Consulta grandes bases de datos — públicas o propias,
y ponlas a trabajar para tu empresa.
El problema
Los grandes datasets casi siempre empiezan siendo un caos: exportaciones diarias, hojas de cálculo con decenas de pestañas, códigos sin contexto, cifras que no cuadran entre sistemas. El dato existe, pero no se puede preguntar nada sin que alguien del equipo lo prepare antes.
Cuando encima se le pone IA por delante, el problema no desaparece: se amplifica. El modelo responde con seguridad sobre datos que nadie ha reconciliado, y el equipo deja de fiarse de las respuestas. La capa que falta no es el modelo, es la base sobre la que pregunta.
Cómo trabajamos
El dato existe, pero no se le puede preguntar nada hasta que alguien lo prepara. Esta es la parte que hacemos antes de que ninguna IA lo toque.
Normalizar. Esquemas unificados, códigos cruzados con sus catálogos de referencia, registros deduplicados. El dato deja de depender de quién lo exportó.
Enriquecer. Las fuentes se cruzan entre sí y se les añade el contexto que les falta, para que una pregunta no exija saber de antemano en qué tabla vive la respuesta.
Exponer como servidor MCP. Se pregunta en lenguaje natural desde Claude, ChatGPT o VS Code, en modo solo lectura y con la fuente exacta citada en cada respuesta.
Pruebas
Lo mismo que construimos sobre los datos de un cliente lo hemos llevado hasta producto: el mercado eléctrico español entero, abierto y consultable por cualquiera.
Como producto
Todo el histórico del mercado eléctrico español desde 2014, ya cruzado y actualizado a diario desde fuentes oficiales, con plan gratuito y sin escribir código.
Dos formas de empezar
proyecto
Montamos el mismo sistema sobre vuestro dataset: normalización, enriquecimiento y servidor MCP dentro de vuestro perímetro, en modo solo lectura y con los permisos de quien pregunta.
Preguntas
Trabajamos habitualmente con miles de millones de registros: Joltio pasa de 1.300 millones y se actualiza a diario. El límite práctico no suele ser el volumen, sino cuántas fuentes distintas hay que reconciliar.
No. El servidor se despliega dentro de vuestro perímetro y trabaja en modo solo lectura. Cada consulta se ejecuta con los permisos de quien pregunta, nunca como super-usuario.
Depende de en qué estado esté el dato de partida, no del tamaño. Lo primero que hacemos es mirar una muestra real y deciros cuánto trabajo de limpieza hay antes de comprometer nada.
Sí. Al exponerlo como servidor MCP, el mismo sistema responde igual desde Claude, ChatGPT, Copilot, Cursor o VS Code, sin construir una integración por cada uno.
Es el motivo por el que esto se mantiene y no solo se entrega. En los datasets que operamos nosotros, el cambio se absorbe antes de que os llegue: es lo que diferencia una integración viva de un scraper que un día deja de funcionar.
Dónde lo aplicamos