--- title: "Métodos de análisis e IA | NAVtoBC.de" description: "Combinar el análisis determinista de código con la IA: afirmaciones con evidencias, estado de verificación e incertidumbres visibles." url: https://navtobc.de/es/methoden language: es --- # Métodos de análisis e IA TÉCNICAS Y MÉTODOS ASISTIDOS POR IA ## Análisis profundo de C/AL. Resultados trazables. Parser propio, apoyo específico de la IA y cadenas de verificación vinculantes: nuestro enfoque de análisis combina hallazgos técnicos con comprensión funcional. ### Nota sobre la fiabilidad del análisis **La IA comete errores.** En ningún análisis se puede garantizar la exhaustividad ni la ausencia de errores, tampoco en un trabajo puramente manual. El objetivo es una **base de trabajo suficientemente fundamentada para su migración**. Por eso hacemos visibles las incertidumbres y los puntos abiertos, y revisamos los resultados junto con sus departamentos funcionales. EL PROCESO DE ANÁLISIS EN VÍDEO 3D ### Del flujo de datos al análisis con IA. 60 segundos ![Vídeo 3D sobre datos, interfaces y análisis con IA](https://navtobc.de/es/film/datenfluss-v1.webp) [Vídeo 3D sobre datos, interfaces y análisis con IA](https://navtobc.de/es/film/navtobc-datenfluss-v1.mp4) Conectar interfaces, estructurar el sistema NAV existente, validar datos y analizar y contrastar los hallazgos mediante IA. Una representación esquemática con datos de ejemplo, sin sonido. [Abrir el reproductor 3D interactivo](https://navtobc.de/es/film/index.html) [Descargar el vídeo en MP4](https://navtobc.de/es/film/navtobc-datenfluss-v1.mp4) **Las cinco escenas del vídeo en texto** 1. **00:00 · Interfaces.** Los datos de EDI, la tienda online, SQL y C/AL fluyen hacia el sistema NAV. 2. **00:12 · Procesamiento en NAV.** El código fuente, las tablas y las referencias se registran de forma estructurada. 3. **00:24 · Validación de datos.** Los valores sustitutos coherentes mantienen las relaciones entre la información validada. 4. **00:34 · Análisis con IA.** Roles separados analizan y verifican evidencias, contradicciones y preguntas abiertas. 5. **00:48 · Resultados.** Las reglas de negocio, la base de conocimiento y el escenario objetivo de BC se vuelven trazables, con fuentes y estado de verificación. **Métodos en detalle 8 métodos de análisis y verificación** 01 ENTENDER EL CÓDIGO ### Análisis estático de código C/AL Un parser propio de C/AL registra las llamadas y referencias en el código fuente de Navision facilitado. A partir de ahí se genera un grafo de llamadas y referencias con precisión de función y línea, que sirve de base para la clasificación asistida por IA. **Método en detalle** Cada hallazgo remite al objeto, la función y la línea de la exportación validada. Las llamadas dinámicas no resolubles, los objetos que faltan y los límites del parser se marcan de forma visible, en lugar de presentarse como analizados con certeza. 02 DETERMINAR LA RELEVANCIA ### Alcanzabilidad desde la lista de anclas Análisis de alcanzabilidad a partir de una lista de anclas acordada con los departamentos funcionales, en lugar de ir descartando de forma iterativa. Las dependencias se siguen desde puntos de entrada conocidos. **Método en detalle** La lista de anclas incluye, por ejemplo, informes ejecutados, colas de proyectos y llamadas externas. «No alcanzable desde las anclas registradas» no significa automáticamente «sin uso». Las rutas poco claras siguen sujetas a revisión. 03 ACREDITAR EL USO ### Evidencia de uso por tabla Las estadísticas de acceso SQL y los indicadores agregados de volumen de datos complementan el análisis de código. El servidor de seudonimización intermedio proporciona los resultados validados, actualizados a diario si la recopilación y el procesamiento son diarios. **Método en detalle** Se registran el momento de la recopilación, el período de observación y los indicios de reinicios de las estadísticas. El acceso SQL se realiza a través del servidor intermedio; la IA solo recibe resultados validados. La ausencia de accesos no demuestra que no haya uso; el volumen de datos y el contexto funcional se evalúan por separado. En una reimplantación, la evidencia de uso muestra qué tablas y datos son candidatos al traspaso. Las versiones antiguas de NAV exportan el texto con el juego de caracteres de MS-DOS; por eso, los caracteres especiales, como las diéresis, se comprueban antes del traspaso. 04 CONTRASTAR LOS RESULTADOS ### Cadenas de verificación multiagente Roles de agente separados para el análisis, la verificación cruzada y la consolidación. Las afirmaciones se vinculan a las fuentes; las contradicciones y las preguntas abiertas siguen siendo trazables. [![Claude Code muestra una cadena de verificación en curso con tres agentes de IA trabajando en paralelo y las fases Verify y Critique.](https://navtobc.de/claude-code-pruefkette.png) Abrir el ejemplo a tamaño completo](https://navtobc.de/claude-code-pruefkette.png) **Ejemplo de Claude Code.** Tres agentes de IA revisan en paralelo un inventario de herramientas. A continuación está prevista una verificación cruzada crítica. **Método en detalle** La verificación cruzada evalúa las evidencias, la cobertura y las explicaciones alternativas. La coincidencia entre varios agentes no es, por sí sola, una prueba de corrección. Siguen siendo necesarias las validaciones funcionales y las barreras de control técnicas. 