501 decisiones medidas · configuración de producción

Reclamos, devoluciones y aprobaciones, decididos en segundos y medidos al centavo.

Bayes lee los documentos de cada caso, aplica tus reglas una por una y decide, con la evidencia adjunta. Cuando no está seguro, le pasa el caso a tu equipo. Ves cada número.

Calidad de las decisiones

88,2 %correctas o bien escaladas
  • Correctas, o escaladas cuando correspondía442
  • A una persona, podía decidir53
  • Equivocadas sin escalar · ninguna adversa6
Decisiones
501
Costo por caso · mediana
US$0,017
Tiempo por caso · mediana
14,6 s
Costo por caso, 501 decisionescorrida de prueba en vivo · 6/10/2026

167 casos de prueba sintéticos × 3 corridas, configuración de producción. Empresas ficticias, no clientes. Qué fueron las 6 equivocadas

Cómo decide

Cada pregunta va al nivel más barato que puede resolverla.

El lector convierte los documentos en hechos con citas. Después, la compuerta: primero las reglas, después un modelo System One, después un modelo de razonamiento y, al final, una persona. Cada respuesta registra quién la dio y con cuánta confianza.

Antes de la compuerta

Lector de documentos

Transcribe PDF, imágenes, mails y texto, clasifica cada documento en los tipos del paquete y extrae hechos tipados. Cada cita se verifica literal contra el documento: si no aparece, el hecho queda faltante, no inventado.

97,4 % leídos sin error258 de 265 casos generados (v1.1); 100 % en los 31 casos de la v1

  1. Nivel 1

    Reglas, en código

    Fechas, husos horarios, montos, topes y excepciones encadenadas los calcula siempre el código, nunca un modelo.

    85,4 % · milisegundosde las reglas evaluadas, determinístico

  2. Nivel 2

    System One · Jev

    Preguntas tipadas (sí o no, una opción, una escala) que responde con una distribución de probabilidad Jev, el modelo System One de TypeSafe, por el Vercel AI Gateway.

    1,7 % · ~US$0,0001 · ~0,9 sde las reglas evaluadas · costo y tiempo por caso, mediana

  3. Nivel 3

    Modelo de razonamiento

    Lee los documentos y responde con citas verificadas. Un nivel sin calibrar nunca resuelve solo una pregunta bloqueante: la tiene que confirmar el razonamiento.

    11,0 % · confirma o escalade las reglas evaluadas; debajo de su umbral, no decide

  4. Nivel 4

    Una persona

    La consola muestra la pregunta tipada, la cláusula, qué respondió cada nivel con su confianza y la evidencia. La respuesta continúa el caso.

    1,9 % · espera y respuesta medidasde las reglas evaluadas

Participación sobre las reglas evaluadas, de la evaluación de la v1: 1.086 reglas evaluadas en 93 corridas, con System One emulado. El costo y el tiempo de Jev son de la v1.1.

Sale una decisión, no prosa: resultado, valor, justificación regla por regla, el nivel que resolvió cada regla, costo y tiempo. Pagar o avisar queda del lado de tu negocio.

Ver una

Medido, no prometido

Nuestra medición más grande: 501 decisiones con la configuración que corre en producción (Jev como System One, sin calibrar, y un umbral más exigente para aprobar en la regla del propósito del gasto). Bayes escala cuando no está seguro; aun así, el 1,2 % salió mal sin escalar, ninguna adversa, y acá está cada una.

correctas, o escaladas cuando correspondía escalar: 442 de 501. Otras 53 (10,6 %) escalaron a una persona cuando el motor podía decidir.
88,2 %
v1.1 · 167 casos de prueba × 3 corridas, re-decididas
equivocadas sin escalar, 6 de 501, y ninguna adversa: dos casos de devoluciones (3 corridas cada uno) en los que el lector rechazó por error una foto real (“no es una fotografía”) y el motor pidió fotos en lugar de declinar, que no era el resultado esperado. El gasto con propósito dudoso que antes se aprobaba ahora escala a una persona: esa regla exige más del 90 % de confianza para aprobar.
1,2 %
v1.1 · 167 casos de prueba × 3 corridas, re-decididas
de 265 casos generados leídos sin error del lector: 5 lecturas o clasificaciones erradas y 2 fotos reales rechazadas como “no es una fotografía”
97,4 %
v1.1 · 265 casos generados
equivocadas sin escalar, antes y después del ajuste. Antes: 444 / 48 / 9, con 3 aprobaciones de un gasto dudoso. La primera evaluación, sobre un conjunto más chico, dio 0 de 93 (81,7 % decididas como se esperaba).
9 → 6
v1.1 antes del ajuste · v1, 31 casos × 3 corridas
System One con Jev, por caso
~US$0,0001 · ~0,9 s
v1.1 · p50
por caso completo, mediana de las 501 decisiones; por proceso US$0,0305 en seguro de viaje, US$0,015 en devoluciones y US$0,0162 en gastos. Casi todo el tiempo se va en leer documentos.
US$0,017 · 14,6 s
v1.1 · corrida en vivo del 6/10/2026

