Cómo elegir una API de género
Todos los proveedores de esta categoría te dirán que son precisos, y ninguno lo midió con tu lista. Esto es lo que de verdad los separa, y debajo de cada punto nuestra propia respuesta, para que nos exijas las mismas preguntas.
La respuesta corta
- Compara por lo que te entrega un resultado: una etiqueta sola no admite umbral; una probabilidad más un número de muestras sí. Eso decide si automatizas parte del archivo o lo haces todo a mano.
- Ignora los porcentajes de precisión de titular, incluidos los nuestros: no publicamos ninguno, porque no lo hemos medido en un benchmark publicado. Mídelo tú mismo con unos cientos de tus propias filas.
- Una base de nombres más grande no es automáticamente mejor: un nombre cuenta igual lo respalden tres registros o cincuenta mil.
- Después comprueba las cuatro cosas que se olvidan: la localización por país, la estabilidad de la respuesta a lo largo de los años, qué vuelve para un nombre desconocido y dónde se procesan los datos.
Empieza por lo que te da un solo resultado
Este es el criterio que cambia cuánto trabajo te queda, y se ve en la respuesta de ejemplo de un proveedor antes de que firmes nada.
Una etiqueta de género sola es un veredicto sin mostrar el razonamiento. Puedes aplicarla en todas partes o comprobarla en todas partes; no hay término medio. Una probabilidad te da un corte. Una probabilidad con el número de registros detrás te dice si ese corte significa algo para la fila que tienes delante, porque una respuesta de aspecto seguro apoyada en tres registros y otra apoyada en miles son idénticas hasta que alguien te muestra el recuento.
Nuestra respuesta: cada resultado lleva una probabilidad y un número de muestras, y la salida CSV/Excel los escribe en tu archivo como columnas, así que el mismo umbral funciona tanto si llamas a la API como si abres una hoja de cálculo.
Seis dimensiones que conviene comprobar
Seis puntos en los que los proveedores de esta categoría suelen diferir, con lo que hacemos nosotros al lado de cada uno. La columna de la izquierda dice qué buscar: no hemos auditado a nadie más, así que nada de eso es una afirmación sobre un proveedor concreto. Llévala a todos los de tu lista, nosotros incluidos.
Sobre los dos últimos: los credits comprados como paquete puntual no caducan, y un plan mensual se renueva cada mes y puede cancelarse en cualquier momento (cambiar de paquete significa cancelar y elegir otro). Ambos están completos en la página de precios, sin presupuesto.
Por qué una cifra de cobertura no lo resuelve
Tenemos 9,124,598 nombres de 192 países, y ponemos esas cifras en la página de inicio como todo el mundo. Valen exactamente esto: te dicen con qué frecuencia obtendrás una respuesta, y nada sobre si una respuesta concreta merece usarse. No elijas por ellas: ni por las nuestras ni por las de nadie.
La prueba que sí lo resuelve cuesta una tarde: coge unos cientos de filas de tus propios datos cuya respuesta correcta ya conoces, incluye las que esperas difíciles y pásalas por cada proveedor de tu lista. Los nombres que todos aciertan no te dicen nada.
La lista de comprobación
Nueve preguntas, en el orden en que suelen importar. Nuestra respuesta está en la columna de la derecha: hazlas igual a cualquier otro que estés mirando y pide las respuestas por escrito, no en una tabla de funciones.
