“Con Claude tenía que vigilar cada consulta. Basedash escribe el SQL, detecta sus propios errores y lo hace bien.”

Lex es una herramienta de escritura impulsada por IA usada por más de 300 000 escritores, incluyendo equipos en Google, Microsoft y Stanford. Fundada por Nathan Baschez —anteriormente VP de Producto en Substack y Head of Product en Gimlet Media—, Lex ayuda a los escritores a producir mejor trabajo con una IA que actúa como colaboradora, no como reemplazo.

Como equipo de cuatro personas con cientos de miles de usuarios, Lex necesita moverse rápido en decisiones de producto y crecimiento. Pero responder las preguntas detrás de esas decisiones —qué funciones impulsan la retención, dónde se disparan los costos, cómo es el uso entre cohortes— antes requería horas de SQL manual.

“Siempre era de alto esfuerzo. Ahora, con Basedash, se siente como chatear directamente con la base de datos.”

Antes de Basedash

El flujo de analytics de Lex era típico de una startup ágil:

• Blazer, una herramienta autohospedada para consultas guardadas y dashboards básicos
• SQL escrito a mano, a veces exportado a Google Sheets para visualización
• Claude para ayudar a generar consultas, pero aun así requería mucho prompting y depuración manual

Para un fundador que necesita investigar preguntas de producto a diario —patrones de engagement de usuarios, desglose de costos por modelo de IA, funnels de conversión de prueba—, la sobrecarga era constante. Cada pregunta significaba dejar el trabajo de producto para escribir y depurar consultas.

Por qué Basedash

Nathan había estado buscando algo que funcionara más como un colega que como una herramienta:

• Escribir y depurar SQL automáticamente
• Manejar errores sin intervención humana
• Entregar resultados que se pudieran explorar más a fondo en tiempo real

Eso es lo que encontró en Basedash. Con la base de datos Postgres de Lex conectada, Nathan tenía una interfaz conversacional sobre los mismos datos de producción que impulsan la plataforma de escritura, sin necesidad de configurar dashboards ni documentar el esquema.

“Se siente como colaborar con un colega, no con una herramienta de BI. Está funcionando al límite de lo que es posible con los LLM en este momento.”

En lugar de preparar dashboards o luchar con consultas, Nathan ahora mantiene conversaciones iterativas cada vez que necesita investigar un problema o validar una idea, el tipo de análisis exploratorio y lleno de preguntas de seguimiento que las herramientas de BI tradicionales hacen doloroso.

“El paradigma natural para los datos es el chat. Basedash hace que eso se sienta real.”

Un incidente crítico en movimiento

Mientras viajaba por San Francisco, Nathan recibió una alerta: los costos de IA de Lex se estaban disparando muy por encima de los niveles normales.

En el pasado, resolver el problema habría requerido escribir consultas SQL en una laptop, o peor, en su teléfono.

“Ya he escrito SQL en mi teléfono con Blazer. No es una experiencia agradable. Basedash lo hizo simple.”

En lugar de andar improvisando scripts, Nathan abrió Basedash y preguntó:

“Los costos de IA se están disparando: ¿puedes averiguar qué está pasando?”

En minutos, Basedash lo guio por el mismo proceso de pensamiento que él habría seguido: ¿el pico venía de un pequeño grupo de usuarios, de un modelo en particular, o de una función específica? La herramienta hizo preguntas de aclaración en el camino.

El diagnóstico: usuarios bot estaban abusando de la prueba gratuita de Lex para intentar destilación de modelos. Como pudo identificar la causa raíz rápido, Nathan y su equipo parchearon la vulnerabilidad antes de que los costos escalaran más.

“Basedash convirtió un momento muy estresante en una solución simple.”

Impacto

Para un equipo pequeño que construye un producto usado por cientos de miles de escritores, cada hora cuenta. Desde que adoptó Basedash, Nathan reemplazó un mosaico de herramientas de consulta con una sola interfaz conversacional:

• Preguntas de investigación que tomaban horas de SQL y depuración ahora toman minutos
• Las anomalías de costo y uso se detectan y diagnostican en tiempo real, desde cualquier dispositivo
• Las decisiones de producto y crecimiento se respaldan con conversaciones trazables y compartibles en lugar de consultas aisladas
• Cero tiempo dedicado a construir o mantener dashboards o herramientas internas

“Basedash se siente como colaborar con un colega, no con una herramienta. Es el futuro de cómo los equipos van a trabajar con los datos.”