Saltar al contenido principal
Los LLMs son excelentes para interpretar texto, escribir, resumir y generar contenido. Pero cuando se trata de cálculos, estadísticas y análisis de datos, cualquier modelo tendrá un incómodo margen de error que, para tareas profesionales sensibles, es inaceptable. Para informes financieros, planillas de ventas y decisiones de negocio, necesitas precisión absoluta. Es exactamente para eso que existe el Deep Analysis: una herramienta que combina la conversación en lenguaje natural del LLM con la exactitud de la computación tradicional.

​
¿Qué es el Deep Analysis?

Deep Analysis es un entorno seguro y aislado (un “sandbox”) donde, en lugar de que la IA intente hacer los cálculos “de cabeza”, ella:
  1. entiende lo que quieres hacer con los datos
  2. escribe un código en Python para ejecutar esa tarea
  3. ejecuta ese código en el sandbox
  4. devuelve el resultado con cálculos matemáticos 100% correctos
En otras palabras: tú conversas en lenguaje natural; Tess crea una máquina virtual, traduce eso a código, lo ejecuta y te entrega el resultado listo (tablas, métricas, gráficos, segmentaciones, etc.).

​
Cómo usar Deep Analysis en el chat

Cuando necesites algún análisis cuantitativo, o cualitativo/cuantitativo, un reporte, informe, HTML o tratamientos similares, ¡activa la herramienta de Deep Analysis en el chat! Si tienes un documento base, recuerda enviar tu archivo, haz el pedido en lenguaje natural y menciona el archivo y lo que será necesario hacer con él.
Tessdocs Deepa
También puedes usar Deep Analysis para trabajar en reportes o dashboards interactivos en formato HTML:
Image
Image
Acceder al Informe HTML (link) Para Dashboards es lo mismo:
Captura De Tela 2026 02 13 Às 13 40 23Image
Acceder al Dashboard HTML (link)
Para Dashboards, como la vista se construye con datos estáticos, no hay actualización automática del HTML — por lo tanto, cualquier cambio requiere que el HTML sea regenerado.

​
\

Úsalo siempre que la exactitud de los datos sea la máxima prioridad, por ejemplo:

Análisis

Análisis financieros, de ventas y clientes; comparaciones de períodos (mes contra mes, año contra año), etc.

Cálculos

Calcular EBITDA, margen de ganancia, ticket promedio; realizar análisis estadísticos (promedios, medianas, desviación estándar, etc.).

Visualizaciones

Visualización de datos, gráficos de barras, líneas, torta, scatter, etc.; visualizar tendencias de ventas, churn, engagement, costos.

Proyectos complejos

Procesar datos de experimentos; ejecutar fórmulas complejas; ingeniería, ciencia y experimentos, etc.

Segmentaciones

Identificar productos más vendidos; segmentar clientes por rango de valor o frecuencia de compra, etc.

Campañas

Evaluar el rendimiento de campañas o canales; proyectar escenarios y estrategias con base en datos históricos, etc.

​
Formatos comunes soportados

  • Planillas (XLSX)
  • Archivos CSV
  • Otros formatos estructurados que puedan ser leídos vía Python (cuando aplique)
Ejemplos de prompts: 1. “Analiza este archivo vendas_trimestre.xlsx, calcula el total de ventas para cada categoría de producto y crea un gráfico de torta con la participación de cada una.” 2. “En este CSV de clientes, calcula el ticket promedio por región y muéstralo en una tabla ordenada de mayor a menor.” 3. “Genera un gráfico de línea mostrando la evolución mensual de la facturación en los últimos 12 meses.”
Más que eso, cuanto más literal y detallado sea tu prompt, mejor será la comprensión y el rendimiento de la IA en este caso. Las herramientas de este tipo tienden a responder bien a comandos objetivos y precisos.
En este proceso, Tess escribirá el código, lo ejecutará en el sandbox y devolverá los resultados (tablas, explicaciones y, cuando se solicite, gráficos generados a partir de los datos).
Image
Deep Analysis es el puente entre la conversación en lenguaje natural y el rigor de la ciencia de datos. Garantiza que los informes, análisis y gráficos generados por Tess AI no sean solo inteligentes — sino matemáticamente correctos.