En abril de 2025, se lanzó el Agente de Datos de Fabric, una herramienta innovadora que permite crear y configurar agentes/chatbots conversacionales en lenguaje natural para interactuar con los datos almacenados en Fabric. Aunque actualmente está en fase de vista previa, los resultados obtenidos hasta ahora son muy prometedores.
Funcionalidades Principales
El Agente de Datos de Fabric permite a cualquier miembro del equipo tener conversaciones sobre los datos almacenados en Fabric OneLake, sin necesidad de escribir código. Esto se logra mediante la configuración de orígenes de datos, que pueden ser datos estructurados o modelos semánticos. Los usuarios pueden seleccionar las tablas de origen, personalizar las respuestas y la inteligencia artificial se encargará de las traducciones necesarias.
Por ejemplo, tipo de consultas que podemos realizar:
- En lenguaje natural sobre un modelo semántico se traducen a DAX.
- Sobre una base de datos relacional se traducen a SQL.
- En lenguaje natural a KQL (NL2KQL) para bases de datos KQL.
Es importante destacar que el Agente de Datos de Fabric solo genera consultas de lectura en SQL, DAX o KQL, y no realiza operaciones de creación, actualización o eliminación de datos.
Proceso de Interacción
Debemos saber que el Agente de Datos de Fabric procesa las preguntas de los usuarios, determina el origen de datos más relevante (como Lakehouse, Warehouse, conjuntos de datos de Power BI o bases de datos KQL) e invoca la herramienta adecuada para generar, validar y ejecutar las consultas.
Además, la herramienta seleccionada genera una consulta basada en el esquema, los metadatos y el contexto proporcionados, que el agente subyacente transmite. Además, se realiza una validación de las consultas para asegurar que se han formado correctamente y cumplen con los protocolos de seguridad y directivas RAI.
Por tanto, este enfoque garantiza que los usuarios puedan interactuar con sus datos mediante lenguaje natural, mientras que el Agente de Datos de Fabric controla las complejidades de la generación, validación y ejecución de consultas, todo ello sin necesidad de que los usuarios escriban SQL, DAX o KQL.
Instrucciones y Personalización
Lo que nos permite el Agente de Datos de Fabric es enviarle instrucciones y reglas sobre cómo debe comportarse, incluso ejemplos de cómo responder ante determinadas preguntas. Esto es similar al «system prompt» de las llamadas a Azure OpenAI.
Las instrucciones pueden incluir:
- Reglas para planificar cómo abordar cada pregunta.
- Qué fuentes de datos utilizar según el tema tratado.
- Determinar consultas de ejemplo.
- Mantener una terminología coherente en todas las fuentes de datos conectadas.
- Definir el tono, estilo y formato de las respuestas finales.
Prerrequisitos y Configuración
Para utilizar el Agente de Datos de Fabric, se requiere un recurso de capacidad de Fabric de pago F2 o superior, y al menos uno de los siguientes: un almacén, un almacén de lago de datos, uno o más modelos semánticos de Power BI o una base de datos KQL con datos.
La configuración del agente incluye la selección de hasta cinco orígenes de datos en cualquier combinación, como lakehouses, almacenes, bases de datos KQL y modelos semánticos de Power BI. Por esa razón, es recomendable trabajar con 25 o menos tablas seleccionadas en todos los orígenes de datos para un mejor rendimiento.
Además, se puede agregar contexto adicional a través de instrucciones y consultas de ejemplo para mejorar la precisión del agente.
Diferencias con los Copilotos de Fabric
Aunque tanto los Agentes de Datos de Fabric como los Copilotos de Fabric utilizan inteligencia artificial generativa para procesar y razonar sobre los datos, existen diferencias clave en su funcionalidad y casos de uso:
- Flexibilidad de configuración: Los Agentes de Datos de Fabric son altamente configurables, permitiendo personalizar su comportamiento para escenarios específicos. Los Copilotos de Fabric, en cambio, están preconfigurados y no ofrecen este nivel de personalización.
- Ámbito y caso de uso: Los Copilotos de Fabric están diseñados para tareas dentro de Microsoft Fabric, como la generación de código de cuaderno o consultas de almacenamiento. Los Agentes de Datos de Fabric son artefactos independientes y pueden integrarse con sistemas externos como Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams u otras herramientas fuera de Fabric.
Conclusión
Como conclusión extraemos que el Agente de Datos de Fabric representa un avance significativo en la forma en que los usuarios pueden interactuar con sus datos mediante lenguaje natural. Su capacidad para generar, validar y ejecutar consultas sin necesidad de escribir código, junto con su flexibilidad de configuración y personalización, lo convierte en una herramienta poderosa para mejorar la eficiencia y efectividad en la gestión de datos.
¿Quieres saber cómo aplicar IA en tu empresa?
📩 Solicita una sesión de advisory con nuestros expertos.
🔗 Visita www.bravent.com para conocer más sobre nuestras soluciones.
