Otros sistemas de agentes confían el razonamiento al modelo de lenguaje. SynaLemma es un arnés construido al revés: el modelo traduce su pregunta a una regla y un motor lógico se encarga del razonamiento. El motor verifica formalmente la regla, obtiene la respuesta en la base de datos que usted ya utiliza y conserva la regla, de modo que cada paso se puede leer y reproducir.
La mayoría de los sistemas de agentes sitúan el modelo de lenguaje en el centro y le dejan razonar hasta llegar a una respuesta. SynaLemma lo sitúa en el borde. El modelo propone una regla, y el motor realiza cada join, cada recursión y cada total. Nada llega a sus datos ni a su respuesta sin pasar por el motor.
El modelo razona en texto. Su «explicación» se escribe a posteriori y no es un registro de cómo se calculó la respuesta, así que no hay nada que reproducir.
El modelo traduce su pregunta a una regla y redacta la respuesta. Cada inferencia intermedia la realiza el motor, y puede reproducirse.
Cada capa tiene una sola función y entrega a la siguiente algo que esta puede comprobar. Tres de ellas son open source; la cuarta es el producto que las reúne.
Lo que utiliza su equipo: Lemma, la asistente; tablas, conceptos y reglas que puede leer y modificar; el grafo de qué depende de qué; roles, historial y los canales en los que ya se comunica.
Guía al modelo paso a paso: busca las definiciones existentes, descompone la pregunta, escribe reglas y llama a herramientas. Las salidas se ajustan a un esquema, el modelo se puede cambiar y cada paso queda trazado.
Verifica cada regla antes de que exista una sola línea de SQL, la compila al dialecto SQL de su base de datos y contrasta con sus datos lo que su resultado debe cumplir.
Donde viven las definiciones: un archivo legible por tabla, concepto o regla, en un repositorio git. Una capa se revisa como código y puede instalarse en otro proyecto.
Su modelo · local o alojado, sustituible
El agente busca en la capa una definición que ya responda a la pregunta. Una capa de miles de definiciones nunca entra entera en el contexto del modelo: solo entra lo que coincide.
Si ninguna sirve, escribe una, apoyándose en los conceptos que ya existen en lugar de partir de las tablas en bruto.
La regla pasa por el verificador formal. Si no supera la verificación, se rechaza con el motivo, y no se guarda nada salvo que toda la capa siga siendo coherente.
La regla verificada se compila a SQL y se ejecuta en su base de datos. Sus aserciones se comprueban sobre los mismos datos.
Solo entonces responde la asistente, citando las filas que devolvió la ejecución y la regla, que usted puede abrir.
La regla se registra en la capa con su autor y su fecha. La siguiente pregunta parte de ella.
Pedir a un segundo modelo que revise al primero solo añade otra opinión. SynaLemma comprueba con lógica. Es el primer y único sistema de IA que escribe sus propias reglas, las verifica formalmente y contrasta sus resultados con enunciados matemáticos.
El verificador formal de Synalog examina cada regla antes de generar ningún SQL, sin intervención de la base de datos: variables que nunca se vinculan, negación y agregación no seguras, negación a través de la recursión, recursión sin caso base ni límite, columnas, funciones y predicados desconocidos. Más de quince clases de error, todas señaladas a la vez. Una regla que no supera la verificación nunca se guarda ni se ejecuta.
Una aserción enuncia lo que un resultado debe cumplir, con independencia de cómo se calcule: una pieza aparece una sola vez, un stock nunca es negativo, las entregas con retraso nunca superan a las entregas. Se escribe en lógica de primer orden (∀, ∃, →, sumas y comparaciones) como una proposición de Lean, la notación del demostrador de teoremas Lean. Synalog compila a SQL una búsqueda de contraejemplos y la ejecuta en su base de datos. En SynaLemma, una aserción incumplida se muestra en la regla, con las filas que la incumplen a un clic.
✗ OnTimeDelivery.meets_service_level is violated:
∀ s r d t, OnTimeDelivery s r d t → t ≥ 0.6
2 counterexamples:
+-------------------+------+----+-------+
| s | r | d | t |
+-------------------+------+----+-------+
| Shenzhen VoltPack | high | 34 | 0.588 |
| Hsinchu Controls | high | 47 | 0.553 |
+-------------------+------+----+-------+
Auditar una IA suele consistir en leer registros de lo que dijo un modelo. En SynaLemma usted audita dos registros exactos: la derivación, realizada por el motor lógico, y el historial de las reglas, conservado en git, la herramienta que los equipos de software ya utilizan para seguir cada cambio.