Casos sintéticos de tres empresas ficticias, no clientes, con documentos y modelos reales. Decisiones: 167 casos de prueba × 3 corridas = 501, medidas en vivo en octubre de 2026 y re-decididas desde el ledger, con las respuestas grabadas de los modelos, con la configuración actual de producción (v1.1). Lector: 265 casos generados (v1.1). v1: 31 casos de referencia × 3 corridas.

Una decisión real

Una decisión real, tal como está en el expediente.

Dos reclamos por equipaje demorado como los grabó el motor en producción. Elegí una regla para ver los hechos que usó, la cita del documento detrás de cada uno y la cláusula en que se apoya.

Este explorador necesita JavaScript. El expediente también está en el repositorio, tal como lo devolvió el motor.

Snapshot estático de GET /v1/cases/{id}?full=true de api.bayes.engineering, tomado el 6 de octubre de 2026. Aseguradora, aerolínea y pasajeros ficticios; documentos sintéticos.

Casos

Un motor, tres negocios.

Bayes no sabe nada de seguros, devoluciones ni gastos: cada proceso es un paquete de reglas. Hoy existen estos tres, cada uno con sus casos de referencia.

  • Corvane Travel Assurance

    Seguro de viaje

    Reclamos por equipaje demorado, contra las condiciones de la póliza, el registro del vuelo y la constancia de la aerolínea.

    Caso 001 Valija entregada 27,5 horas después de aterrizar en Miami. Aprobar USD 150 · tres períodos completos de 8 horas, de USD 50 US$0,0305 por caso · mediana de 171 decisiones
  • Pellinor Goods

    Devoluciones

    Pedidos de devolución, contra la política de la tienda, el pedido y las fotos del cliente.

    Caso 032 Notebook de USD 1.899; el cliente mandó un dibujo en vez de una foto. Pedir fotos · la imagen no es una fotografía US$0,015 por caso · mediana de 168 decisiones
  • Ostrander Vey Instruments

    Aprobación de gastos

    Rendiciones de gastos, contra la política de viajes y gastos, el viaje y el comprobante, línea por línea.

    Caso 024 Comprobante de USD 145 presentado de nuevo, todavía con USD 45 de alcohol. Aprobar parte, USD 100 · el alcohol no se reintegra US$0,0162 por caso · mediana de 162 decisiones

Empresas ficticias y documentos sintéticos, escritos para los casos de referencia.

Hecho para auditar

Cada decisión se puede revisar después.

  • Citas verificadas literal

    Cada hecho apunta a una cita de un documento, a una respuesta de tus sistemas o a un campo del caso. Una cita que no está en el documento no cuenta.

  • Criterios de aceptación por documento

    Una foto tiene que ser una fotografía: una ilustración se rechaza con su motivo y se pide de nuevo.

  • Homoglifos normalizados

    NFKC más plegado de caracteres confundibles a latín. Si el original mezclaba alfabetos, el hecho queda con la marca mixed_script.

  • Ledger append-only

    Nada se edita ni se borra. La respuesta de una persona es una entrada nueva que continúa la escalada.

  • Reproducible

    Cada decisión se reproduce desde su expediente y se compara por su hash de decisión.

  • Archivado, no borrado

    Los casos de prueba se archivan y salen de las métricas, pero quedan en el ledger.

La política como datos

Tu política, como datos que se leen.

