Llevando análisis conversacional a todo tu ecosistema de datos

Aumentar la adopción de la inteligencia artificial generativa en toda la empresa requiere hacer más que desplegar un chatbot genérico con un envoltorio personalizado. Interactuar con bases de datos críticas para el negocio exige una confianza absoluta, una gobernanza estricta y un profundo conocimiento de la semántica empresarial. En el último año, la Analítica Conversacional (CA) en Google Cloud ha pasado de experimentos aislados a implementaciones escaladas y a nivel empresarial. BigQuery Conversational Analytics y la API de Conversational Analytics están ahora disponibles en general, sumándose a la disponibilidad general de Conversational Analytics en Looker el año pasado. Aprovechando este impulso, Conversational Analytics en Bases de Datos también está disponible en Vista Previa. Y ha sucedido mucho más: Google Cloud Conversational Analytics está disponible para más datos, en más superficies, con más controles empresariales y mayor capacidad que nunca. Echemos un vistazo más profundo al estado de Conversational Analytics en Google Data Cloud: lo que puede hacer con él, los beneficios que aporta y cómo comenzar a usarlo hoy. Consulta a través de cargas de trabajo multicloud y bases de datos Conversational Analytics ya está disponible en general para BigQuery y Looker, y en vista previa para AlloyDB, Cloud SQL y Spanner. También puede analizar datos almacenados en tablas de Lakehouse Managed Service, catálogos REST de Apache Iceberg y catálogos federados de AWS S3 Unity. Ya sea que sus datos residan exclusivamente en Google Cloud o a través de múltiples proveedores de nubes, sus agentes pueden consultarlos de manera nativa. Para los profesionales de datos, Conversational Analytics está integrado directamente en BigQuery Studio, BigQuery Data Canvas y Database Studio. Para los equipos de negocios, estas capacidades conversacionales se extienden directamente a Looker, Data Studio y Gemini Enterprise. Los equipos de datos pueden publicar agentes de Conversational Analytics creados en BigQuery, Looker, AlloyDB, Spanner y Cloud SQL directamente en Gemini Enterprise, brindando a los líderes empresariales una interfaz centralizada para consultar datos complejos de forma segura. Nuestras API y herramientas MCP le permiten integrar Conversational Analytics dondequiera que trabajen sus usuarios empresariales, como aplicaciones personalizadas y sistemas de múltiples agentes, o como un chatbot de Slack que puede responder preguntas a través de fuentes de datos, como mostramos en Google Cloud Next. Seguridad empresarial y controles de gobernanza Escalar la inteligencia artificial generativa a decenas de miles de usuarios requiere gobernanza sólida y controles de costos transparentes. Conversational Analytics incluye Claves de Cifrado Administradas por el Cliente (CMEK), IP Privada y controles de Nube Privada Virtual (VPC). Garantizamos la Residencia de Datos (DRZ) en reposo y el procesamiento de aprendizaje automático dentro de puntos de acceso multirregionales en la Unión Europea y los Estados Unidos, junto con el cumplimiento de HIPAA. Para el acceso a datos, los controles basados en roles, incluyendo vistas seguras parametrizadas en AlloyDB para PostgreSQL, ayudan a garantizar que los usuarios que chatean con un agente solo vean los datos a los que están autorizados a acceder, aplicándose con permisos a nivel de fila y columna. Monitorear Conversational Analytics en BigQuery para rastrear la salud de la flota de agentes, usuarios activos, volúmenes de consultas y las principales fuentes de conocimiento. A medida que el uso crece, los administradores necesitan herramientas para gestionar costos, observar la salud del sistema y mejorar la precisión. Puede configurar controles de costos nativos para definir límites en el tamaño máximo de las consultas en bytes y rastrear el uso a través de etiquetas de consulta de BigQuery y registros de actividad del sistema de Looker. Para mantener la visibilidad de la flota, los agentes también pueden exportar métricas de salud, uso de herramientas, latencia y consumo de tokens a través de estándares de OpenTelemetry (OTEL). Los ciclos de retroalimentación integrados permiten a los administradores revisar trazas de agentes y comentarios de usuarios, estableciendo una base para la evaluación continua y mejoras en la precisión a lo largo del tiempo. Contexto fundamentado a través del co-diseño de agentes y datos Envolver un LLM genérico alrededor de una base de datos empresarial a veces puede conducir a una lógica errónea. Para minimizar esto, co-diseñamos los agentes de Conversational