| Pregunta | Por qué importa | Nuestra respuesta |
|---|---|---|
| ¿Qué contiene un resultado? | Decide si puedes automatizar las filas seguras y revisar solo el resto | Género, una probabilidad y el número de registros que hay detrás |
| ¿Puede el mismo nombre responder distinto según el país? | Andrea es masculino en Italia y femenino en Alemania; una única respuesta global es errónea en uno de los dos | Sí — por código de país, locale del navegador o dirección IP |
| ¿Responderá igual la misma petición el año que viene? | Una auditoría pregunta cómo se clasificó un registro, y una respuesta que se mueve no se puede explicar | Sí — es aritmética sobre registros almacenados, no una suposición generada |
| ¿Qué vuelve para un nombre que no conoce? | Un campo vacío se puede filtrar; una suposición plausible no se detecta | Un «no encontrado» explícito y un número de muestras que dice por qué, nunca una respuesta inventada |
| ¿Hay una vía que no necesite un desarrollador? | Quien tiene la lista no suele ser quien sabe llamar a una API | Subida de CSV y Excel con el libro original conservado |
| ¿Dónde se procesan los datos, y hay un DPA? | Una lista de nombres de clientes son datos personales, y compras lo preguntará antes del lanzamiento | Empresa alemana, servidores en Alemania, tratamiento en la UE, DPA a petición |
| ¿Caduca la capacidad no usada? | Una limpieza puntual no debería necesitar una suscripción que le sobreviva | Credits prepagados, y no caducan |
| ¿Puedo probarlo antes de hablar con alguien? | Si evaluar requiere una llamada comercial, no puedes comparar candidatos en una tarde | 100 consultas gratis al mes, sin tarjeta, sin llamada |
| ¿Cuál es la precisión publicada? | Un porcentaje único describe el conjunto de nombres en el que se midió, y no es el tuyo | No publicamos ninguna — mira más abajo |
La cifra de precisión que no te vamos a dar
En este mercado te citarán porcentajes. No tenemos ninguno medido que citar: no existe un benchmark publicado nuestro sobre un conjunto de nombres etiquetado, así que cualquier cifra que imprimiéramos sería un número de marketing con bata de laboratorio. Preferimos decirlo antes que disfrazar uno.
También es menos útil de lo que suena. La precisión de una consulta nombre-género depende casi por completo de qué nombres preguntas: una lista de nombres alemanes comunes y una lista de apellidos transliterados desde una docena de escrituras no darán la misma cifra con ningún proveedor del mundo. Así que un porcentaje único te informa sobre el conjunto en el que se midió, y tu lista no es ese conjunto.
Cuando te citen uno, la pregunta que lo hace significativo es: medido sobre qué nombres, cuántos, etiquetados por quién y contando «desconocido» como qué. Si esas respuestas no están disponibles, el porcentaje es decoración.
Cómo hacer la evaluación en una tarde
Esta página te repite que lo midas con tus propios datos, así que aquí está el método. Cuesta una tarde, funciona igual con cada proveedor de tu lista y el paso cinco es el que decide el proyecto.
- 1. Saca 200–300 filas cuya respuesta ya conoces. De tus datos reales, no de una lista de nombres famosos. Incluye a propósito las incómodas: nombres raros, nombres no occidentales, entradas con el apellido primero, nombres de una sola palabra, nombres con guion y apellidos de casada.
- 2. No los limpies antes. Los espacios de más, los títulos, el «Dr.» y las MAYÚSCULAS son parte de lo que estás probando. Un proveedor que solo funciona con entradas ordenadas no ha resuelto tu problema.
- 3. Guarda la respuesta completa, no solo la etiqueta. Necesitarás la probabilidad y el número de muestras en el paso cinco, y si un proveedor no los devuelve, eso ya es el resultado de la prueba.
- 4. Puntúa tres resultados por separado: acierto, error y sin respuesta. Aquí es donde fallan la mayoría de las evaluaciones: juntar «error» y «desconocido» en una sola cifra oculta justo la diferencia que importa. Un desconocido que puedes filtrar te cuesta un saludo neutro. Una respuesta equivocada y segura te cuesta el cliente.
- 5. Ahora aplica un umbral y vuelve a puntuar. Acepta solo las filas por encima de tu corte —digamos una probabilidad de 0,9 con al menos 50 muestras detrás— y mide dos cosas: qué parte del archivo cubre eso y la tasa de error dentro de ella. Ese par es la respuesta real, porque te dice cuánto trabajo desaparece y cuánto riesgo viene con él.
- 6. Ya que estás, comprueba lo operativo. Cuánto tardan 300 filas. Qué aspecto tiene una respuesta de error cuando envías basura. Si la misma petición dos veces devuelve la misma respuesta. Si la prueba necesitó una llamada.
El paso cinco es la razón por la que la forma de la respuesta importa más que cualquier cifra de titular: sin una probabilidad y un número de muestras no hay umbral que aplicar, así que la respuesta honesta a «¿cuánto de este archivo puedo automatizar?» pasa a ser «todo o nada». 100 consultas gratis al mes cubren tres veces una prueba de 300 filas.
