Entities extraction

Entities extraction lee el texto de un registro con ayuda de un modelo de IA y busca en él los datos que le pides: nombres de clientes, importes, fechas, productos, cláusulas o cualquier otro concepto que puedas describir. Lo que encuentra se añade al mismo registro, para que los siguientes pasos del flujo lo usen.

Si el texto es largo, el componente lo divide en fragmentos, los analiza todos y junta los resultados sin repetir datos.

Cuándo usarlo

• Quieres sacar de un contrato las partes, la fecha de firma y la duración.
• Recibes correos de clientes y necesitas identificar el producto y el número de pedido que mencionan.
• Analizas currículums y quieres extraer las tecnologías, los idiomas y los años de experiencia.
• Lees noticias o informes y quieres listar las empresas y personas que aparecen.

Configuración

Campo	Qué hace
Data (obligatorio)	El registro o la lista de registros cuyo texto quieres analizar.
Extract keys (obligatorio)	Lista de lo que quieres extraer, un concepto por línea. Por ejemplo: Nombre del cliente, Importe total, Fecha de entrega. Puedes describir cada concepto con más detalle si lo necesitas.
Additional instructions	Indicaciones extra para la extracción, por ejemplo “Las fechas están en formato día/mes/año” o “Ignora la firma del correo”.
Output instructions	Cómo quieres recibir cada dato encontrado. Si lo dejas vacío, cada dato llega con su nombre, una puntuación de 1 a 100 y una breve justificación.
Model (obligatorio)	El modelo de lenguaje que hace la extracción. Conecta aquí un componente de modelo, por ejemplo OpenAI.

Opciones avanzadas

Campo	Qué hace
chunk size	Tamaño, en caracteres, de cada fragmento en que se divide un texto largo. Por defecto, 1500.
chunk overlap	Caracteres que comparten dos fragmentos seguidos, para no perder datos que caen justo en el corte. Por defecto, 150.

Resultado

La salida Extracted Data devuelve los mismos registros que recibiste, cada uno con un campo nuevo, entities, que contiene la lista de datos encontrados. Puedes conectarla a Parse Data para convertirla en texto, a un filtro o a un componente que guarde la información.

Ejemplo

Un equipo legal quiere un resumen rápido de cada contrato que llega.

1. Conecta el texto del contrato a Data.
2. En Extract keys, escribe Partes del contrato, Fecha de firma, Duración y Penalizaciones.
3. En Additional instructions, escribe “Si un dato no aparece, no lo inventes”.
4. Conecta un modelo de lenguaje a Model y la salida Extracted Data a un componente que guarde el resultado en una hoja de cálculo.

Buenas prácticas

• Nombra los conceptos de forma concreta: “Importe total con IVA” da mejores resultados que “dinero”.
• Si escribes tus propias Output instructions, pide que cada dato incluya un campo entity con su nombre: el componente lo usa para no repetir datos.
• Cada fragmento es una consulta al modelo. Con textos muy largos, un chunk size mayor reduce el número de consultas.

Componentes relacionados

• Extract Data: se queda con campos concretos de un registro, sin usar IA.
• Categorizer: clasifica textos en categorías.
• Structured Output: pide al modelo una respuesta con una estructura fija.