Analytics junto a las plataformas de datos que consultan. Por ejemplo, los agentes aprovechan el Catálogo de Conocimiento para el descubrimiento de datos, glosarios y enriquecimiento de contexto automatizado, como uniones de tablas y descripciones. Los Graphs de BigQuery y Spanner permiten a los agentes consultar datos estructurados y no estructurados a través de relaciones de múltiples saltos. Además, la capa semántica de Looker (LookML) fundamenta las respuestas de los agentes en definiciones de métricas gobernadas centralmente, ayudando a asegurar que las respuestas sean determinísticas en lugar de depender de uniones SQL adivinadas. Fundamentar Conversational Analytics a través del Catálogo de Conocimiento, Graph de BigQuery y el modelo semántico de Looker ayuda a garantizar respuestas determinísticas y gobernadas por la empresa. Los agentes de Conversational Analytics también son co-diseñados con los datos que consultan. Esto significa que sus herramientas son conscientes del contexto, para tener la mejor comprensión de los metadatos. También se benefician de capacidades integradas como consultas de datos multimodales utilizando tablas de objetos de BigQuery, operando sobre datos multimodales con ai.search, ai.generate_embedding, ai.classify, ai.score y utilizando ai.forecast y ai.detect_anomalies para utilizar la base TimesFM para pronóstico y detección de anomalías. Además, ai.key_drivers realiza un análisis de contribuciones automatizado para identificar exactamente qué está impulsando cambios inesperados en sus datos. Cuando se integra con Looker, estos agentes aprovechan la capa semántica para fundamentar sus respuestas en métricas determinísticas gobernadas centralmente. Para evitar alucinaciones de IA, este enfoque primero de API (utilizando ‘Consultas Doradas’) asegura que los agentes recuperen lógica de negocios verificada en lugar de adivinar uniones SQL. Looker también equipa a los agentes para navegar sin problemas por conjuntos de datos de alta cardinalidad con filtrado dinámico, imponer automáticamente seguridad a nivel de fila durante la experiencia de chat y presentar preguntas sugeridas conscientes del contexto. Perspectivas proactivas con flujos de trabajo Agentic La analítica está evolucionando de una simple respuesta a preguntas reactivas hacia una inteligencia proactiva. Es decir, en lugar de requerir que los usuarios hagan la pregunta correcta en el momento adecuado, los agentes de Conversational Analytics pueden realizar análisis profundos multidimensionales para analizar de 10 a 20 factores contribuyentes detrás de un cambio en una métrica. Con Flujos de trabajo Agentic, ahora en vista previa, puede programar rutinas de informes automatizados entregados directamente en su flujo de trabajo de chat. Los agentes ejecutan continuamente detección de anomalías en métricas clave, enviando resúmenes diarios o semanales directamente a su equipo. La detección de anomalías en tiempo real también puede lanzar un agente automáticamente en el momento en que una métrica clave se desvía de los umbrales base. Realizar un análisis profundo en múltiples pasos en Conversational Analytics para investigar automáticamente relaciones de datos complejas a través de conjuntos de datos empresariales. Integración flexible con APIs, SDKs y MCP Conversational Analytics está disponible para desarrolladores y usuarios empresariales en sus entornos existentes. La API de Conversational Analytics incluye SDKs nativos para Node.js, Java, Go, Python, PHP, Ruby y .NET, manteniendo los conocimientos donde ocurre el trabajo. Estamos ampliando cómo y dónde las personas utilizan Conversational Analytics, comenzando con Tableros de Looker y Data Studio, además de apoyar la publicación de agentes en Gemini Enterprise. También puede agregar Conversational Analytics a otros sistemas de múltiples agentes. Utilizando el Kit de Desarrollo de Agentes (ADK) y el Protocolo de Contexto de Modelo (MCP), puede integrar Conversational Analytics en aplicaciones personalizadas, bots de Slack o orquestadores de múltiples agentes. Por ejemplo, un agente orquestador de la cadena de suministro puede consultar a un agente de datos financieros para calcular el impacto del margen de un retraso en el envío en tiempo real. Comience con Conversational Analytics Google Cloud Conversational Analytics unifica su patrimonio de datos, control de seguridad y APIs de desarrollador para ofrecer perspectivas proactivas de datos donde quiera que trabaje su equipo. Explore nuestra documentación de Conversational Analytics, revise nuestros repositorios de inicio rápido y regístrese para probar nuestras nuevas vistas previas hoy.