Cómo medimos
Pruebas, no adjetivos
Cada afirmación de esta web tiene una cifra detrás. Aquí te contamos de dónde salen, y cómo Qry te enseña su trabajo cada día.
Cara a cara, octubre de 2026
31 / 31
preguntas habituales
El asistente integrado de una plataforma de datos líder: 29 de 31; dos no llegaron a terminar.
5 / 5
preguntas difíciles
El mismo asistente: 1 de 5. Las difíciles piden estadística, años incompletos y valores guardados como códigos.
8 s
tiempo mediano de respuesta
Frente a 14 s del asistente integrado, sobre el mismo warehouse.
Las condiciones
Mismas preguntas, mismos datos, mismas reglas
- Datos
- Dos conjuntos públicos de ejemplo: TPC-H y uno de ventas con las tablas documentadas.
- Preguntas
- 31 preguntas habituales de un usuario de negocio, y 5 difíciles escritas para hacer tropezar a un analista descuidado.
- Condiciones
- El mismo warehouse para los dos, y ninguno con instrucciones, skills ni ajustes a mano.
- Criterio
- Si la respuesta era correcta, comprobada contra el resultado calculado por separado.
- Modelos
- Qry con Claude en Google Vertex AI. Repetido con GPT en Azure AI Foundry, en la UE: también 31 de 31 y 5 de 5.
Por qué hay diferencia
La diferencia está en el método, no en el modelo
Donde el otro asistente falló, había supuesto: filtró por un valor que los datos no contienen, vio una tendencia en un año que solo estaba a medias o se saltó la estadística que pedía la pregunta. Qry mira los datos antes de fiarse de su propia suposición, y pasa a Python cuando el SQL no es la herramienta adecuada.
- Los mismos resultados con dos familias de modelos distintas
- Cada respuesta guarda la consulta que ejecutó, así que una errónea se puede encontrar
Verificado cada día
Lo que Qry comprueba por ti, sin que se lo pidas
Cada respuesta enseña su trabajo
El SQL que ejecutó, las tablas que leyó y los fragmentos que citó están a un clic: la respuesta se puede auditar, no solo creer.
Se señalan las cifras que no están en los datos
Si un número de la respuesta no aparece en lo que leyó Qry, lo dice junto al texto, en lugar de dejarlo pasar.
Las migraciones se demuestran, objeto a objeto
Forge ejecuta tablas, vistas, funciones y procedimientos en los dos lados y compara los resultados antes de dar nada por migrado.
Se detectan las reglas que caducan
Si una regla de negocio nombra una tabla o columna que ya no existe, la regla queda señalada y se avisa a su responsable antes de que confunda una respuesta.
Verificado antes de publicarse
Cada cambio se mide antes de llegarte
Un modelo nuevo, un prompt nuevo o una regla nueva pueden mejorar las respuestas, o empeorarlas sin que se note. Antes de publicar un cambio pasamos bancos de preguntas reales por el producto real, con permisos reales, y cada ejecución deja constancia de lo que estaba en vigor, para que un cambio de resultado tenga una causa localizable.
- Por el propio producto, no por un banco de pruebas que se lo salta
- Resultados comparados ejecución a ejecución, caso a caso
Lo que no afirmamos
- Los modelos de lenguaje no son deterministas: la misma pregunta puede seguir otro camino. Por eso medimos bancos de preguntas, no respuestas sueltas.
- La comparativa es una prueba sobre datos públicos. Tus datos, tus preguntas y tus reglas dirán más, y por eso te ofrecemos una sesión con ellos.
Míralo con tus propios datos
Conectamos Qry a un conjunto de datos que elijas y te lo enseñamos funcionando: una hora y sin diapositivas.