Un paquete de política es YAML legible: reglas, hechos tipados, tablas y checks declarativos contra tus sistemas. Cada regla cita su cláusula, y la cita se verifica contra la fuente al publicar el paquete.

packages/travel-baggage-delay/rules/TRV-09.yamlask · system_one → reasoning → human
id: TRV-09
version: 1
title: { en: Delay not caused by customs or another authority, es: La demora no se debe a la aduana ni a otra autoridad }
kind: exclusion
severity: blocking
basis:
  - source: policy-wording
    clause: "14.c"
    quote: "retention or seizure of baggage by customs authorities or by any other government authority"
test:
  not:
    ask:
      type: boolean
      question:
        en: Was the baggage delay caused by retention or seizure by customs or another government authority?
        es: ¿La demora del equipaje se debió a una retención o un decomiso de la aduana o de otra autoridad estatal?
      look_at: [narrative, airline_email, pir]
      confidence: 0.90
      tiers: [system_one, reasoning, human]
sources/policy-wording.md · edición 2026-08✓ cita verificada · sha256 4bfe37eb…

14. Exclusions

Corvane will not pay for baggage delay arising from:

14.aany flight that is not a covered flight;

14.bthe return flight to the Insured's country of residence, meaning any flight whose destination is in the country where an Insured resides;

14.cretention or seizure of baggage by customs authorities or by any other government authority.

Traducción: 14.c la retención o el decomiso del equipaje por autoridades aduaneras o por cualquier otra autoridad estatal. La póliza vale en inglés, y la cita se verifica contra ese texto.

  • Versiones inmutables. Una versión publicada no cambia; una regla o una redacción nueva es una versión nueva.
  • La versión que corresponde a cada caso. as_of la elige por fecha del evento, de proceso o una versión explícita.
  • Checks contra tus sistemas. Llamadas declarativas, con sus respuestas guardadas en el expediente.
Para developers

Una API, por HTTP o por MCP.

Mandás un caso con sus datos y documentos; recibís la decisión con cada regla. OpenAPI 3.1 y llms.txt describen la API, y el servidor MCP le da el mismo motor a los agentes.

curl -X POST "https://api.bayes.engineering/v1/cases?wait=true" \
  -H "Authorization: Bearer $BAYES_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "package": "travel-baggage-delay",
    "occurred_at": "2026-09-04T07:00:00-04:00",
    "data": {
      "policy_number": "VP-260101",
      "flight_number": "VM100",
      "flight_date": "2026-09-03",
      "reported_at": "2026-09-04T11:30:00-04:00"
    },
    "documents": [
      { "name": "pir.png", "content_base64": "iVBORw0KGgo…" },
      { "name": "airline_email.eml", "content_base64": "RnJvbTog…" },
      { "name": "relato.txt", "text": "Llegué a Miami el 4 de septiembre…" }
    ],
    "callback_url": "https://your-app.example/bayes"
  }'
Respuesta · extracto del caso 001
{
  "case_id": "cs_muwyf7vi1f99edbb0fb3",
  "status": "decided",
  "outcome": "approve",
  "decision": {
    "value": { "amount": 150, "currency": "USD" },
    "package": { "id": "travel-baggage-delay", "version": "2026.10.3" },
    "rules": [ … 11 reglas, cada una con veredicto, nivel, hechos, evidencia y cláusula … ]
  },
  "decision_hash": "sha256:47f62e4e46c61c0a…",
  "usage": { "cost_usd": 0.029598, "latency_ms": 10749 }
}
  • Callbacks firmados con HMAC-SHA256Bayes-Signature
  • Rate limit por cliente120 llamadas / min
  • Textos para personas en inglés y en españollang=en | es
  • Paquetes de política versionadosGET /v1/packages

Tools MCP

submit_caseget_caseexplain_caselist_packages
El nivel humano. La pregunta tipada, la cláusula citada, qué respondió cada nivel con su confianza y la evidencia. Caso 028, escalado en producción.
Consola de Bayes, pregunta para una persona: regla TRV-09, si la aduana retuvo la valija, cláusula 14.c, System One (Jev) y el modelo de razonamiento con confianza 0,56 y 0,60, y la evidencia citada del mail de la aerolínea y del relato del pasajero.
El expediente. Cada regla con su veredicto y su nivel, cada hecho con su fuente, la cláusula verificada y el costo por etapa. Caso 001.
Consola de Bayes, expediente del caso 001: decidido, aprobar USD 150, resumen, documentos, ledger, costo por etapa y las primeras reglas con sus hechos y cláusulas verificadas.

Bayes decide. Pagar, reintegrar o avisar queda del lado de tu negocio.