La incorporación de agentes conversacionales en los lagos de datos de Azure, a través de la plataforma Fabric, está transformando cómo las empresas pueden acceder a sus datos y obtener información para tomar decisiones más informadas.
Esta integración pone el poder de la inteligencia artificial (IA) al alcance de los analistas de negocio, sin necesidad de escribir código y mejora significativamente la capacidad de las empresas para aprovechar sus datos mediante flujos de trabajo automatizados y orientados a la toma de decisiones estratégicas.
En este artículo, exploramos cómo los agentes de datos de Fabric están cambiando la manera en que las organizaciones interactúan con sus datos y cómo Microsoft está utilizando su plataforma Azure AI Foundry para desarrollar estos agentes y hacerlos más inteligentes y útiles.
El desafío de la inteligencia artificial empresarial
Las grandes organizaciones que adoptan IA empresarial se enfrentan a un desafío común: la necesidad de datos ricos y bien estructurados para maximizar el potencial de los agentes de IA.
Sin datos adecuados, los modelos de lenguaje grande (LLM) no pueden ofrecer los resultados que las empresas necesitan. Ya sea que estés construyendo aplicaciones de retrieval-augmented generation (RAG), afinando modelos o utilizando el Model Context Protocol, el dato es la clave.
Para abordar este reto, Microsoft ha estado mejorando su plataforma de lagos de datos Fabric, integrándola con su plataforma de desarrollo Azure AI Foundry.
Este desarrollo promete una forma más efectiva de gestionar, consultar y extraer valor de los datos dentro de la infraestructura empresarial.
En el evento FabCon 2025, Microsoft presentó nuevas integraciones que permiten usar Fabric para construir agentes de IA capaces de trabajar con datos de manera más eficiente y ser utilizados en aplicaciones dentro de Azure AI Foundry.
Con esta combinación de herramientas de análisis de datos tradicionales y capacidades avanzadas de IA, Microsoft está facilitando el acceso a los datos empresariales y haciendo que la interacción con estos sea más fluida y directa.
Cómo funcionan los agentes de datos de Fabric con IA
Los agentes de datos de Fabric están diseñados para ayudar a explorar los datos de manera conversacional, lo que significa que los usuarios pueden hacer preguntas directamente sobre los datos, sin necesidad de ser expertos en consultas complejas.
Este enfoque, que se aleja de las herramientas de análisis tradicionales, permite a los usuarios obtener respuestas claras y detalladas a sus preguntas, basándose en los datos disponibles.
Los agentes trabajan con fuentes de datos ya existentes, como OneLake, lo que les proporciona un contexto sólido sobre el cual construir consultas relevantes.
Los datos pueden ser refinados mediante ejemplos o instrucciones específicas que guían el comportamiento del agente y mejoran los resultados de las consultas. Esto asegura que el agente entregue respuestas coherentes y ajustadas a las necesidades específicas de la empresa, lo que reduce el riesgo de generar respuestas erróneas.
Además, los agentes están diseñados para integrarse fácilmente con Azure AI Foundry, lo que permite incorporar estos agentes en flujos de trabajo más grandes de automatización empresarial.
Esto ofrece a las empresas una manera de crear aplicaciones basadas en IA que no solo aprovechan datos, sino que también mejoran continuamente mediante el aprendizaje y el ajuste de las interacciones previas.
Construcción de consultas con agentes impulsados por IA
Una de las principales ventajas de los agentes de datos de Fabric es que permiten construir consultas complejas sin necesidad de tener habilidades de programación.
El agente utiliza las credenciales del usuario para garantizar que solo se trabajen con los datos que este puede ver, lo que asegura la seguridad de la información y el cumplimiento de políticas de acceso.
Las consultas se traducen a uno de los tres lenguajes de consulta de Fabric: SQL para bases de datos relacionales, DAX para Power BI y KQL para consultas no relacionales usando Kusto.
El proceso de creación de consultas se simplifica considerablemente, y la herramienta genera consultas correctamente estructuradas.
Aunque los agentes de Fabric están pensados para usuarios de negocios que no tienen conocimientos de codificación, también se proporciona un SDK de Python para aquellos que deseen personalizar y gestionar los agentes mediante código.
Afinando los agentes con instrucciones y ejemplos
Microsoft ha diseñado el proceso de creación de agentes de Fabric para que sea accesible incluso para aquellos con un conocimiento limitado de codificación. El proceso es similar al de la creación de un reporte en Power BI. Sin embargo, hay una parte importante del proceso que involucra el uso de contexto para mejorar la efectividad de los agentes. Al agregar instrucciones y consultas de ejemplo a la definición del agente, los usuarios pueden ajustar cómo el agente maneja las consultas y con qué datos debe trabajar.
Por ejemplo, las instrucciones pueden definir fuentes de datos específicas para ciertos tipos de preguntas, y también se pueden incluir conocimientos especializados sobre el dominio que no están necesariamente reflejados en los datos. Aunque este proceso no implica una afinación directa del modelo, proporciona un contexto valioso para mejorar la precisión y reducir el riesgo de errores o “alucinaciones” por parte del agente.
El uso de instrucciones y ejemplos de consultas también permite ajustar el agente mediante la técnica de few-shot learning, donde el agente aprende de unos pocos ejemplos de preguntas y respuestas. Este método es especialmente útil para los agentes de datos, ya que pueden producir resultados precisos con un número limitado de ejemplos.
Publicación y compartición de agentes de datos
Una vez que hayas ajustado y probado tu agente de datos, es hora de publicarlo y compartirlo con otros usuarios o aplicaciones. Publicar un agente crea dos versiones: una que puedes seguir modificando y otra que queda congelada y lista para ser compartida. Los agentes de Fabric se pueden utilizar dentro de Azure AI Foundry como componentes del Azure AI Agent Service, donde funcionan como fuentes de conocimiento para agentes de Azure AI. Estos agentes se pueden acceder a través de una API REST, lo que permite integrarlos fácilmente en otros sistemas y aplicaciones empresariales.
Conclusión
La propuesta de Microsoft con los agentes de datos de Fabric es una forma de acercar la inteligencia artificial a los especialistas en datos y analistas de negocio.
Este enfoque permite que los usuarios sin experiencia en programación puedan crear agentes basados en datos que no solo simplifican las consultas complejas, sino que también se integran profundamente en los flujos de trabajo empresariales.
La combinación de herramientas de análisis conocidas con las capacidades avanzadas de IA permitirá a las organizaciones maximizar el valor de sus datos y hacer que los procesos de toma de decisiones sean más rápidos y más precisos.
Microsoft está llevando la automatización y la inteligencia a las empresas con una solución escalable que abre nuevas oportunidades para integrar la IA en cada parte de los flujos de trabajo empresariales.