Una plataforma que analiza cada etiqueta con IA y la contrasta con la normativa española y europea
Una empresa de complementos alimenticios necesitaba saber si cada producto cumple la normativa española y europea antes de venderlo. KANONIS lee la etiqueta con IA, una persona revisa la lectura y un motor de reglas contrasta cada ingrediente con los registros oficiales.
- 4 semanas del encargo a la primera versión en producción
- +1200 veredictos normativos emitidos, cada uno con su norma y su explicación
- 12 comprobaciones normativas automáticas, con fuente oficial
El problema
Cada complemento alimenticio debe cumplir una docena de normas: ingredientes autorizados, formas químicas permitidas, dosis máximas, advertencias obligatorias, alérgenos, aditivos, declaraciones de salud. Las fuentes son registros oficiales escritos en lenguaje legal que no coincide con lo que imprime una etiqueta.
Revisar cada producto a mano exige un técnico experto y horas por etiqueta, y un error es una retirada o una sanción.
La solución
La IA lee la etiqueta y la convierte en datos, copiando lo impreso sin interpretarlo; una persona revisa esa lectura; y un motor de reglas fijas contrasta cada ingrediente con los registros oficiales (AESAN, Real Decreto 1487/2009 y reglamentos europeos). El resultado es un semáforo por ingrediente y por mercado, con la norma y la explicación en cada veredicto. Lo que no aparece en ningún registro se marca, no se aprueba.
Doce comprobaciones independientes, base regulatoria propia y trazable, ampliable a nuevos mercados.
Cómo trabajamos
- 1
Diagnóstico
Qué se comprueba hoy, con qué fuentes y dónde duele equivocarse.
- 2
Diseño
Flujo de tres pasos (subir, revisar, evaluar) que mantiene a la persona al mando.
- 3
Primera entrega en producción
MVP en cuatro semanas: base regulatoria, buscador y análisis de etiquetas.
- 4
Ampliación
Nuevos mercados y nuevas comprobaciones sobre la misma base.
Lo que nos llevamos
La IA aporta valor donde es buena, leer un documento, y se retira donde no se puede permitir un error. Separar las dos cosas es lo que hace fiable el resultado.