Cómo analizar y gestionar el uso de la aplicación Gemini Enterprise a gran escala con BigQuery

Implementando la aplicación Gemini Enterprise en una organización, se trata de un avance transformador en la productividad de la fuerza laboral, proporcionando a los empleados un conjunto asombroso de herramientas de IA, asistentes basados en la búsqueda y soluciones especializadas como NotebookLM. A medida que la adopción se generaliza, puede introducir un desafío administrativo crítico: cómo auditar, gobernar y extraer información de un gran volumen de datos de telemetría sin quedar atascado en tareas manuales. Para ayudar a los administradores a tener éxito, Google Cloud proporciona análisis completos y listos para usar a través de paneles precalculados para realizar un seguimiento del uso diario, la participación de los usuarios y las métricas de usuarios activos. Si bien esto proporciona una perspectiva centrada en el producto del uso de la aplicación Gemini Enterprise, para comprender el impacto de la IA, los administradores pueden necesitar una perspectiva más matizada y centrada en la organización, adaptada a su propio contexto interno. Aquí es donde usar BigQuery se convierte en una herramienta crucial en el arsenal del administrador para realizar un análisis profundo en toda la organización y analizar y gobernar la adopción de la IA. Por qué Gemini Enterprise + BigQuery es un cambio de juego Complementar la aplicación Gemini Enterprise con BigQuery a través de puntos de registro permite a un equipo administrativo ágil analizar y gobernar una implementación a gran escala. Específicamente, permite a los equipos de TI, Datos y Seguridad: Perfilar la adopción y los comportamientos de manera matizada: Segmentar los patrones de uso por departamento para ver qué equipos están creando agentes personalizados, realizar un seguimiento del uso de NotebookLM y calcular las relaciones agente-empleado. Cuantificar el valor organizacional: Combinar registros conversacionales con conjuntos de datos de RR. HH. o de negocio para calcular las horas de empleado ahorradas, rastrear la creación de valor y crear paneles Looker ejecutivos. Ejecutar auditorías de cumplimiento precisas: Auditar las consultas de enraizamiento en carpetas de Google Drive y directorios empresariales para evitar fugas de datos y proteger la propiedad intelectual corporativa. Investigar las alertas de seguridad de forma inmediata: Consultar los registros históricos cuando los filtros de seguridad señalen una solicitud, identificando el texto exacto que activó un bloque de Model Armor para resolver las alertas de cumplimiento. Para respaldar estos casos de uso, la telemetría se particiona en cinco tablas de registro distintas en BigQuery, capturando campos de datos únicos: Tabla de destino BigQuery Telemetry Capturada Gen AI User Messages discoveryengine_googleapis_com_gen_ai_user_message Entradas de solicitud verbatim ingresadas por los usuarios Elecciones Gen AI discoveryengine_googleapis_com_gen_ai_choice Respuestas del modelo, razones de finalización y pasos de razonamiento de LLM Telemetría de la actividad de usuario discoveryengine_googleapis_com_genini_enterprise_user_activity Identidad corporativa (direcciones de correo electrónico de IAM) y rutas de acceso a archivos de enraizamiento Actividad de auditoría en la nube cloudaudit_googleapis_com_activity Cambios de configuración del control de plan y registros de usuarios administrativos Acceso de auditoría de datos en la nube cloudaudit_googleapis_com_data_ac cess Interacciones de nivel de datos de alta intensidad y consultas de búsqueda Métricas agregadas fuera de la consulta (Tabla de exportación por lotes) Asientos reclamados, compras de asientos y métricas de participación de los últimos 30 días. Para recuperarlos de forma asíncrona a través de las ejecuciones diarias por lotes de la API de exportación de métricas para construir paneles de adopción y costos de alto nivel. Ruta de ingestión y arquitectura Para implementar la visibilidad a escala, los administradores establecen una tubería de telemetría automatizada. Mover los datos de Gemini Enterprise a BigQuery no requiere un desarrollo de software personalizado complejo; en cambio, aprovecha un Router de registro continuo de Cloud Logging para registros conversacionales y una API de exportación por lotes asíncrona para métricas agregadas de alto nivel. El siguiente diagrama ilustra la tubería de ingestión y cómo se mapea la telemetría a BigQuery: Aquí está su esquema para conectar Gemini Enterprise a BigQuery para construir la base de análisis y gobierno definitiva para su organización. Rutas de la tubería: Registro y auditoría continuos Para capturar su telemetría, establezca puntos de registro dentro de Cloud Logging para interceptar y enrutar eventos de ejecución a BigQuery: Tubería de flujo (registros detallados): Flujos de datos conversacionales por fila (solicitudes, opciones de modelo y eventos de enraizamiento). Asegúrese de que la habilitación de la escritura y la auditoría estén habilitadas en su consola de administración de Gemini Enterprise (ver Configuración de registros de uso y auditoría). Filtro de inclusión (reemplace [PROJECT_ID] con su ID de proyecto de Google Cloud): Ruta de auditoría (registros de administración): Captura acciones administrativas (Actividad de administración) y operaciones de nivel de datos (por ejemplo, conexión de conectores de datos). Filtro de inclusión (reemplace [PROJECT_ID] con su ID de proyecto de Google Cloud): Administración de Actividad: Siempre habilitado por defecto, rastrea los cambios de recursos (por ejemplo, creación, actualizaciones, eliminaciones de agentes). Registros de Acceso de Datos: Deshabilitado por defecto, debe habilitarse en la configuración de IAM de la API de Discovery Engine para que el Discovery Engine registre las interacciones de lectura/escritura de nivel de usuario