Lenguaje Natural Documentación

v1 · engines

Home

Visión general

Análisis de texto por LLM, embeddings, sentimiento y sanitización de PII.

Esta referencia cubre 8 engines. Cada endpoint trae ruta, permiso, parámetros, respuesta y los errores posibles.

Embeddings de imagen

POST/api/v1/image_embeddings/process

Engine: image_embeddings
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Embeddings de imagen con aceleración dedicada: embed, similitud, búsqueda o dedup por modelo de visión.

Carga las imágenes nombradas por image_column y las codifica con un modelo de visión (con aceleración dedicada cuando está disponible); según el mode, devuelve el mapa id->vector, un ranking de similitud por coseno entre pares, los vecinos más cercanos de una imagen de consulta, o pares casi duplicados por encima de un umbral de similitud. Cada entrada puede ser una URL http(s), una URL s3://bucket/clave, una ruta en el sistema de archivos de quien ejecuta, o una clave de objeto del almacenamiento de la plataforma; una URL se descarga con timeout de 15s, límite de 25 MB y solo desde una dirección pública.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`image_column`	string	sí		Columna con las referencias de las imágenes (URL, s3://bucket/clave, ruta en el sistema de archivos de quien ejecuta o clave de objeto del almacenamiento de la plataforma).
`id_column`	string	sí		Columna con los identificadores de los ítems.
`model`	string	no	`"openai/clip-vit-base-patch32"`	Nombre del modelo de visión a usar.
`mode`	string	no	`"embed"`	Uno de embed, similarity, search, dedup.
`batch_size`	integer	no	`64`	Tamaño del lote de codificación.
`query_image`	string	no		Referencia de la imagen de consulta, en las mismas formas que la columna; obligatorio cuando mode=search.
`similarity_threshold`	number	no	`0.95`	Umbral de similitud por coseno del modo dedup, entre 0 y 1.
`top_n`	integer	no	`10`	Cantidad de resultados devueltos en modo search.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`image_path`	string	sí	Referencia de la imagen: URL http(s), URL s3://bucket/clave, ruta en el sistema de archivos de quien ejecuta o clave de objeto del almacenamiento de la plataforma (nombre de la columna configurable vía image_column).
`id`	string	sí	Identificador del ítem (nombre de columna configurable vía id_column).

Respuesta

En modo asíncrono (por defecto), 202 Accepted con {"process_uuid", "result_url"}; el resultado sale en GET /api/v1/results/{process_uuid}. Con ?sync=true o ?dry_run=true la respuesta es 200 con el resultado inline (y 504 con el process_uuid si el worker no responde a tiempo).

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/image_embeddings/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/image_embeddings/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

LLM

POST/api/v1/llm/process

Engine: llm
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Procesamiento de texto por LLM en el tier de aceleración dedicada: sentimiento, resumen, clasificación, extracción, análisis, traducción o prompt custom.

¿Por qué? Procesamiento de texto de propósito general vía LLM, con aceleración dedicada para inferencia de baja latencia. Cubre análisis de sentimiento, resumen, clasificación, extracción de entidades, traducción y prompts personalizados, entregando los resultados de cada operación de forma consistente para lotes de textos.

¿Cómo? La inferencia se realiza a través del proveedor de LLM configurado en la plataforma, con ingeniería de prompts y muestreo por temperatura configurable. El paralelismo se controla internamente para procesar múltiples textos sin sobrecargar al proveedor.

Origen El enfoque se apoya en Brown et al. (2020), "Language Models are Few-Shot Learners", NeurIPS.

Literatura de referencia

Brown, T. et al. (2020). "Language Models are Few-Shot Learners." NeurIPS.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`operation`	string	no	`"analyze"`	Una de sentiment, summarize, classify, extract, analyze, translate_pt, translate_en, custom.
`text_column`	string	no	`"text"`	Nombre de la columna con el texto a procesar.
`custom_prompt`	string	no		Plantilla de prompt con el placeholder {text}; obligatoria cuando operation=custom.
`temperature`	number	no	`0.1`	Temperatura de generación del LLM, entre 0 y 2.
`max_tokens`	integer	no	`512`	Máximo de tokens generados por texto.
`max_concurrent`	integer	no	`5`	Máximo de textos procesados en paralelo.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Contenido de texto a procesar (nombre de columna configurable vía text_column).

