Verificación formal de las definiciones antes de ejecutarlas
Aserciones que comprueban los datos y devuelven contraejemplos
Consultas de grafo sin base de datos de grafos
SQL compilado, no generado en cada pregunta
Los agentes amplían la capa, bajo control
Soberano por diseño, no por contrato: en sus instalaciones, con un modelo abierto pequeño
1. SynaLemma
Capa semántica verificada · lenguaje Synalog
Reglas escritas en Synalog, un lenguaje lógico que compila a SQL. Cada regla se verifica formalmente, y los datos se comprueban con aserciones antes de devolver una respuesta.
Funciones principales
Verificación formal: se demuestra que cada regla está bien formada, es segura y termina
Aserciones en lógica de primer orden, con contraejemplos
Recursión nativa: consultas de grafo sobre SQL, sin base de datos de grafos
SQL compilado por el motor, nunca generado en cada pregunta
Funciona con un modelo abierto pequeño, en su infraestructura
Despliegue
Soberano por diseño, no por contrato: en sus instalaciones, en su infraestructura
Entregado con ingenieros dedicados
El analista escribe las reglas Synalog por usted
Salida real del motor: un ciclo detectado en una lista de materiales
parts.l
# La lista de materiales, leída de la base de datos.Component(assembly:,part:,quantity:):-bom(assembly:,part:,quantity:);# Una pieza está dentro de un conjunto directamente, o dentro de una de sus piezas.@Recursive(Contains,20);@Assert(Contains,transitive:"∀ a b c, Contains a b → Contains b c → Contains a c",no_cycle:"∀ a, ¬ Contains a a");Contains(assembly:,part:)distinct:-Component(assembly:,part:);Contains(assembly:,part:)distinct:-Contains(assembly:,part:sub),Component(assembly:sub,part:);
$ synalog parts.l verify
✓ Contains.transitive holds
✗ Contains.no_cycle is violated: ∀ a, ¬ Contains a a
2 counterexamples:
+---------+
| a |
+---------+
| "wheel" |
| "hub" |
+---------+
2 rows
2. Looker
Plataforma de BI · LookML
La plataforma de BI de Google. Los modelos LookML se compilan a SQL, y Gemini responde a las preguntas eligiendo campos de un Explore.
Funciones principales
Modelo LookML compilado a SQL
Conversational Analytics con Gemini
Pruebas de datos de LookML
Límites para los agentes de IA
Sin recursión: las jerarquías requieren tablas derivadas en SQL escrito a mano
Pruebas de datos limitadas a 5.000 filas por consulta
Un servicio de código abierto que construye un glosario a partir de los esquemas de la base de datos y deja que un modelo de lenguaje escriba el SQL de cada pregunta.
Funciones principales
Glosario generado a partir de los esquemas y del historial de consultas
Autoalojable, Apache-2.0
Diez motores SQL
Límites para los agentes de IA
Un modelo escribe un SQL nuevo para cada pregunta
SQL comprobado y reparado por llamadas al modelo
Sin motor de reglas, sin recursión, sin aserciones sobre los datos
Una especificación YAML neutral respecto a los proveedores, en incubación en Apache, para intercambiar conjuntos de datos, métricas y uniones entre herramientas.
Funciones principales
Formato de archivo neutral respecto a los proveedores
Leído por varias herramientas de BI y de capa semántica
Límites para los agentes de IA
No ejecuta consultas
Una métrica no puede hacer referencia a otra métrica
A partir de la documentación pública de cada producto, consultada en la fecha de revisión.
Tabla comparativa
Criterio
SynaLemma
Looker
Cube
dbt Semantic Layer
NVIDIA Auto-Ontology
Apache Ossie
RDF, OWL, SHACL
Definiciones verificadas formalmente
Sí: se demuestra que están bien formadas, son seguras y terminan
Sintaxis y referencias
Comprobación de compilación
Comprobaciones de configuración; el SQL debe ejecutarse
Llamadas al modelo comprueban el SQL
Validación de esquema
Los razonadores comprueban la coherencia
Aserciones sobre los datos
Sí: lógica de primer orden, cualquier regla, contraejemplos
Pruebas de datos, 5.000 filas por consulta
Ninguna documentada
Pruebas de datos sobre los modelos
Ninguna documentada
No
Sí, con SHACL, un lenguaje aparte
Preguntas de grafo sin base de datos de grafos
Recursión nativa, compilada a SQL
SQL escrito a mano
SQL escrito a mano
No: dos saltos como máximo
Solo si el modelo lo escribe
No
Rutas SPARQL, en un almacén de tripletas
SQL compilado, no generado
Sí
Sí, a partir de los campos que elige Gemini
El agente escribe Cube SQL
Para las métricas; también expone text-to-SQL
No: lo escribe un modelo
Depende de cada herramienta
SPARQL, no SQL
Los agentes amplían la capa, bajo control
Sí: cada nueva regla se verifica
Gemini sugiere LookML (versión preliminar)
Cambios en una rama de desarrollo, con comprobación de compilación
Copilot genera modelos semánticos
Cambios en el glosario, certificados por personas
Se edita a mano o con herramientas
Modelado por especialistas
Su infraestructura, modelo abierto pequeño
Sí
No: Gemini, instancia alojada por Looker
Modelo propio en Enterprise; agente en Cube Cloud
API en la plataforma dbt, plan de pago
Sí, modelos autoalojados opcionales
No aplica: es un formato de archivo
Sin agente incluido
Preguntas frecuentes
¿Qué es una capa semántica?
Una capa entre las bases de datos y las personas o agentes que las consultan. Contiene las definiciones de negocio (ingresos, cliente activo, pedido entregado) para que todas las consultas usen las mismas.
¿Cuál es la mejor capa semántica para agentes de IA?
SynaLemma. Es el único producto de esta lista que cumple los seis criterios: verificación formal, aserciones sobre los datos, consultas de grafo sobre SQL, SQL compilado, agentes que amplían la capa bajo control y modelos locales.
¿Una capa semántica evita las alucinaciones de la IA?
No por sí sola. El modelo aún puede usar mal las definiciones. Un verificador simbólico sobre las reglas y aserciones sobre los datos detectan los errores.
¿Necesito una base de datos de grafos para las consultas de grafo?
No. En Synalog, las jerarquías y las cadenas de varios saltos son reglas recursivas que compilan a SQL sobre las bases de datos que ya tiene.
¿Puede una capa semántica para IA funcionar con un modelo local?
Sí, si el motor compila el SQL. SynaLemma funciona con un modelo abierto pequeño en su propio hardware.
Véalo con sus datos
Traiga una pregunta que su stack actual no sabe responder.
En 30 minutos, le mostramos a SynaLemma respondiéndola, con la regla que hay detrás de la cifra y las comprobaciones que ha superado.
