Las traducciones de este sitio web a otros idiomas distintos del inglés se realizan mediante IA. No garantizamos la exactitud y no somos responsables de los errores o daños derivados del uso del contenido traducido. En caso de incoherencias o ambigüedades, la versión inglesa prevalecerá.
Sala de prensa y Medios
Blog de la GLEIF
Las traducciones de este sitio web a otros idiomas distintos del inglés se realizan mediante IA. No garantizamos la exactitud y no somos responsables de los errores o daños derivados del uso del contenido traducido. En caso de incoherencias o ambigüedades, la versión inglesa prevalecerá.
Transformar los datos en oportunidades: Métricas en movimiento – GLEIF AI
Los datos de alta calidad son más que un punto de referencia: son una necesidad estratégica para la confianza, el Cumplimiento normativo y la interoperabilidad a nivel mundial. En este blog, Zornitsa Manolova, directora de Calidad de datos y Ciencia de datos de GLEIF, analiza cómo la nueva herramienta GLEIF AI Search facilita el acceso, la comprensión y el uso de datos fiables sobre la identidad de las organizaciones.
Autor: Zornitsa Manolova
Fecha: 2026-05-08
Visualizaciones:
La capacidad de acceder a datos organizativos de alta calidad y confiar en ellos permite una mejor toma de decisiones en toda la economía global. Por eso, GLEIF publica una amplia gama de información fiable, desde el Índice Global del LEI, estadísticas e informes hasta políticas de Gobernanza, noticias y mucho más.
Sin embargo, dado que la información abarca API, bases de datos, documentos y páginas web, navegar por estos diferentes puntos de acceso puede resultar difícil y llevar mucho tiempo a algunos usuarios que buscan una respuesta rápida y fiable.
Esta impugnación —y la oportunidad de hacer que la información fiable de la GLEIF sea más accesible para soluciones de IA externas— motivó el desarrollo de la «búsqueda con IA» de la GLEIF. Esta nueva funcionalidad transforma la forma en que los usuarios interactúan con datos complejos y distribuidos, combinando interfaces conversacionales con un proceso de recuperación estructurado para agilizar la búsqueda y mejorar la accesibilidad.
También sitúa la confianza en el centro, ofreciendo respuestas claras y bien documentadas en las que los usuarios pueden confiar. Los datos de una encuesta reciente muestran que los usuarios confían más en las respuestas generadas por IA cuando se basan en datos subyacentes de alta calidad, están respaldadas por citas de fuentes transparentes e incluyen explicaciones claras. Esto refuerza la importancia del papel de GLEIF a la hora de proporcionar datos fiables y bien estructurados que puedan respaldar una búsqueda fiable basada en IA.
Esto se hace eco de un tema explorado en el blog de la GLEIF, en la entrada «Metric in Motion» sobre la corroboración. En una economía digital impulsada por la IA, la confianza no solo depende del acceso a los datos, sino también de saber de dónde proceden esos datos, cómo se han validado y si pueden rastrearse hasta referencias fidedignas. GLEIF AI Search aplica este principio al descubrimiento de información, ayudando a los usuarios a pasar de una información fragmentada a respuestas que son más fáciles de entender, verificar y utilizar.
Cómo funciona
GLEIF AI Search es un sistema coordinado de tres capas principales que funcionan a la perfección entre sí:
Interfaz de chat:
La interfaz de chat es la capa de GLEIF AI Search orientada al usuario. Ofrece una forma clara, intuitiva y conversacional para que los usuarios interactúen de forma natural con el sistema y elijan entre diferentes modos de asistente: Inteligente, Sitio web y documentos, Noticias y actualizaciones, Datos y estadísticas, y Registros LEI. Cada modo está adaptado a un tipo específico de consulta o tarea, lo que garantiza que las interacciones resulten guiadas y adaptables, dependiendo de la intención del usuario.
Capa de coordinación:
Detrás de la interfaz de usuario se encuentra la capa de orquestación, que procesa cada consulta del usuario. Activa el modo de asistente seleccionado, envía la solicitud a un modelo de lenguaje a gran escala y coordina las herramientas necesarias para recuperar y verificar la información relevante antes de proporcionar una respuesta.
Es fundamental destacar que esta capa no opera de forma aislada. Ayuda de forma dinámica a garantizar que las respuestas no sean generadas únicamente por el modelo, sino que se basen en datos, documentos y contenido web relevantes procedentes de diversos conectores. Esta coordinación transforma el resultado del modelo en respuestas fiables y sensibles al contexto.
Conectores (servidores MCP):
Los conectores constituyen el puente entre la capa de orquestación y las fuentes de datos y contenidos subyacentes. Implementados como servidores MCP (Model Context Protocol), estos conectores permiten al sistema acceder e interactuar con fuentes externas de forma estructurada y reutilizable. Garantizan que la búsqueda con IA de GLEIF no se limite al conocimiento estático y pueda utilizar información actual y relevante procedente de los datos, las API, los documentos y el contenido web de GLEIF. Los conectores disponibles actualmente son:
Búsqueda y obtención web: Permite a la IA buscar, recuperar y procesar contenido del sitio web de GLEIF (gleif.org). Esto da respuesta a preguntas sobre las actividades, noticias, Gobernanza e información general de GLEIF.
