construye | ||
| Cualquier tipo de entidad | ||||
| Salida multilingüe (40 idiomas) | Usted lo construye | |||
| BYOK / modelos autoalojados | Rara vez | |||
| Procesamiento por lotes | Usted lo construye | |||
| Mantenimiento | Gestionada | Gestionada | Gestionada | Suyos, para siempre |
| Precios | Pago por token | $5-25 / 1k filas | Créditos / suscripción | Tiempo de ingeniería + tokens |
Recupere el pasado. Enriquezca el futuro.
El conocimiento de su empresa ya está por escrito: hágalo consultable. Empiece gratis, use sus propias claves de API y pague solo los costes de LLM.
Empiece gratis