Google ha lanzado nuevos agentes para su plataforma de almacenamiento de datos BigQuery y la plataforma de inteligencia de negocios Looker con el objetivo de ayudar a los profesionales de los datos a automatizar y simplificar las tareas analíticas.
Estos agentes, anunciados durante la conferencia Google Cloud Next, incluyen un agente de ingeniería de datos y un agente de ciencia de datos, ambos ya disponibles para el público.
Agentes de Ingeniería de Datos en BigQuery
El agente de ingeniería de datos, integrado directamente en BigQuery, está diseñado para facilitar el trabajo de los profesionales de datos al ofrecer soporte para construir canales de datos, realizar preparación de datos y automatizar la generación de metadatos.
Según Google, este agente tiene como objetivo simplificar y acelerar las tareas analíticas, ya que los profesionales de datos suelen pasar la mayor parte de su tiempo creando canales de datos y preparando estos para obtener información procesable.
Además, una funcionalidad en vista previa del agente de ingeniería de datos es la capacidad de detectar anomalías para mantener la calidad de los datos.
Agentes de Ciencia de Datos en Colab
El agente de ciencia de datos, accesible a través del servicio gratuito y basado en la nube Colab de Google, está diseñado para ayudar a los científicos de datos a automatizar el proceso de ingeniería de características.
La ingeniería de características consiste en transformar datos en bruto en características que los modelos puedan utilizar para hacer predicciones.
Este agente también es capaz de realizar selección de modelos inteligente, habilitando entrenamiento escalable y ciclos de iteración más rápidos.
Esto permitirá a los equipos de ciencia de datos empresariales enfocarse más en construir flujos de trabajo de datos y menos en el manejo de la infraestructura y la transformación de datos.
Herramienta de Análisis Conversacional en Looker
Google ha añadido también una herramienta de análisis conversacional a Looker, actualmente en vista previa, para ayudar a los usuarios empresariales a interactuar con los datos utilizando lenguaje natural.
Este agente muestra el razonamiento detrás de su respuesta a una consulta, ayudando al usuario final a entender y monitorear su comportamiento.
Este es un requisito clave para la mayoría de las empresas que implementan agentes, para evitar problemas relacionados con las “alucinaciones” de la IA. Google ha destacado que la herramienta se alimenta de la capa semántica de Looker, lo que se espera mejore la precisión de las respuestas.
Además, la empresa ha lanzado una API de análisis conversacional para desarrolladores, facilitando su integración en aplicaciones y flujos de trabajo.
Actualizaciones en BigQuery: Motor de Conocimiento y Motor de Consultas AI
Como parte de las actualizaciones a BigQuery, Google ha incorporado un motor de conocimiento que ayudará a las empresas a analizar datos autónomos, es decir, conjuntos de datos dentro del almacén de datos que existen independientemente de las aplicaciones.
Este motor utilizará Gemini para analizar relaciones de esquemas, descripciones de tablas e historiales de consultas, generando metadatos al instante y modelando las relaciones entre los datos.
Según Google, este motor será la base sobre la cual las empresas podrán fundamentar modelos y agentes de IA en el contexto empresarial.
Además, BigQuery recibirá nuevas celdas SQL inteligentes para su uso en notebooks, las cuales entenderán el contexto de los datos y sugerirán automáticamente código mientras los científicos escriben.
Otras Actualizaciones en BigQuery
Para seguir apoyando el análisis de datos no estructurados, Google está incorporando tablas multimodales a BigQuery, actualmente en vista previa, que permitirán a las empresas almacenar datos complejos junto con los estructurados en un almacenamiento unificado para facilitar las consultas.
En su esfuerzo por mejorar la gobernanza de datos, BigQuery también ha mejorado sus herramientas de gobernanza, ofreciendo una vista unificada para la gestión de descubrimiento, clasificación, curaduría, calidad, uso y compartición de datos, incluyendo la catalogación automática y la generación de metadatos.
Conclusión
Las últimas actualizaciones de Google en BigQuery, Looker y Colab representan un gran avance en la automatización del análisis de datos.
Los nuevos agentes diseñados para simplificar tareas complejas, como la preparación de datos, la ingeniería de características y la interacción conversacional con los datos, están ayudando a las empresas a liberar tiempo valioso y permitir a los científicos de datos enfocarse en la creación de flujos de trabajo estratégicos.
Con estas innovaciones, Google está haciendo que el análisis de datos, tanto estructurados como no estructurados, sea más accesible y eficiente para los profesionales de datos, asegurando una mejor integración de la IA en los procesos empresariales.