Actualizaciones

Versión 4.0: AI Agent y el camino hacia la certificación SOC 2

ELECTE 4.0 ELECTE introduce el AI Agent para automatizar la generación de informes, los análisis y el análisis de la competencia, y inicia el proceso para obtener la certificación SOC 2.

Hemos lanzado la versión 4.0 de ELECTE.

La nueva versión introduce la generación automática de informes y el análisis de la competencia, y marca el inicio del proceso para obtener la certificación SOC 2 Tipo I y Tipo II.

Esta versión marca un paso hacia unos flujos de trabajo financieros más automatizados, lo que reduce el trabajo manual y mejora la continuidad de los análisis.

Agente de IA

La versión 4.0 introduce el AI Agent, diseñado para automatizar los principales flujos de trabajo analíticos de la plataforma.

El Agent permite:

  • generar automáticamente informes financieros
  • actualizar los análisis de forma continua
  • supervisar a la competencia mediante la recopilación de datos y el análisis comparativo

Las tareas se ejecutan en segundo plano, sin intervención manual.

El Agent funciona respetando la arquitectura de «privacidad desde el diseño» de la plataforma. Los datos utilizados permanecen dentro del entorno de la plataforma y no se comparten con servicios externos. El modelo de procesamiento es el mismo que se introdujo en la Versión 3, con cifrado de extremo a extremo y controles de acceso basados en el usuario.

Informes automáticos

Los informes se generan directamente a partir de los datos disponibles en la plataforma. Una vez configurados el tipo de informe y las fuentes de datos, el agente genera el documento automáticamente.

Cuando se actualizan los datos subyacentes, el informe se vuelve a generar con los nuevos valores. Esto elimina la necesidad de volver a elaborar informes periódicos y reduce el riesgo de utilizar datos desactualizados.

Análisis continuos

Los análisis se actualizan automáticamente cuando cambian los datos. El agente supervisa los datos de referencia y vuelve a calcular los análisis cuando detecta variaciones, sin necesidad de volver a abrir el análisis ni de reiniciar el proceso manualmente.

Esto se aplica tanto a:

  • análisis predictivos: Trend Tracker, Growth Accelerator, Smooth Forecaster, Season Sense y Smart Predictor)
  • análisis de documentos (si se actualizan los documentos de referencia, el análisis se vuelve a realizar con los nuevos contenidos)

El resultado es una mayor continuidad en los datos analíticos y una reducción de las tareas manuales.

Análisis de la competencia

Agent recopila datos de dominio público sobre los competidores seleccionados por el usuario y genera comparativas que se actualizan continuamente. Los puntos de referencia competitivos se mantienen al día con los datos más recientes sin necesidad de intervención manual.

La función de inteligencia competitiva, que se encuentra en fase de desarrollo en la versión 3, ya está operativa a través del agente. El usuario configura los competidores que desea supervisar y el agente se encarga de recopilar los datos y generar las comparativas.

SOC 2

Paralelamente al lanzamiento de la versión 4.0, hemos iniciado el proceso para obtener la certificación SOC 2 Tipo I y Tipo II.

SOC 2 es una norma de seguridad desarrollada por el AICPA que evalúa los controles de una organización en cinco áreas: seguridad, disponibilidad, integridad del procesamiento, confidencialidad y privacidad. La verificación de Tipo I comprueba que los controles estén diseñados correctamente. La verificación de Tipo II comprueba que funcionen de manera eficaz a lo largo del tiempo, durante un periodo de observación de entre 6 y 12 meses.

El objetivo es reforzar:

  • seguridad
  • gobernanza de datos
  • fiabilidad operativa

Esto permite dar soporte a organizaciones con requisitos más exigentes, incluidas las grandes empresas y los entornos regulados. Esta certificación se suma a las ya obtenidas, entre las que se encuentran EcoVadis, STAR y PCI DSS.

Dirección de producto

La introducción del agente de IA supone un paso más hacia la automatización del trabajo analítico. En la hoja de ruta de la versión 3 ya habíamos adelantado el desarrollo de agentes de IA autónomos como una posible aplicación independiente. Con la versión 4.0 hemos integrado esta funcionalidad directamente en la plataforma principal, como un componente nativo.

El objetivo es reducir la carga operativa relacionada con la elaboración de informes y el análisis, manteniendo los datos siempre actualizados.

Disponibilidad

La versión 4.0 está disponible en: platform.electe.net

La migración es automática para los usuarios actuales.

Para más información: ELECTE

El equipo ELECTE

Recursos para el crecimiento empresarial

9 de noviembre de 2025

Outliers: donde la ciencia de datos se encuentra con las historias de éxito

La ciencia de datos ha dado la vuelta al paradigma: los valores atípicos ya no son "errores que hay que eliminar", sino información valiosa que hay que comprender. Un solo valor atípico puede distorsionar por completo un modelo de regresión lineal -cambiar la pendiente de 2 a 10-, pero eliminarlo podría significar perder la señal más importante del conjunto de datos. El aprendizaje automático introduce herramientas sofisticadas: Isolation Forest aísla los valores atípicos construyendo árboles de decisión aleatorios, Local Outlier Factor analiza la densidad local, Autoencoders reconstruye los datos normales e informa de lo que no puede reproducir. Hay valores atípicos globales (temperatura de -10 °C en los trópicos), valores atípicos contextuales (gastar 1.000 euros en un barrio pobre), valores atípicos colectivos (picos sincronizados de tráfico en la red que indican un ataque). Paralelismo con Gladwell: la "regla de las 10.000 horas" es discutida-Paul McCartney dixit "muchas bandas han hecho 10.000 horas en Hamburgo sin éxito, la teoría no es infalible". El éxito matemático asiático no es genético sino cultural: el sistema numérico chino es más intuitivo, el cultivo del arroz requiere una mejora constante frente a la expansión territorial de la agricultura occidental. Aplicaciones reales: los bancos británicos recuperan un 18% de pérdidas potenciales gracias a la detección de anomalías en tiempo real, la industria manufacturera detecta defectos microscópicos que la inspección humana pasaría por alto, la sanidad valida datos de ensayos clínicos con una sensibilidad de detección de anomalías superior al 85%. Lección final: a medida que la ciencia de datos pasa de eliminar los valores atípicos a comprenderlos, debemos ver las trayectorias no convencionales no como anomalías que hay que corregir, sino como valiosas trayectorias que hay que estudiar.