05 VERIFICAR LA CALIDAD ### Autopruebas, pruebas de mutación, sumas de control Las autopruebas comprueban los resultados esperados. Las pruebas de mutación modifican casos de prueba de forma deliberada. Las sumas de control asignan los hallazgos de forma inequívoca a las versiones verificadas de los artefactos. **Método en detalle** Las pruebas de mutación comprueban si se detectan errores introducidos a propósito. Las sumas de control sirven para cotejar versiones e integridad; no demuestran la corrección funcional ni la protección de los datos personales. Las verificaciones fallidas bloquean la validación de los resultados. 06 APRENDER DE LOS ERRORES ### Proceso vinculante de aprendizaje de errores Cada error confirmado da lugar a un análisis de causas, una prueba de regresión y una regla versionada. Las reglas ancladas mecánicamente se verifican de forma automatizada, no se quedan en una simple nota. **Método en detalle** Un caso de error solo se cierra tras una demostración reproducible, la corrección y una prueba de regresión superada. Las barreras de control impiden la validación si se infringen reglas. Se documentan la versión de las reglas y la responsabilidad. 07 MEJORAR PUNTOS DÉBILES ### Tablas SQL, CU y ports Los puntos débiles detectados en tablas SQL, Codeunits (CU) y Dataports/XMLports se traducen en propuestas de mejora concretas, con hallazgo, prioridad y paso de verificación. **Método en detalle** Por ejemplo, se examinan patrones de acceso llamativos, lógica redundante y validaciones de importación insuficientes. Las suposiciones sobre el rendimiento siguen siendo hipótesis hasta que se miden. Los cambios en el sistema productivo no se realizan automáticamente. 08 PRESERVAR EL CONOCIMIENTO DE NEGOCIO ### Extracción de reglas de negocio Reglas de negocio como conjunto de reglas JSON legible por máquina y como grafos: con condiciones, acciones, dependencias, referencias a las fuentes y estado de verificación funcional. **Método en detalle** Las reglas reciben ID estables y referencias a la función y la línea de la exportación validada. Las reglas confirmadas se incorporan a la base de conocimiento y al análisis de brechas (fit-gap) para Business Central. La información que falta y los supuestos no acreditados quedan señalados. ### Preguntas en profundidad **¿Cómo se obtiene una evidencia de uso actualizada a diario? +** El servidor intermedio lee las estadísticas de acceso SQL y los indicadores de volumen de datos acordados. Antes de transmitirlos, los valores identificativos se sustituyen por valores sustitutos coherentes. La actualización diaria requiere una recopilación diaria y un procesamiento correcto; se indican la fecha de los datos y la ventana de observación. Los contadores de uso de SQL pueden ponerse a cero, por ejemplo, tras un reinicio del servidor. Por eso, la ausencia de señales de acceso no demuestra que no haya uso; y los datos existentes, por sí solos, tampoco demuestran un proceso de negocio activo. **¿Por qué analizan la alcanzabilidad desde una lista de anclas?+** Empezamos en puntos de entrada acordados con los departamentos funcionales y, desde ahí, seguimos las relaciones de llamada y referencia. Esto sustituye el descarte puramente iterativo de objetos aparentemente sin uso. Las listas de anclas incompletas, las llamadas dinámicas y las exportaciones que faltan se marcan expresamente como límites. El análisis no elimina objetos ni sustituye la decisión funcional de retirarlos. **¿Qué reglas de negocio recibimos como JSON y grafos?+** El resultado previsto contiene, para cada regla de negocio extraída, un ID, condiciones, acciones, dependencias y referencias a la fuente (objeto, función y línea). Un grafo de reglas muestra las relaciones. El estado de verificación y los supuestos abiertos se conservan; solo la confirmación funcional convierte un borrador de regla en una base de conocimiento validada. **¿Qué significa un proceso de aprendizaje de errores anclado mecánicamente?+** Los errores confirmados se documentan como casos reproducibles y se aseguran mediante pruebas de regresión y reglas de verificación versionadas. Estas reglas se controlan de forma automatizada y pueden bloquear una validación. Para ello no basta con una simple indicación adicional a un agente de IA. **¿Cómo se integran Claude y ChatGPT en procesos automatizados?+** El uso de ChatGPT y una integración a través de la API de OpenAI deben considerarse por separado. Para las cadenas de verificación automatizadas se configura, en cada proyecto, una conexión a través de la API de OpenAI o de la API de Claude. Una suscripción a ChatGPT no sustituye la facturación independiente de la API. [OpenAI: ChatGPT y la API, por separado ↗](https://help.openai.com/en/articles/8156019-how-can-i-move-my-chatgpt-subscription-to-the-api) · [Anthropic: API de Claude ↗](https://platform.claude.com/docs/en/api/overview) NUESTRO COMPROMISO DE CALIDAD Cada afirmación, con su evidencia. **Cada incertidumbre, a la vista.** El análisis determinista de código y la IA se complementan. Lo que las fuentes no acreditan se señala como abierto y se aclara con sus departamentos funcionales. [Hablar del análisis](https://navtobc.de/es/kontakt) Los métodos combinan hallazgos técnicos con revisión funcional y documentación trazable.