Cómo extrae JournalInt y qué datos guarda
Lo que hace el producto y el camino de tus documentos, sin adornos. Una extracción es una pista, no un hallazgo.
Cómo se extrae
JournalInt lee el texto completo de cada documento en dos etapas, con tu confirmación en medio.
Los PDF escaneados pasan primero por OCR. Después:
- Entidades: un modelo de IA propone personas, organizaciones y lugares. Tú las revisas y las confirmas.
- Relaciones: con las entidades confirmadas, el modelo propone las relaciones entre ellas, de un vocabulario cerrado de tipos.
- Cita: cada relación se guarda con la frase de tu documento que la sostiene.
La cita literal
Cada relación lleva la frase exacta del documento que la sostiene, y JournalInt comprueba que esa frase está en el texto antes de mostrarla. Si no hay cita, no hay relación.
La cita está para que la leas en su contexto. No sustituye a contrastar la afirmación con otras fuentes.
La revisión humana
Confirmas las entidades antes de que se extraigan las relaciones. Las relaciones llegan después, y puedes corregir o borrar cualquiera.
Cada elemento lleva su etiqueta de procedencia: detectado por IA, confirmado por una persona o detectado por una persona.
Datos y proveedores
Tu cuenta, tus ficheros, el texto extraído, las entidades, las relaciones y el grafo se guardan en la UE. Nadie más que tú ve tus proyectos.
Para extraer las relaciones, el texto de tus documentos se envía a proveedores de modelos de IA y de vectores numéricos con sede en EE. UU. Usamos cuentas de pago en las que no está activado el entrenamiento con tus documentos.
Se guarda un registro de cada llamada al modelo, con el texto enviado, para depurar errores y conocer el coste. Al borrar tu cuenta se elimina, normalmente en menos de una hora, junto con tus documentos, tu grafo y tus ficheros.
Las visitas a este sitio se cuentan con Vercel Web Analytics, de forma anónima y sin cookies de terceros.
Lo que viene
Esto es lo previsto para las siguientes fases, no lo que existe hoy. Sin fechas: el orden puede cambiar.
MVP
- Un grafo completo para explorar: filtros por tipo de entidad y de relación, búsqueda y un panel con la evidencia de cada relación.
- Edición del grafo: fusionar entidades duplicadas, colas de revisión y un registro de auditoría de los cambios.
- Dos asistentes que citan: uno para preguntar al grafo y otro para preguntar a tus documentos.
- Análisis del grafo: quién es central y qué comunidades hay.
V1
- Calidad de la fuente: una valoración en tres niveles de cada documento.
- Enriquecimiento con registros y listas de sanciones (OpenSanctions).
- Transcripción de audio y vídeo.
- Tu propio modelo de IA con tus claves, y ajustes de cuenta.
- Descubrimiento diario de fuentes en la web.
- Cadena de custodia de los documentos.
Los nombres de los proveedores se dan a quien los pida, y la política de privacidad completa se entrega a las personas invitadas. Escribe a .