Qué es Rasa
Rasa es un framework maduro de IA conversacional: clasificación de intenciones y extracción de entidades mediante un pipeline de NLU entrenado, más gestión del diálogo mediante reglas, historias y políticas. Es nativo de Python, puede alojarse por cuenta propia y durante años ha sido la respuesta habitual para asistentes de atención al cliente guionizados de alto volumen. Rasa Pro añade niveles comerciales, incluido el diálogo impulsado por LLM.
Un problema compartido, otra generación de solución
EDDI y Rasa proceden ambos del mundo de la IA conversacional, y EDDI se desarrolla de forma continua como plataforma conversacional desde 2006. La diferencia está en dónde reside la inteligencia. Rasa la pone en un modelo que usted entrena con sus propios datos etiquetados, lo que da un control preciso y repetible. EDDI la pone en LLM orquestados y gobernados por configuración declarativa, cediendo algo de determinismo a cambio de alcance y rapidez de cambio.
Diálogo, herramientas y coste del cambio
| Dimensión | Rasa | EDDI |
|---|---|---|
| Comprensión | NLU entrenado: clasificación de intenciones y extracción de entidades a partir de datos etiquetados | Comprensión por LLM más descubrimiento y enrutamiento de agentes basado en intenciones |
| Cambiar el comportamiento | Actualizar los datos de entrenamiento, reentrenar, evaluar, volver a desplegar | Editar la configuración JSON; sin reentrenamiento ni nuevo despliegue |
| Determinismo | Alto. Las reglas y las políticas hacen que los flujos sean repetibles y comprobables | Menor por naturaleza, compensado con reglas de comportamiento y puertas de aprobación |
| Lenguaje | Python; las acciones personalizadas son código Python | Entorno de ejecución JVM; la lógica del agente es configuración, las herramientas se declaran |
| Ecosistema de herramientas | Un servidor de acciones personalizado que usted construye y aloja | 84 herramientas MCP, herramientas de agente integradas, además de cualquier endpoint OpenAPI |
| Multiagente | Lo habitual es un asistente por despliegue | Orquestación basada en coordinador y 7 estilos de debate de grupo |
| Licencias | Edición community más niveles de Rasa Pro con licencia comercial; verifique los términos vigentes | Apache 2.0, aprobada por la OSI |
| Cumplimiento | El autoalojamiento permite la residencia de datos; los marcos normativos se implementan en cada despliegue | Libro de auditoría, API de derechos de los interesados y 15+ marcos normativos cubiertos en la plataforma |
Los datos sobre la otra herramienta se contrastaron con su documentación oficial y su repositorio en octubre de 2026. Estos proyectos cambian rápido, así que confirme el comportamiento actual con el proveedor antes de decidir.
Cómo elegir entre ambas
Cuándo Rasa es la mejor opción
- Ya dispone de datos conversacionales etiquetados y de un equipo de ML capaz de mantener un pipeline de NLU.
- Las restricciones regulatorias o de marca exigen un asistente determinista con una ruta de decisión auditable en la que no participe un modelo de lenguaje.
- Volumen muy alto sobre un conjunto reducido de intenciones, donde el coste por turno de un LLM dominaría.
- Necesita un control detallado de los umbrales de confianza de clasificación y del comportamiento de respaldo.
Cuándo EDDI es la mejor opción
- El asistente debe responder a partir de documentos y sistemas que cambian más rápido que un ciclo de reentrenamiento.
- Los usuarios de negocio necesitan cambiar el comportamiento sin un ingeniero de ML, sin una ejecución de entrenamiento y sin un despliegue.
- El problema requiere que varios agentes especializados colaboren, en lugar de un único árbol plano de intenciones.
- Quiere la flexibilidad de un LLM, pero un responsable de cumplimiento exige puertas de aprobación y registros firmados antes de salir a producción.
- Quiere evitar la dependencia de un proveedor en la capa de modelos: 19 proveedores, o un modelo local mediante Ollama o Jlama.
Cómo migrar un asistente desde Rasa
La correspondencia es conceptual y no mecánica, porque ambos sitúan la inteligencia en lugares distintos. Cuente con traducir la estructura de intenciones a enrutamiento y prompts, en lugar de convertir archivos.
| Rasa | EDDI |
|---|---|
| Intenciones y ejemplos de entrenamiento | Descubrimiento de agentes basado en intenciones; los datos etiquetados pasan a ser material de evaluación en lugar de entrada de entrenamiento |
| Entidades y slots | Extracción estructurada más memoria persistente del usuario |
| Historias y reglas | Reglas de comportamiento y configuración del pipeline |
| Servidor de acciones personalizadas | Herramientas MCP o definiciones de herramientas httpCall |
| Respuestas y archivo de dominio | Fragmentos de prompt, reutilizables y versionados |
| Política de respaldo | Escalado human-in-the-loop con una política de tiempo de espera |
Preguntas frecuentes
¿Es EDDI solo otra capa sobre un LLM que sustituye al NLU entrenado?
EDDI se desarrolla como plataforma conversacional desde 2006, mucho antes de la generación actual de LLM, y conservó lo que importaba: el enrutamiento basado en intenciones, el estado de conversación gestionado y la arquitectura de pipeline. Los LLM sustituyeron la capa de comprensión, no la orquestación que la rodea.
Necesitamos respuestas deterministas por cumplimiento. ¿Eso descarta a EDDI?
No necesariamente, pero el compromiso debe ser explícito. La salida de un LLM no es determinista. EDDI lo aborda con reglas de comportamiento que restringen las respuestas, puertas de aprobación humana para las acciones de consecuencia y un libro de auditoría firmado que registra lo que se decidió y por qué. Si su requisito es que ningún modelo de lenguaje participe en la decisión, Rasa es la mejor respuesta.
¿Podemos ejecutar ambos durante una transición?
Sí. Un patrón habitual dirige las intenciones conocidas de alto volumen al asistente de Rasa existente mientras EDDI atiende las consultas abiertas y la integración con sistemas, y después traslada tráfico a medida que crece la confianza. EDDI puede llamar a un endpoint de Rasa mediante httpCall.
Otras comparativas
- EDDI vs. LangChain y LangGraph
- EDDI vs. Microsoft Agent Framework (AutoGen y Semantic Kernel)
- EDDI vs. CrewAI
- EDDI vs. Dify
- EDDI vs. n8n
- EDDI vs. Flowise
- Todas las alternativas: constructores, bibliotecas y plataformas en la nube
¿Listo para producción?
Obtenga despliegue gestionado, soporte respaldado por SLA y ayuda directa del equipo que desarrolla EDDI.
Hable con nosotros sobre el despliegue empresarial