Búsqueda de documentos: enlaza con un sistema de búsqueda vectorial creado a partir de una colección de documentos oficiales de la GLEIF, como documentos de política y marcos de Gobernanza. Cuando una pregunta se refiere al contenido de estos documentos, la IA puede buscarlos y citar los pasajes relevantes.
Conector de la API de la GLEIF: Se integra directamente con la API pública oficial de la GLEIF, proporcionando acceso en tiempo real al Índice Global del LEI. Esto permite a la IA buscar entidades individuales por su LEI, buscar entidades por nombre y recuperar información detallada de registro y datos de relaciones.
Conector de estadísticas LEI: enlaza con estadísticas agregadas relacionadas con el Sistema Global LEI. Permite al sistema consultar datos analíticos estructurados, como el número de LEI activos por país, las tendencias de emisión a lo largo del tiempo, las tasas de crecimiento y las distribuciones por tipos de entidad o jurisdicciones.
Es importante destacar que estos servidores MCP están diseñados para ser modulares, reutilizables e interoperables. También pueden integrarse en entornos de IA externos, como ChatGPT, Claude y otros. La GLEIF ya ha definido habilidades basadas en estas capacidades y las ha puesto a disposición en la página web de la GLEIF. De cara al futuro, la GLEIF tiene previsto ampliar el número de conectores disponibles añadiendo más servidores MCP, ampliando aún más las capacidades del sistema y respondiendo a una gama más amplia de necesidades de los usuarios.
Las ventajas de GLEIF AI
La búsqueda de GLEIF AI y sus conectores relacionados están diseñados para facilitar el acceso, la comprensión y el uso de la información sobre el LEI y la GLEIF, lo que aporta importantes beneficios a los usuarios de datos a nivel mundial:
Mejor acceso a datos fiables: ayuda a los usuarios a explorar datos del LEI, estadísticas, informes, documentos de Gobernanza y otros contenidos de la GLEIF a través de una interfaz conversacional, en lugar de tener que navegar por múltiples sistemas por separado.
Información exhaustiva: recupera y combina información de API, bases de datos, documentos y sitios web para proporcionar respuestas más completas y exhaustivas.
Respuestas transparentes y verificables: Ofrece una atribución clara de las fuentes y explicaciones, lo que ayuda a los usuarios a comprender de dónde proviene una respuesta y en qué medida es fiable.
Resúmenes más claros: convierte información compleja o extensa en respuestas concisas y comprensibles para el ser humano.
Apoyo a la toma de decisiones: proporciona respuestas fiables y bien documentadas que pueden ayudar a los usuarios a encontrar información de forma más eficiente y a actuar con mayor confianza.
Mayor facilidad de uso: reduce las barreras de acceso, permitiendo tanto a expertos como a no expertos interactuar con los datos del LEI y beneficiarse de ellos.
Aprovechar el potencial de la búsqueda con IA
A medida que la búsqueda impulsada por IA sigue evolucionando, su verdadero valor vendrá definido por algo más que la velocidad o la comodidad. Lo que importa es la capacidad de ofrecer de forma consistente respuestas basadas en datos fiables, de origen transparente y contextualmente relevantes.
La búsqueda con IA de GLEIF ilustra cómo la combinación de datos fiables con mecanismos de recuperación inteligentes puede satisfacer estos requisitos, facilitando el acceso y el uso de información compleja. Al conectar las preguntas de los usuarios con datos oficiales, documentos y contenido web, convierte la información dispersa en respuestas más fáciles de entender, verificar y aplicar, reforzando la fiabilidad y la integridad de los datos como pilares fundamentales de la innovación digital.
De cara al futuro, este enfoque puede favorecer un uso más amplio de los datos de la GLEIF en diferentes entornos de IA. Al hacer que la información sea más accesible, transparente y verificable, GLEIF AI Search puede ayudar a reforzar la confianza en los sistemas digitales y facilitar una toma de decisiones más informada.
Si quiere hacer comentarios sobre algún artículo del blog, identifíquese con su nombre y sus apellidos. Su nombre aparecerá junto a su comentario. No se publicarán las direcciones de correo electrónico. Tenga en cuenta que, mediante su acceso al foro de debate o su contribución en él, acuerda cumplir los términos de las Directrices sobre los blogs de la GLEIF, por lo que le pedimos que los lea detenidamente.
Zornitsa Manolova dirige el equipo de Gestión de la Calidad de los Datos y Ciencia de la Global Legal Entity Identifier Foundation (GLEIF). Desde abril de 2018, se encarga de mejorar y perfeccionar el marco establecido para la calidad de los datos y la gobernanza de los datos mediante la introducción de enfoques innovadores de análisis de datos. Anteriormente, Zornitsa dirigió proyectos de análisis de datos forenses en investigaciones financieras internacionales en PwC Forensics. Es licenciada en Ciencias de la Computación, con la especialidad de Aprendizaje Automático, por la Universidad Philipps en Marburg, Alemania.