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/llm/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/llm/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Análisis de texto (EN)

POST/api/v1/nlp_analisys_en/process

Engine: nlp_analisys_en
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Análisis de texto por LLM fijado en inglés: sentimiento, resumen, clasificación, extracción, análisis o traducción al portugués.

¿Por qué? Análisis de lenguaje natural especializado en textos en inglés, con prompts y heurísticas específicos del idioma que mejoran la calidad del análisis. Ideal cuando el corpus es mayormente anglófono, como reseñas internacionales o tickets de soporte en inglés.

¿Cómo? Se construye sobre el hub de NLP de la plataforma, ejecutando las operaciones a través del proveedor de LLM configurado. Usa plantillas de prompt optimizadas para la lengua inglesa, con instrucciones de sistema específicas para el análisis en inglés, manteniendo la misma arquitectura del engine base.

Origen El enfoque se apoya en Brown et al. (2020), "Language Models are Few-Shot Learners", NeurIPS.

Literatura de referencia

Brown, T. et al. (2020). "Language Models are Few-Shot Learners." NeurIPS.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`operation`	string	no	`"analyze"`	Una de sentiment, summarize, classify, extract, analyze, translate_pt, custom. translate_en se rechaza.
`response_format`	string	no	`"text"`	Formato deseado de la respuesta, anexado al prompt: json, markdown o text.
`custom_prompt`	string	no		Plantilla de prompt con el placeholder {text}; obligatoria cuando operation=custom.
`temperature`	number	no	`0.1`	Temperatura de generación del LLM, entre 0 y 2.
`max_tokens`	integer	no	`512`	Máximo de tokens generados por texto.
`max_concurrent`	integer	no	`5`	Máximo de textos procesados en paralelo.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Contenido de texto en inglés a analizar.

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/nlp_analisys_en/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/nlp_analisys_en/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Embeddings de texto

POST/api/v1/nlp_embeddings/process

Engine: nlp_embeddings
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Embeddings semánticos de texto con aceleración dedicada: embed, similitud, búsqueda o clustering.

Codifica una columna de texto en vectores densos con un modelo de sentence embeddings (con aceleración dedicada cuando está disponible); según el mode, devuelve el mapa id->vector, un ranking de similitud por coseno entre pares, los vecinos más cercanos de un string de consulta, o asignaciones de clusters KMeans.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`text_column`	string	sí		Columna con el texto a codificar.
`id_column`	string	sí		Columna con los identificadores de los ítems.
`model`	string	no	`"all-MiniLM-L6-v2"`	Nombre del modelo de sentence embeddings.
`mode`	string	no	`"embed"`	Uno de embed, similarity, search, cluster.
`batch_size`	integer	no	`256`	Tamaño del lote de codificación.
`normalize`	boolean	no	`true`	Si los embeddings deben normalizarse en L2 antes de similitud/búsqueda/cluster.
`query`	string	no		Texto de consulta a codificar y comparar; obligatorio cuando mode=search.
`top_n`	integer	no	`10`	Cantidad de resultados devueltos en modo search.
`n_clusters`	integer	no	`5`	Número de clusters KMeans (mode=cluster), >= 2.
`random_state`	integer	no	`42`	Semilla aleatoria del clustering KMeans.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Texto a codificar (nombre de columna configurable vía text_column).
`id`	string	sí	Identificador del ítem (nombre de columna configurable vía id_column).

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/nlp_embeddings/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/nlp_embeddings/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Análisis de texto

POST/api/v1/nlp_local/process

Engine: nlp_local
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Análisis de texto vía LLM: sentimiento, resumen, clasificación, extracción, análisis, traducción o prompt custom.

¿Por qué? Hub central de NLP de la plataforma: una interfaz unificada que entrega análisis de sentimiento, resumen, clasificación, extracción, traducción y operaciones personalizadas. En la práctica, es el punto único de entrada para cualquier procesamiento de lenguaje natural, sin que la aplicación necesite conocer el proveedor detrás.

