Batalla anterior · 2023-12-14 UTC
AI Data Analysts Duelo — 14 de diciembre de 2023
De la categoría AI Data Analysts. 16 marcas colocadas entre 5 combatientes. Model ML se llevó la corona.
Clasificación final
La formación
Los combatientes
Perfiles de cada herramienta que compitió en esta batalla, clasificadas por su puntuación final.
Model ML
Espacio de trabajo para inteligencia artificial en investigación y diligencia debida en servicios financieros.
Model ML es una plataforma impulsada por inteligencia artificial diseñada para equipos de servicios financieros, ayudando a los analistas a acelerar la investigación, la diligencia debida y los flujos de trabajo de acuerdos. Consolida documentos, datos y modelos de inteligencia artificial en un solo espacio de trabajo para que los usuarios puedan pasar de fuentes sin procesar a información estructurada sin cambiar de herramientas. La plataforma admite tareas como análisis de empresas, revisión de documentos, búsquedas comparables y redacción de informes, con asistentes de IA adaptados a casos de uso financieros. Está dirigida a bancos de inversión, empresas de capital privado, administradores de activos y empresas de asesoramiento que necesitan procesar grandes volúmenes de información bajo plazos ajustados.
Desglose de criterios
- Asistentes inteligentes de AI ajustados a la investigación financiera
- Ingestión y análisis de documentos
- Soporte a la diligencia debida y el flujo de trabajo de operaciones
- Herramientas de redacción de informes y memorándums
- Espacio de trabajo colaborativo para equipos de acuerdos
- Integración con fuentes de datos financieros
Shortcut (Excel AI)
Agente Excel AI que construye y edita hojas de cálculo, modelos y análisis a través de una charla y una pestaña nativa de Excel
Shortcut es un agente de inteligencia artificial diseñado específicamente para trabajos con hojas de cálculo, capaz de planificar, crear y editar modelos, análisis e informes de Excel a partir de instrucciones en lenguaje natural. Se enfoca en profesionales de finanzas —analistas de fondos de cobertura, administradores de activos e instituciones similares—, donde la precisión y la capacidad de auditoría son más importantes que la velocidad pura. La empresa lo comercializa como una solución implementada en grandes fondos de cobertura multistrategy y con miles de usuarios activos diarios. La herramienta se puede utilizar de dos maneras: como una aplicación web independiente y como un complemento nativo para Excel. La aplicación web ofrece aproximadamente un 95% de paridad de características con Excel, mientras que el complemento está diseñado para ofrecer una paridad total al trabajar directamente dentro del entorno Excel existente del usuario, incluyendo macros, atajos de teclado y archivos grandes. Los archivos se pueden abrir y exportar en formato Excel sin pérdida de formato, fórmulas o características, lo que reduce la fricción para integrarlo en los flujos de trabajo establecidos. También hay una CLI (ShortcutXL) con enfoque en terminal para usuarios avanzados que desean construir y editar varios modelos en paralelo dentro de Excel de escritorio. Un énfasis de diseño central es la corrección. Shortcut afirma que sus resultados están impulsados por fórmulas en lugar de estar codificados rígidamente, por lo que las salidas se actualizan dinámicamente con los datos subyacentes en lugar de romperse cuando cambian las entradas. Aplica formato de grado profesional y está diseñado para colocar ediciones con precisión sin sobrescriturar datos existentes — un modo de falla común de las herramientas de hoja de cálculo de IA genéricas. La empresa señala los resultados de SpreadsheetBench y una tasa de victorias reportada del 90% contra analistas del primer año en desafíos cara a cara como evidencia de sus afirmaciones de precisión. La auditabilidad y la confianza se consideran preocupaciones de primer orden. Shortcut muestra cada celda cambiada, indica qué valores están codificados de forma rígida y por qué, y permite a los usuarios revertir, restaurar o deshacer cualquier paso en la secuencia de acciones. En cuanto a la seguridad, anuncia la conformidad con SOC 2 Tipo II, el cifrado AES-256 en reposo y TLS 1.3 en tránsito, controles de acceso basados en roles, acuerdos de cero retención con sus proveedores de IA y una política por la cual los datos de los planes pagos nunca se utilizan para el entrenamiento de modelos. En comparación con asistentes de propósito general como ChatGPT, Claude o Microsoft Copilot en Excel, Shortcut se especializa estrechamente en la construcción de hojas de cálculo y afirma tener una precisión significativamente mayor en tareas de referencia. Su diferenciación radica en la operación nativa de Excel, salidas impulsadas por fórmulas y las características de auditoría que requieren los usuarios de finanzas institucionales. El compromiso de esa especialización es un enfoque ajustado en finanzas y trabajo de datos centrado en Excel, en lugar de una amplia productividad de oficina, y muchas de sus afirmaciones de rendimiento son puntos de referencia informados por el proveedor que los compradores prospectivos querrán validar frente a sus propios flujos de trabajo.
