Fabric Data Agent: análisis de datos en lenguaje natural con Microsoft Fabric

La IA lo inunda todo, y como opinión personal basada en las más de 50 empresas con las que he colaborado, en la evolución del análisis y ciencia de datos, la mayoría de empresas están en el escalón de diagnóstico y no muy arriba.

A veces es mejor correr despacio y avanzar seguro que hacer esprines si no tenemos claro dónde está la meta.

Llevo años viendo cómo los cuadros de mando se han ido convirtiendo en el lenguaje por defecto para hablar con los datos en una empresa. Cuadros de mando que en muchos casos, por el nivel de cultura de análisis de datos de la dirección, se queda en reporting (descriptivo) o con un nivel de análisis muy bajo (diagnóstico).

Los hacemos, los pulimos, los publicamos… y luego pasa lo que siempre pasa: alguien de negocio mira un informe y suelta una pregunta que el dashboard no contesta. Y vuelta a empezar (cuando crees saber las respuestas, el negocio te cambia las preguntas).

Por eso me creo que hay un paso enorme con que Fabric Data Agent (Agente de datos) haya alcanzado disponibilidad general. No por la novedad en sí, sino porque cambia un poco la conversación: pasamos de mostrar números a hablar con ellos. Y eso, bien hecho, tiene mucho más recorrido del que parece.

Qué es Microsoft Fabric Data Agent y cómo funciona

Microsoft Fabric Data Agent es el artefacto de Microsoft Fabric que permite crear agentes capaces de responder preguntas en lenguaje natural sobre los datos de la organización. En vez de obligar al usuario a navegar por filtros, segmentaciones y pestañas, le permite formular su duda como se la formularía a un compañero del equipo de datos: «¿cómo va la facturación este mes comparada con el año pasado?, aunque ha crecido el margen, ¿existe algún cliente o producto donde perdemos dinero?».

El cambio importante es que un agente no es un chatbot suelto: se construye sobre las fuentes que ya tienes gobernadas (concepto clave y estratégico en el momento actual en el que profundizaré en el siguiente post) en Fabric (Lakehouse, Warehouse, modelos semánticos, Eventhouse), se comparte con quien debe usarlo y, ahora que está en disponibilidad general, queda respaldado para producción y no solo como experimento.

Del dashboard al diálogo con el dato

Hay un patrón que se repite en casi todos los proyectos de BI: el 80% del valor de un cuadro de mando se concentra en un 20% de sus visuales, y aun así seguimos llenándolo de gráficos por si acaso. El dashboard, como formato, tiene un techo: responde bien a las preguntas que, en el mejor de los casos el consumidor final diseñó y elaboró.

Pero seamos realistas, en muchos casos es un desarrollador quien debe extraer y traducir las necesidades en un informe para luego ser consumido por terceros. En mi opinión, esto es un error importante: una pérdida de rapidez y flexibilidad que deriva en debilidad analítica. Y además, el resultado final se queda corto en cuanto la conversación se mueve un poco.

Un agente de datos invierte ese punto de partida. En lugar de adelantarse a la pregunta, escucha la pregunta y luego decide cómo responderla con las fuentes disponibles. Para perfiles de negocio que no son analistas, eso reduce la barrera de entrada al dato. Y para los equipos de BI, libera tiempo: no se trata de sustituir los informes, sino de dejar de ser el cuello de botella para cada pregunta nueva. Si la dirección no es proactiva en construir, adaptar y explotar sus necesidades analíticas, dejemos ese trabajo a la IA.

Fuentes compatibles con Fabric Data Agent

Una de las cosas más interesantes de Fabric Data Agent es que se apoya en las fuentes que ya están en Fabric, en lugar de obligarte a montar una capa nueva paralela. Un agente puede contestar preguntas sobre:

• Lakehouse, para datos en formato de archivos y tablas Delta.
• Warehouse, para escenarios SQL más tradicionales.
• Modelos semánticos de Power BI, que es donde suelen vivir las métricas «de verdad» del negocio.
• Eventhouse, para análisis sobre datos en streaming y series temporales.

Esto es relevante porque significa que el agente no se inventa una verdad propia: razona sobre el dato que ya tienes definido y gobernado. La calidad de sus respuestas depende, en gran parte, de la calidad de esos cimientos.

Fabric Data Agent y Power BI: dos modos complementarios de analizar datos

Si tu organización ya tiene un buen recorrido en Power BI, lo razonable no es tirar los informes a la basura para sustituirlos por un agente. Lo razonable es entender que ahora hay dos modos de consultar el dato, completamente complementarios:

Modo informe	Modo conversación
Preguntas recurrentes, comparables y compartidas	Preguntas ad hoc, exploratorias, que normalmente acababan en un correo al equipo de datos
Pensado para el consumo periódico y la monitorización	Pensado para la exploración puntual y la autonomía del usuario de negocio

Mi experiencia es que el agente brilla cuando se construye encima de modelos semánticos bien diseñados. Si habéis leído alguno de mis posts, para mí los modelos semánticos siguen siendo la clave del análisis de diagnóstico. Por eso, es clave tener una óptima y sana arquitectura y estructura de modelos semánticos. Si las métricas están limpias, definidas con un único significado y bien gobernadas, el agente devuelve respuestas en las que uno puede confiar. Si el modelo es un cajón desastre, el agente lo hereda. Pero bueno, eso es el mantra actual: «si entra basura, sale basura», lo apliques donde lo apliques.

Limitaciones de Fabric Data Agent: lo que debes tener en cuenta

Conviene mirar esto con los pies en el suelo: un agente de datos no convierte un mal dato en uno bueno, no sustituye el gobierno y no elimina la necesidad de modelar. La capa de IA amplifica lo que tiene debajo, tanto para lo bueno como para lo malo. Por eso me parece más interesante que nunca el orden: primero gobierno y modelo semántico sólidos, después agente conversacional encima.

Conclusión

Que Microsoft Fabric Data Agent esté en disponibilidad general es una gran noticia. Es la señal de que el formato «pregúntale a tus datos» deja de ser un experimento aislado para convertirse en una pieza clave de la plataforma que viene a dar respuesta a la necesidad de más autonomía y flexibilidad a los usuarios clave, los decisores. Y para muchas empresas que llevan años invirtiendo en Power BI y, más recientemente, en Fabric, abre una puerta interesante: rentabilizar todavía más lo que ya tienen modelado, abriéndolo a más personas y a más preguntas.

Si en tu organización estás pensando cómo encajar este tipo de capacidades sin acabar con un agente bonito encima de un modelo dudoso, es justo el tipo de conversación que te propongo. El objetivo: descubrir juntos los casos de uso de valor de Fabric Data Agent y cómo puede transformar la forma en que tu equipo analiza y entiende el negocio.

Fuente: documentación oficial de Microsoft Learn sobre Microsoft Fabric (Fabric Data Agent, Lakehouse, Warehouse, semantic models y Eventhouse).