¿Cómo? Las llamadas se realizan al proveedor de LLM configurado en la plataforma, con selección dinámica de proveedor. Usa ingeniería de prompts con plantillas especializadas por tipo de operación y procesa múltiples textos de forma concurrente.

Origen El enfoque se apoya en Brown et al. (2020), "Language Models are Few-Shot Learners", NeurIPS.

Literatura de referencia

Brown, T. et al. (2020). "Language Models are Few-Shot Learners." NeurIPS.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`operation`	string	no	`"analyze"`	Una de sentiment, summarize, classify, extract, analyze, translate_pt, translate_en, custom.
`response_format`	string	no	`"text"`	Formato deseado de la respuesta, anexado al prompt: json, markdown o text.
`custom_prompt`	string	no		Plantilla de prompt con el placeholder {text}; obligatoria cuando operation=custom.
`temperature`	number	no	`0.1`	Temperatura de generación del LLM, entre 0 y 2.
`max_tokens`	integer	no	`512`	Máximo de tokens generados por texto.
`max_concurrent`	integer	no	`5`	Máximo de textos procesados en paralelo.
`language`	string	no		Pista de idioma pasada al cliente de LLM (normalizada en el servidor).

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Contenido de texto a analizar.

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/nlp_local/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/nlp_local/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Sanitización de PII

POST/api/v1/sanitize/process

Engine: sanitize
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Remoción de PII: enmascara emails, teléfonos, CPF/CNPJ, tarjetas de crédito e IPs en texto libre.

¿Por qué? Elimina información personal identificable (PII) de campos de texto, sustituyendo correos electrónicos, teléfonos brasileños, CPF, CNPJ, números de tarjeta de crédito (Visa, Mastercard, Amex) y direcciones IPv4 por una máscara configurable (por defecto [REDACTED]). Además de los datos sanitizados, entrega un informe de detección con conteo por tipo de PII, filas y columnas afectadas. Fundamental para el cumplimiento normativo en pipelines de procesamiento de datos.

¿Cómo? Aplica expresiones regulares en secuencia sobre cada celda de texto, de los patrones más específicos a los más generales, por ejemplo CPF antes que teléfono, para evitar falsos positivos. Cada ocurrencia se sustituye por la máscara configurable, con validación opcional por dígito verificador (módulo 11 para CPF, Luhn para tarjetas). Al final genera el informe con el total de detecciones por tipo, filas y columnas afectadas.

Origen Responde directamente a las exigencias de la LGPD (Lei Geral de Proteção de Dados, Ley 13.709/2018 de Brasil) y del GDPR (Reglamento General de Protección de Datos, EU 2016/679).

Literatura de referencia

LGPD (Lei Geral de Protecao de Dados, Lei 13.709/2018)
GDPR (General Data Protection Regulation, EU 2016/679)

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`mask`	string	no	`"[##INTELLIGENCE##]"`	String de reemplazo usado en cada ocurrencia enmascarada.
`sanitize_emails`	boolean	no	`true`	Detectar y enmascarar direcciones de email.
`sanitize_phones`	boolean	no	`true`	Detectar y enmascarar teléfonos brasileños/internacionales.
`sanitize_cpf`	boolean	no	`true`	Detectar y enmascarar números de CPF.
`sanitize_cnpj`	boolean	no	`true`	Detectar y enmascarar números de CNPJ.
`sanitize_credit_cards`	boolean	no	`true`	Detectar y enmascarar números de tarjeta de crédito.
`sanitize_ips`	boolean	no	`false`	Detectar y enmascarar direcciones IPv4.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Texto libre a sanitizar de información personal identificable.

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/sanitize/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/sanitize/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Sentimiento en tiempo real

POST/api/v1/sentiment_realtime/process

Engine: sentiment_realtime
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Sentimiento por reglas para micro-lotes: léxico + emojis + negación, sin LLM.

¿Por qué? Análisis de sentimiento optimizado para micro-lotes y latencia crítica, con inferencia en tiempo real por debajo de 50ms por texto y un score normalizado entre -1 y +1 para cada entrada. Está diseñado para escenarios de alta velocidad, como chat en vivo y streaming de redes sociales, donde esperar un modelo pesado no es una opción.