durante las conversaciones. Desbloquee la inteligencia avanzada en BigQuery Transforme los datos de telemetría brutos en información BigQuery proporciona herramientas de análisis impulsadas por IA que hacen que la comprensión y la navegación de la telemetría sean sencillas. Al aprovechar Gemini en BigQuery, los administradores pueden traducir los flujos de registros brutos en información visual y documentación clara sin adivinaciones manuales. Análisis conversacional sin código (BQ CA) BQ CA facilita la consulta de esquemas JSON anidados con Conversational Analytics en BigQuery (BQ CA). BQ CA actúa como un agente inteligente dentro de BigQuery Studio, generando y ejecutando automáticamente SQL basado en su esquema, metadatos comerciales y consultas/UDF verificadas para garantizar la consistencia de las métricas. También muestra su proceso de pensamiento junto con el código generado para construir la confianza administrativa. Por ejemplo, como se muestra en la siguiente captura de pantalla, al preguntar “¿Comparar el uso de NotebookLM, la investigación profunda y los agentes personalizados usando las métricas de salida”, genera la consulta correcta, ejecuta la consulta y produce el resultado en segundos: Como se muestra en la siguiente captura de pantalla, BQ CA va más allá de la consulta y la generación estándar de SQL al permitir a los usuarios ejecutar tareas de IA y aprendizaje automático directamente en la consola. Los administradores pueden utilizar estas capacidades nativas para realizar análisis avanzados, como la clasificación del sentimiento de la solicitud de usuario o la previsión de las tendencias de adopción, lo que simplifica el proceso de gobierno. Documentación de esquema y información generadas automáticamente Entender los campos de telemetría como useriamprincipal, finish_reason o groundedContent es crucial para extraer la información correcta. BigQuery lo simplifica a través de la documentación automatizada de esquema y la información impulsada por IA: Perfilado y metadatos automatizados: Al combinar Knowledge Catalog Data Profiling con Gemini, puede evaluar los valores únicos, las tasas de nulidad y las distribuciones de datos en las tablas. Con un solo clic, Insights de datos genera metadatos descriptivos para ambas tablas y columnas individuales anidadas. Información de datos unificada: Gemini utiliza este contexto rico para proporcionar información en todo su conjunto de datos. Automáticamente recomienda consultas para encontrar anomalías o fallas de seguridad dentro de una sola tabla (como gen_ai_user_message). A nivel de conjunto de datos (previsualización), genera un gráfico interactivo de mapeo de rutas de unión de tablas e identifica consultas que combinan datos (como la actividad del usuario y las salidas del modelo) para calcular la complejidad de la tarea. Integración y glosarios de agentes sin problemas: Las tablas y los conocimientos de datos se integran directamente en la IU del agente de Conversational Analytics (BQ CA), lo que permite a los agentes acceder inmediatamente a los metadatos enriquecidos y a los ejemplos de pocos disparos. Para garantizar que los agentes interpreten con precisión los términos del dominio, BQ CA también admite glosarios comerciales. Puede definir términos personalizados para sus agentes o importar glosarios existentes desde Knowledge Catalog para establecer un vocabulario estandarizado. Los administradores pueden entonces utilizar el perfilado, la información enriquecida y las ideas para navegar los campos registrados, comprender la estructura de la telemetría y catalogar los datos para auditorías de cumplimiento. Como se muestra en las siguientes capturas de pantalla, la generación automática de esquema, descripciones y enlaces facilita la comprensión de las complejas relaciones y datos de telemetría que producen las interacciones del agente con la aplicación Gemini Enterprise. Visualización con paneles de Data Studio Para las partes interesadas ejecutivas, las tablas de registro brutas pueden transformarse en paneles de información empresarial interactivos e impactantes. Al conectar Data Studio directamente a BigQuery, puede construir paneles que supervisen: Adopción de usuarios y retorno de la inversión en asientos: Segmenta las tendencias de uso por departamento, destacando la proporción de agentes personalizados con respecto al número de empleados. Tráfico de conexión de datos: Mapea qué conectores de enterprise (como SharePoint, Google Drive o Gmail) experimentan el mayor uso. Seguridad y violaciones de contenido: Rastrear los bloques de Model Armor y los bucles de retroalimentación de sentimiento con el tiempo para mantener los estándares de seguridad. Comparta un agente BQCA: Comparta los agentes BQCA que ha creado a través de Data Studio para dar a los usuarios de negocio la capacidad de hacer más preguntas de los datos. Empodere a su organización con la aplicación Gemini Enterprise y a sus administradores con BigQuery. Implemente la aplicación Gemini Enterprise: Lleve las mejores capacidades de la IA de Google a todos los empleados. Habilite la escritura y la auditoría: active la escritura y la auditoría en la consola de administración de Gemini Enterprise (ver Configuración de registros de uso y auditoría). Configure los puntos de registro: establezca puntos de registro dentro de Cloud Logging para interceptar y enrutar los eventos de ejecución a BigQuery: Tubería de flujo (registros detallados): Flujos de datos conversacionales por fila (solicitudes, opciones de modelo y eventos de enraizamiento). Asegúrese de que la habilitación de la escritura y la auditoría estén habilitadas en su consola de administración de Gemini Enterprise (ver Configuración de registros de uso y auditoría). Consulte un ingeniero de cliente de Google Cloud para obtener la configuración más rentable y segura para el conjunto de herramientas descrito anteriormente.