P01
Extracción dentro de la app
Los agentes abren la app, navegan hasta los datos y los extraen como lo haría una persona: pantalla por pantalla, en un dispositivo real.
01
// Qué se rompe hoy
Los flujos manuales cuestan más que el agente.
Tres dolores que cada equipo de ventas y BD vive cada semana. Cada uno es de lo que tus reps se quejan de verdad, no como los nombraría una página de funcionalidades.
- 01
Los datos que necesitas viven dentro de apps móviles que no tienen API, y el scraping web no llega hasta ellos.
02
// Pipelines que puedes construir
Flujos de agentes: compón, aprueba, repite.
Cada pipeline de abajo es una forma que cableas en el canvas usando el crew y las herramientas de más abajo. No es una funcionalidad que te entregamos, es un patrón que configuras.
P02
Ejecuciones programadas y limitadas
Limitado a las apps que permites, en el calendario que defines, con cada ejecución registrada y revisable.
P03
De pantallas a datasets
Las pantallas extraídas se convierten en registros validados y estructurados que tu pipeline puede consumir.
03
// La crew multi-agente
Equipo de extracción de datos
Personas reales del crew research_team. Cada una llega con un system prompt afinado y una allowlist de herramientas por defecto. Cambia los modelos por persona en el canvas.
Científico de Datos
DataScientistConvierte la extracción pantalla por pantalla en datasets limpios y validados.
Analista de Mercado
MarketAnalystDecide qué fuentes dentro de la app importan y qué extraer de ellas.
Especialista en Contenido
LiteratureSpecialistDocumenta cada fuente y mantiene las extracciones reproducibles.
04
// herramientas con alcance
Listas de herramientas permitidas: solo las acciones que tú concedes.
Cada herramienta de abajo es una herramienta compartida real del bundle Melaya. Allowlist por agente, HITL en las escrituras y revocación en un clic.
01shared/tools/phone/
Navega la app y lee los datos desde la pantalla en un dispositivo real.
phone_open_appphone_get_screen_treephone_scrollphone_screenshot
02shared/tools/data_utils/
Valida y perfiles lo que salió de las pantallas.
csv_lintdf_describejson_validate
03shared/tools/database/
Deposita los resultados donde tu pipeline los espera.
sql_querysql_export_csv
04shared/tools/knowledge/
Construye un registro búscable de cada ejecución de extracción.
build_knowledge_from_textbuild_knowledge_from_file
05
// Tres capas de conocimiento
El crew lee lo que tú le das.
Cada pipeline llega con tres capas de acceso al conocimiento. Combínalas por agente en el canvas. Sin espacio vectorial compartido con otro tenant, sin lecturas sorpresa, sin retrieval opaco.
L1
Contexto estático
includeContextDocumentos por pipeline que se anexan al input de agentes específicos en cada run. El brief de ICP, el playbook, la lista de precios o el corpus de correos de deals ganados. Lo que tenga que estar ahí antes de que el agente piense. Tú eliges qué personas reciben qué documentos.
L2
herramienta de retrieval RAG
rag_retrieveUna herramienta con alcance concedida por agente. Cuando el agente decide que necesita más profundidad, consulta el vector store del flujo de trabajo a demanda. La misma base de conocimiento que el contexto estático, accedida solo cuando el modelo la pide.
L3
Memoria entre runs
pipeline_memoryEstado a nivel pipeline que se arrastra de un run al siguiente. La investigación de ayer está en alcance para el follow-up de hoy. El crew recuerda a quién ya prospectó, qué se aprobó, qué se envió. El audit log es la base de conocimiento de segundo orden.
07
// FAQ
Preguntas sobre agentes IA que nos hacen cada semana.
¿Qué pasa con las apps que no tienen API?
Ese es el punto. El agente lee los datos desde la pantalla de la app en un dispositivo real, sin necesidad de API.
¿Es auditable cada ejecución?