Si además estás valorando un modelo de lenguaje
Cada vez más la elección no es entre dos API sino entre una API y un prompt. Esa comparación depende de otras cosas —coste por millón de filas, si la misma entrada da dos veces la misma salida y qué puedes mostrarle a un auditor— así que tiene su propia página.
Cómo es realmente integrarlo
Merece un vistazo durante la evaluación y no después, porque aquí es donde una tarde se convierte en quince días. Un credit por consulta, 100 nombres por petición por lotes y ningún techo en el número de peticiones.
- Clientes oficiales para PHP, Python, Node, Java, Go, Ruby, Rust, Perl y .NET.
- Referencia v2 completa con una descripción OpenAPI, además de respuestas problem según RFC 7807 para que los errores sean legibles por máquina.
- Un complemento nativo de Excel y una app de Shopify, integraciones listas para usar con Google Sheets, HubSpot, Salesforce, Zapier y más, y un servidor MCP alojado para herramientas de IA: la lista completa.
- Determinación de género en masa para un archivo puntual, y nacionalidad a partir de un nombre si el origen forma parte de lo que necesitas.
Los precios empiezan en €0.35 por 1.000 consultas y están completos en la página de precios: no hace falta un presupuesto para verlos.
Preguntas frecuentes
¿En qué debo comparar las API de género?
En lo que te entrega un solo resultado, no en una cifra de precisión de titular. Un proveedor que devuelve solo una etiqueta te obliga a confiar en todas las filas o a revisarlas todas; uno que devuelve una probabilidad y el número de registros que hay detrás te permite automatizar las filas seguras y mirar solo el resto. Después: si el mismo nombre puede resolverse de forma distinta según el país, si la respuesta es estable en el tiempo, qué pasa cuando el nombre es desconocido y dónde se procesan los datos.
¿Cómo lo pruebo bien?
Con tu propia lista, no con una muestra de nombres famosos. Coge unos cientos de filas cuya respuesta ya conoces —incluidas las incómodas— y pásalas. 100 consultas gratis al mes bastan para eso, y cualquier proveedor que merezca una evaluación te dejará hacer lo mismo sin una llamada.
¿Es mejor una base de nombres más grande?
No por sí sola. Un nombre cuenta para el total tanto si la base tiene tres registros de él como cincuenta mil, así que el total no puede decirte en cuáles de tus filas puedes apoyarte. La evidencia por resultado sí. El tamaño determina con qué frecuencia obtienes alguna respuesta; el número de muestras determina si deberías usarla.
¿Qué precisión publicáis?
Ninguna cifra medida, a propósito. No hemos hecho un benchmark publicado sobre un conjunto de nombres etiquetado, así que citar un porcentaje sería marketing y no evidencia. Lo que te damos en su lugar es la evidencia por respuesta —una probabilidad y un número de muestras en cada resultado— para que midas la precisión con tus propios datos, que es el único número que describe tu caso. Si un proveedor te da una cifra única de precisión, pregunta sobre qué nombres se midió.
¿Importa dónde se procesan los datos?
Importa si tu lista son nombres de clientes, porque eso son datos personales. Somos una empresa alemana, todos los servidores están en Alemania, el tratamiento ocurre dentro de la UE y puedes solicitar un acuerdo de tratamiento de datos en tu cuenta. A quien sea que evalúes, pídelo por escrito antes del piloto y no después.
¿Qué preguntas se suelen olvidar?
Tres. Qué pasa con un nombre que la base no conoce: un campo vacío que puedes filtrar vale más que una suposición plausible que no detectas. Si la misma petición devolverá la misma respuesta el año que viene, algo que importa en el momento en que una auditoría pregunta cómo se clasificó un registro. Y si la capacidad no usada caduca.
HAZ LA PRUEBA CON TU PROPIA LISTA
100 consultas gratis al mes, sin tarjeta y sin llamada. Trae las filas cuya respuesta ya conoces —incluidas las incómodas— y mira qué vuelve junto a cada una.
Documentación de la API · Subir un archivo CSV o Excel · Haznos una pregunta concreta