Cada cifra cita su regla y la fila de la que procede. Cada regla nombra los conceptos en los que se apoya, y cada concepto, las tablas que lee. Puede seguir la cadena o volver a ejecutar cualquiera de sus eslabones.
Una capa semántica es un repositorio git: un archivo por tabla, concepto y regla. Cada cambio es un commit atribuido a su autor, ya sea una persona, Lemma u otro agente, con la diferencia y la posibilidad de volver atrás.
¿Cuál era esta definición el día en que se comunicó esa cifra? ¿Quién la cambió, y cuándo? Compare dos versiones, restaure una o someta un cambio a la misma revisión que cualquier otro código.
El historial registra sus definiciones y cómo cambiaron, no sus datos: las filas permanecen en su base de datos.
Una capa semántica clásica es un proyecto de modelado que dura meses y queda desfasado poco después de la entrega. SynaLemma escribe la capa a medida que se formulan preguntas, sobre sus bases de datos existentes.
Las reglas se compilan a SQL y se ejecutan donde están los datos. En una base de datos que usted gestiona, SynaLemma declara las tablas que usted elija y nunca las modifica. Basta con una cuenta de solo lectura.
Los esquemas antiguos conservan los nombres reales de tablas y columnas, espacios y acentos incluidos. La capa les da un significado sin tocarlos.
Las entidades y relaciones se modelan sobre sus tablas relacionales. El grafo es virtual: se compila a SQL.
Listas de materiales en todos sus niveles, cadenas jerárquicas, «qué conjuntos se detienen si falla este proveedor»: recursión hasta la profundidad que usted declare, de modo que siempre termina, y razonamiento a lo largo del tiempo.
Y sus archivos: CSV, Excel, JSON, JSONL, Parquet.
La capa le pertenece. Todo lo que escribe la asistente puede ser leído, corregido y bloqueado por una persona.
SynaLemma se despliega en su infraestructura. Con un modelo local, nada sale de ella. Con un modelo alojado, sus preguntas y los extractos de datos necesarios para responderlas van al proveedor que usted eligió, y a ningún otro sitio.
Modelos abiertos en su propio hardware (Ollama, vLLM, LM Studio) o el proveedor con el que ya tiene contrato. Las reglas no dependen de él.
Consultados en su lugar, mediante una cuenta que solo necesita leer. Las credenciales de las bases de datos se almacenan cifradas. Los mensajes de voz grabados en la aplicación se transcriben en su servidor.
Archivos simples en un lenguaje abierto, sobre motores publicados bajo Apache-2.0. También funcionan solo con las herramientas open source.
No. SynaLemma incluye uno o varios ingenieros dedicados, según el tamaño de su proyecto, del equipo que lo desarrolla. Trabajan junto a su equipo para desplegarlo, ocuparse de sus datos y escribir y verificar sus definiciones con sus expertos.
Decide qué pedir al motor: qué conceptos combinar y cómo. Esa decisión queda escrita como una regla que usted puede leer, y es el motor, no el modelo, el que obtiene cada fila a partir de ella. Si la decisión es errónea, lo es en un lugar que usted puede ver, corregir una vez y bloquear.
Los tres motores sobre los que se construye (Synalinks, Synalog, Semantic Layers) son open source bajo Apache-2.0. SynaLemma, el producto que los reúne, es propietario y se comercializa con una licencia comercial. Sus reglas son archivos en el formato abierto, así que nunca quedan cautivas.
PostgreSQL, BigQuery, Databricks, Trino, Presto, DuckDB y SQLite, consultadas en su lugar: sus tablas se quedan donde están. Y archivos: CSV, Excel, JSON, JSONL y Parquet. Una misma regla se compila al dialecto SQL del motor en el que se ejecute.
Cualquier modelo que admita llamadas a herramientas, elegido desde un catálogo en la configuración: modelos abiertos servidos en local mediante Ollama, vLLM o LM Studio, o proveedores alojados como Mistral, Anthropic, OpenAI o Google. Cambiar de modelo no cambia las reglas. Todo, salvo la conversación en sí, funciona sin ningún modelo.
El verificador rechaza una regla estructuralmente errónea. Una regla que contradice una aserción se señala con las filas que la incumplen. Y como la regla es legible, la persona responsable de la cifra puede verla y corregirla, algo que no es posible cuando la respuesta es un párrafo de texto.
No. SynaLemma no dibuja gráficos: las respuestas son cifras, tablas y las reglas que hay detrás. Da a las definiciones que hay detrás de sus cuadros de mando un único lugar donde residir, y permite que personas y agentes formulen preguntas sobre ellas en lenguaje natural.
En una demo gratuita de treinta minutos, le mostramos la respuesta de SynaLemma y la regla que ha utilizado.