Sí. Las ejecuciones están limitadas a las apps que permites, programadas por ti, y cada paso está registrado y es revisable.
¿Por qué no escribir un script de scraping?
Los scripts dejan de funcionar cuando los datos viven dentro de una app móvil sin API y sin endpoint web estable. El Device Control de Melaya opera un teléfono Android real, así los agentes leen las mismas pantallas que ve una persona. La persona Data Scientist luego valida el resultado con el paquete data_utils, y las trazas completas muestran lo que leyó cada paso.
¿Pueden n8n o Zapier extraer datos de una app móvil?
No. n8n, Zapier y Make ejecutan pasos de disparador-acción predefinidos contra APIs, así una app sin API queda fuera de alcance. Los agentes de Melaya planifican a través de los pasos en un canvas de agentes, herramientas, disparadores y compuertas de aprobación, y el paquete del teléfono lee las pantallas de la app directamente en un dispositivo real. Zapier y Make sí ganan en amplitud de conectores para automatizaciones simples de API.
¿Cómo se convierten las lecturas de pantalla en un dataset limpio?
Tres paquetes de herramientas llevan el pipeline. El paquete del teléfono navega la app y lee cada pantalla en un dispositivo real, data_utils valida y perfila los campos extraídos, y el paquete database deposita los resultados donde los espera tu pipeline. El paquete knowledge mantiene un registro buscable de cada ejecución de extracción.
¿Pueden programarse las ejecuciones de extracción y acotarse a apps específicas?
Sí. Las ejecuciones se disparan según el horario que configures, y cada agente está acotado a una lista de permitidos, así el paquete del teléfono solo puede abrir las apps que aprobaste. La persona Market Analyst decide qué fuentes dentro de la app son relevantes, y cada ejecución programada produce una traza completa que puedes revisar.
¿Cómo gobiernan los equipos de datos a qué pueden acceder los agentes de extracción?
La gobernanza en Melaya descansa en listas de permitidos de herramientas con permisos acotados, aprobación humana en cada escritura y trazas completas. Los agentes abren solo las apps permitidas, las escrituras a través del paquete database pueden pausarse para aprobación antes de aterrizar, y la evaluación determinista-primero ejecuta verificaciones basadas en reglas sobre los datos extraídos antes de las calificadas por modelo.
¿Son reproducibles las ejecuciones de extracción?
Sí. La persona Literature Specialist documenta cada fuente y mantiene las extracciones reproducibles, y cualquier ejecución puede guardarse como plantilla reutilizable. Las trazas completas registran cada paso con marcas de tiempo, así puedes comparar ejecuciones, detectar cambios de diseño dentro de una app y volver a correr el mismo pipeline sin cambios.
¿La extracción corre en un teléfono real o en un emulador?
En un teléfono real. El Device Control de Melaya opera un teléfono Android real: los agentes abren las apps permitidas, leen la pantalla y tocan y escriben como lo haría una persona. Cualquier cosa que publique o envíe se pausa para aprobación en el dispositivo, y una extracción de solo lectura nunca publica en tu nombre.
¿Pueden los datos extraídos quedarse en nuestra propia infraestructura?
Sí. Melaya corre en la nube o en tu runner local, así los pasos sensibles de extracción y los datasets resultantes pueden quedarse en hardware que tú controlas. El enrutamiento de modelo por paso entre 23 proveedores te permite mantener el parseo en modelos locales, y el costo por resultado aceptado es visible en cada ejecución.
Construye pipelines de equipos de datos en Melaya.
El tier Sandbox es gratis y sin tarjeta. Únete a la lista de espera y te avisamos por correo en cuanto se libere un cupo.
← Volver a todos los casos de uso
// Cookies
Melaya usa un pequeño set de cookies first-party estrictamente necesarias para autenticarte, mantener tu sesión y proteger la plataforma de abusos. No usamos cookies de publicidad, trackers cross-site ni analytics de terceros por defecto. La lista completa de cookies está en nuestra Política de Privacidad.