Desglose de criterios
- Pestaña nativa de Excel más aplicación web independiente
- ShortcutXL CLI de terminal para usuarios expertos
- Salidas impulsadas por fórmulas actualizadas dinámicamente
- Auditoría de cambio de celda con revertir/restaurar/desfacer
- Formateo profesional e industrial estándar
- Importación y exportación de archivos Excel sin pérdida de formato, fórmulas o características
Together Open Data Scientist
Agente de Data Scientist de código abierto que ejecuta Python para explorar datos, construir modelos y generar informes de análisis.
Together Open Data Scientist es un agente de análisis de datos impulsado por IA de código abierto lanzado por Together AI en GitHub. Sigue el marco ReAct (razonamiento + acción), alternando entre pasos de razonamiento del modelo de lenguaje y ejecución de código Python concreto para llevar a cabo tareas de ciencia de datos de extremo a extremo, como explorar conjuntos de datos, calcular estadísticas resumidas, crear modelos y producir informes de análisis escritos detallados. El agente puede ejecutar Python en uno de dos modos. El modo "interno" ejecuta el código localmente dentro de un contenedor Docker, que es adecuado para el desarrollo local de un solo usuario, mientras que el modo "tci" descarga la ejecución al intérprete de código de Together (TCI), un entorno de pruebas en la nube al que se accede a través de la API de Together AI. Los usuarios pueden cargar un directorio de datos para su ingesta automática, establecer un número máximo de iteraciones de razonamiento y elegir qué modelo subyacente impulsa al agente — DeepSeek-V3 es el predeterminado, pero se pueden especificar modelos Llama y otros disponibles a través de la plataforma de Together. Se distribuye como un paquete instalable con pip (open-data-scientist) y expone tanto una interfaz de línea de comandos como una API de Python. El CLI admite opciones como --write-report para generar un informe de análisis en Markdown, --save-trace para registrar el seguimiento completo de la consulta y ejecución, y reutilización de sesiones mediante IDs de sesión. La API de Python se centra en una clase ReActDataScienceAgent que toma una tarea en lenguaje natural y devuelve resultados. El proyecto está etiquetado explícitamente como software experimental. Debido a que todo el código y el análisis son generados por IA, las salidas pueden contener errores o enfoques subóptimos y es mejor tratarlos como un punto de partida para la exploración y el aprendizaje en lugar de para la toma de decisiones en producción. Los mantenedores enfatizan que se requiere supervisión y validación humana, especialmente para aplicaciones comerciales o de investigación críticas. En comparación con los asistentes de análisis de datos de IA comerciales como el Análisis de Datos Avanzado de ChatGPT o los copilotos de notebooks, Together Open Data Scientist se diferencia por ser totalmente de código abierto, autoalojable, agnóstico a modelos dentro del ecosistema de Together y capaz de encadenar de forma autónoma muchos pasos de ejecución de código hacia un informe completo en lugar de una sola respuesta.
Desglose de criterios
- Bucle de agente de razonamiento y actuación de ReAct
- Dos modos de ejecución: Docker local o intérprete de código de Together en la nube
- Carga automática de directorio de datos para análisis
- Generación de informe de Markdown con --write-report
- Modelo configurable y máximo de iteraciones de razonamiento configurable
- Interfaz de línea de comandos y API programática de Python
Edexia
Asistente de calificación y retroalimentación con IA para el currículo de inglés IB y australiano, entrenado según los estándares propios de los docentes
Edexia es un asistente de calificación y retroalimentación impulsado por IA, construido específicamente para la evaluación de inglés en secundaria, con un enfoque principal en el currículo de International Baccalaureate (IB) y los marcos de nivel superior australianos, incluidos VCE, HSC, QCE y WACE. En lugar de ofrecer una puntuación de ensayos genérica, pre-carga las rúbricas, descriptores de grado y requisitos de diseño de estudio relevantes, y es entrenada y validada continuamente por un equipo de educadores experimentados contra estándares de calificación reales. El núcleo del concepto es que la calificación con IA debe calibrarse al modo en que los maestros y departamentos realmente califican. Los docentes califican en la vista ciega, alinean sus juicios en reuniones de calibración y el sistema aprende de este proceso para que sus notas y retroalimentaciones preliminares coincidan cada vez más con los estándares de la escuela. Según la compañía, en una prueba con 579 ensayos en St Bernard's College, Edexia coincidió con las calificaciones de los maestros exactamente el 81.2 % de las veces y se mantuvo dentro de una banda de puntuación en el 98.3 % de los casos. Un principio de diseño central es mantener a los maestros en control. Cada comentario generado por IA puede ser editado, reescrito o eliminado antes de entregarlo al estudiante; los maestros pueden adjuntar notas de voz personales a la retroalimentación, y un modo de revisión docente mantiene todo el resultado hasta que un humano lo revisa y libera. Esto posiciona a Edexia como un secretario y asistente de IA que redacta retroalimentaciones detalladas para que los docentes perfeccionen, en lugar de un calificador autónomo. Más allá de la calificación, la plataforma agrupa una gama de herramientas de flujo de trabajo en aula: detección de IA con una reproducción del proceso de redacción del estudiante (mostrando pegados, cambios y puntuaciones de probabilidad de IA), informes de cruce de entrega que resumen las fortalezas y pasos siguientes de cada estudiante, una biblioteca de indicaciones y estímulos de búsqueda, funcionalidades de calificación ciega y moderación con visualización de distribuciones de puntuaciones y transcripción de escritura manuscrita de respuestas escaneadas. También construye bases de conocimiento por texto sobre temas, intención autoral y citas clave de obras en la lista de estudio del IB. Para los estudiantes, Edexia permite un ciclo rápido de escritura–retroalimentación–revisión, permitiendo que redacten un ensayo, reciban retroalimentación instantánea y revisen dentro de una sola tarde. Para docentes y departamentos, el énfasis está en ahorrar tiempo en la calificación y mejorar la consistencia mediante la moderación y calibración. La compañía enfatiza la privacidad y gobernanza de datos: los datos de entrenamiento están aislados a cuentas individuales o institucionales, permanecen propiedad intelectual del titular de la cuenta, y no se usan para entrenar los modelos de Edexia. Los datos se desidentifican y se almacenan en servidores con sede en Australia, y la compañía posee certificación SOC 2 Type II, ISO 27001 y acreditación ST4S. Según el sitio capturado, Edexia se ofrece gratis a docentes y estudiantes con lista de espera, y se limita a IB y inglés australiano, más que a un calificador de uso general.