¿Cómo? Usa coincidencia basada en reglas contra léxicos extendidos de palabras de sentimiento. Maneja la negación con inversión de polaridad, detecta intensificadores (muy, extremadamente) y puntúa emojis para capturar el sentimiento visual. El score final se normaliza entre -1 y +1.

Origen Se inspira en Hutto y Gilbert (2014), "VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text", ICWSM.

Literatura de referencia

Hutto, C. J. & Gilbert, E. (2014). "VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text." ICWSM.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`language`	string	no	`"en"`	Idioma del léxico: en o pt.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Contenido de texto a analizar.

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/sentiment_realtime/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/sentiment_realtime/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Voz del cliente

POST/api/v1/sentiment_voc/process

Engine: sentiment_voc
Grupo: nlp
Auth: X-TENANT-KEY | Authorization: Bearer
Entrada: JSON inline (data[]) o archivo .json/.csv/.parquet vía multipart/form-data
Modos: asíncrono (202) · ?sync=true (200) · ?dry_run=true (200, efímero)

Propósito

Análisis de voz del cliente vía LLM local (sentimiento, palabras clave o tópicos) con fallback por reglas.

¿Por qué? Analiza el sentimiento de textos con foco en Voice of Customer, capturando la voz del consumidor en feedback y reseñas y entregando la distribución agregada de sentimiento entre los textos. Alimenta el análisis cualitativo de la experiencia del cliente con una lectura consolidada de lo que expresan los consumidores.

¿Cómo? La clasificación primaria es contextual, realizada por el proveedor de LLM configurado en la plataforma, con un respaldo basado en reglas que usa la frecuencia de palabras de un léxico de sentimiento. Los lotes de textos se procesan de forma asíncrona y la distribución de sentimiento se agrega estadísticamente.

Origen Se fundamenta en Liu (2012), "Sentiment Analysis and Opinion Mining", Morgan & Claypool Publishers.

Literatura de referencia

Liu, B. (2012). "Sentiment Analysis and Opinion Mining." Morgan & Claypool Publishers.

Parámetros (`params`)

Campo	Tipo	Obligatorio	Por defecto	Descripción
`operation`	string	no	`"sentiment"`	Una de sentiment, keywords, topics.
`model`	string	no	`"deepseek-r1:14b"`	Nombre del modelo usado en la inferencia.
`inference_url`	string	no	`"http://localhost:11434"`	URL base del servidor de inferencia local. Alias heredado: `ollama_url`, aún aceptado.
`max_texts`	integer	no	`500`	Máximo de filas procesadas (1-2000); las excedentes se truncan.

Columnas de `data[]`

Columna	Tipo	Obligatoria	Descripción
`text`	string	sí	Contenido de texto a analizar.

Respuesta

Errores

403 - la engine no está en allowed_engines de tu suscripción.
413 - subida por encima de max_upload_mb.
422 - engine desconocida o inactiva en el catálogo.
429 - cuota diaria (max_jobs_per_day) o por minuto excedida.

La validación es fail-fast: un envío rechazado no tiene ningún efecto secundario.

Probar solicitudOPENAPI

POST

https://intelligence.echosistema.live/api/v1/sentiment_voc/process?dry_run=true&playground=true

AUTENTICACIÓN

X-TENANT-KEY

QUERY PARAMS

sync

dry_run

playground

REQUEST BODY · JSON

Envía la solicitud para ver la respuesta.

curl

curl -X POST "https://intelligence.echosistema.live/api/v1/sentiment_voc/process?dry_run=true&playground=true" \
  -H "X-TENANT-KEY: $TENANT_KEY"

Lenguaje Natural Documentación

Visión general

Embeddings de imagen

Propósito

Parámetros (params)

Columnas de data[]

Respuesta

Errores

LLM

Propósito

Literatura de referencia

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Análisis de texto (EN)

Propósito

Literatura de referencia

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Embeddings de texto

Propósito

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Análisis de texto

Propósito

Literatura de referencia

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Sanitización de PII

Propósito

Literatura de referencia

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Sentimiento en tiempo real

Propósito

Literatura de referencia

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Voz del cliente

Propósito

Literatura de referencia

Parámetros (params)

Columnas de data[]

Respuesta

Errores

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`

Parámetros (`params`)

Columnas de `data[]`