El agente de ingeniería de datos en BigQuery es un asistente inteligente potenciado por Gemini que va más allá de la simple finalización de código para proporcionar automatización de tareas de extremo a extremo. Se basa en tu entorno de datos específico: usa metadatos de Dataplex para comprender tus esquemas, linaje y definiciones empresariales. Puede manejar de forma autónoma todo el ciclo de vida de los datos: desde descubrir conjuntos de datos relevantes y generar transformaciones complejas de SQL o PySpark hasta organizar esos trabajos a través de Dataform o Cloud Composer. Con la automatización del "trabajo repetitivo" de la ingeniería de datos (como la reparación de canalizaciones rotas, la documentación de código heredado o la migración de consultas de almacenes de datos más antiguos), se transforma el rol del ingeniero de datos de un programador manual a un arquitecto que supervisa flujos de trabajo basados en IA.

El Agente de ciencia de datos en BigQuery acelera el desarrollo de la ciencia de datos con capacidades de agente que facilitan la exploración y transformación de datos, así como el modelado del AA.

Con una instrucción simple, el agente genera un plan detallado que abarca todos los aspectos del modelado de ciencia de datos, desde la carga de datos, la exploración, la limpieza, la visualización, la ingeniería de atributos, la división de datos, el entrenamiento y la optimización de modelos hasta la evaluación. Si el agente comete un error, puede autocorregirse y generar un nuevo código para rectificarlo. Mantienes el control total, con la capacidad de aprobar cada paso y hacer ediciones manuales si lo deseas.

El agente también tiene un conocimiento contextual completo de tu notebook, ya que comprende el código, las variables y los resultados existentes para proporcionar código personalizado para cada paso del plan, lo que te permite realizar cambios iterativos en tu código existente.

Conversational Analytics en BigQuery es un sofisticado motor de razonamiento potenciado por IA que elimina el “cuello de botella de los análisis” permitiendo que los equipos de datos acorten la brecha entre las preguntas empresariales y las respuestas confiables a través de una interacción intuitiva en lenguaje natural.

Este agente, potenciado por los modelos de Gemini más recientes, va más allá de la traducción simple y fundamenta su lógica en los recursos de datos existentes de tu organización, en particular, aprovechando metadatos, descripciones de tablas y columnas, glosarios empresariales y funciones definidas por el usuario, para garantizar que cada resultado generado se alinee perfectamente con las definiciones empresariales internas. Además de generar informes simples, el agente usa la IA de BigQuery para proyectar resultados futuros y, además, interpreta datos no estructurados, como imágenes en tablas de objetos, para convertir información oculta en datos prácticos.

Conversational Analytics en Looker simplifica la inteligencia empresarial, ya que permite a los usuarios empresariales encontrar respuestas con lenguaje natural. Esto reduce la carga de los analistas de datos y facilita una toma de decisiones más rápida y confiable. Los usuarios empresariales pueden hacer preguntas directas sobre el rendimiento del producto o las tendencias de tráfico sin necesidad de comprender nombres de campos complejos.

Además de las consultas simples, proporciona un marco de trabajo integral para la administración del ciclo de vida, que incorpora seguridad de nivel empresarial y administración de usuarios directamente en la capa de consumo. La capa semántica universal de Looker garantiza que las métricas como los ingresos y la deserción sigan siendo coherentes en toda la empresa, ya que crea una unidad central para el contexto, las definiciones y las relaciones de los datos.

La API de Conversational Analytics permite a los desarrolladores incorporar la funcionalidad de consulta en lenguaje natural en aplicaciones personalizadas, herramientas internas o flujos de trabajo, todo respaldado por un acceso confiable a los datos y un modelado de datos escalable y confiable. Es la misma API que impulsa las experiencias conversacionales listas para usar en Looker y BigQuery.

La API de Conversational Analytics te permite crear experiencias de datos personalizadas que proporcionan datos, gráficos y respuestas de texto, a la vez que aprovechan el modelo semántico confiable de Looker para la precisión o proporcionan contexto empresarial y de datos fundamental a los agentes en BigQuery. Puedes incorporar esta funcionalidad para crear experiencias de datos intuitivas, habilitar análisis complejos a través del lenguaje natural y hasta organizar agentes de análisis conversacional como "herramientas" para un agente organizador con el Kit de desarrollo de agentes.

Las herramientas de desarrollo de agentes de Google Cloud reducen la necesidad de que los desarrolladores creen conectores de bases de datos personalizados a través de los métodos de integración de ADK y MCP.

El servidor de MCP para BigQuery permite que un agente de IA y clientes de MCP interpreten esquemas y ejecuten consultas en datos de BigQuery, a la vez que reduce los riesgos de seguridad o administración, o la latencia asociada con el traslado de datos a ventanas de contexto.

Para obtener más flexibilidad y control, usa MCP Toolbox, un servidor de código abierto que centraliza el hosting y la administración de conjuntos de herramientas, lo que desacopla las aplicaciones de agente de la interacción directa con la base de datos. También está disponible con una variedad de IDEs y herramientas para desarrolladores, como Gemini CLI y Antigravity, lo que te permite conectar de forma segura tus agentes de IA a servicios como AlloyDB, BigQuery, Spanner, Looker y muchos más.

Además, el conjunto de herramientas de integración de ADK de BigQuery incluye funciones listas para usar que permiten a los agentes de forma autónoma: explorar datos, comprender esquemas, ejecutar consultas y previsiones, y obtener estadísticas con lenguaje natural.