Desglose de criterios
- Rúbricas y descriptores de grado alineados al IB con validación de educadores
- Modo de revisión docente con edición completa y notas de voz
- Reproducción del proceso de escritura con IA y detección de probabilidad de IA
- Calificación ciega, moderación y análisis de calibración
- Biblioteca de indicaciones y estímulos buscable por texto, tema y término de comando
- Transcripción de escritura manuscrita de respuestas escaneadas
Anamap
Analista de IA que investiga datos de GA4 o Amplitude para explicar cambios en métricas de producto y crecimiento y recomendar los siguientes pasos.
Anamap es una herramienta de analítica basada en IA diseñada para equipos de producto y crecimiento que buscan explicaciones y decisiones en lugar de más paneles de control. Su característica central es Cartos, un "analista de IA colaborador" que se conecta a la analítica web y de producto de un equipo, identifica cambios significativos en el recorrido del usuario (adquisición, activación, conversión y retención) y los presenta en análisis listos para la toma de decisiones. En lugar de devolver otro gráfico o un resumen vago, cada investigación de Cartos se estructura en torno a tres entregables: el cambio relevante (qué métrica, segmento, canal o etapa del recorrido cambió y su impacto en el negocio), la causa probable (una explicación basada en evidencia que incluye hipótesis competitivas y advertencias cuando los datos no son concluyentes) y un siguiente paso recomendado vinculado directamente al hallazgo. El resultado se comparte como un informe que los equipos pueden enviar por Slack, correo electrónico o la aplicación web para que las partes interesadas se alineen sin necesidad de rehacer el análisis. La herramienta se conecta a GA4 o Amplitude como fuentes de datos y se integra con Slack, correo electrónico y una aplicación web para la entrega de resultados. Anamap se posiciona para organizaciones que necesitan explicar el rendimiento de productos y sitios web, pero que no pueden justificar fácilmente o contratar personal analista adicional: fundadores, equipos de crecimiento, equipos de producto y equipos de datos reducidos donde cada pregunta recae sobre el mismo analista sobrecargado. Una parte clave de la propuesta de Anamap es el contexto persistente. Mientras que un chatbot genérico como ChatGPT o Claude requiere que exportes datos y vuelvas a explicar las definiciones con cada prompt, Cartos está diseñado para retener la "memoria de la empresa": cómo se definen los KPIs, qué se lanzó en las versiones, qué experimentos se realizaron y qué decidió el equipo anteriormente. El objetivo es que cada investigación se base en el contexto previo y termine con un siguiente paso relevante en lugar de comenzar desde cero. El precio se basa en equipos en lugar de licencias por usuario, sin cargos adicionales por asiento, además de una prueba gratuita para investigar un cambio real. Como producto en etapa inicial (el sitio menciona ayudar a más de 12 empresas), se entiende mejor como una alternativa enfocada y decidida a construir flujos de trabajo internos de analítica-a-decisión o depender del escaso tiempo de los analistas. Los compradores deben considerar su conjunto limitado de integraciones actuales (GA4 y Amplitude) y su historial pequeño y emergente frente a la especificidad de sus resultados orientados a la toma de decisiones.
Desglose de criterios
- Analista de IA Cartos que investiga analíticas de producto y web
- Conexiones de datos con GA4 y Amplitude
- Detección de cambios en adquisición, activación, conversión y retención
- Análisis de causas basado en evidencia con explicaciones competitivas y advertencias
- Resultado de siguiente paso recomendado vinculado a cada hallazgo
- Memoria persistente de la empresa, KPIs, lanzamientos y decisiones