Preguntarle al tablero en vez de filtrarlo
Un agente de IA conectado al modelo semántico responde en lenguaje natural sobre alojamientos, reseñas y calendario. La cifra sale de las mismas definiciones que usa el reporte, no de una suposición del modelo de lenguaje.
El reto
Un tablero solo responde lo que alguien previó al diseñarlo. Para todo lo demás hay que recorrer visuales, ajustar filtros o pedirle el dato a un analista, y la respuesta tarda horas o días.
- Consultas que se repiten: el analista contesta la misma pregunta con distinto filtro.
- Cifras que no coinciden: un copiloto suelto sobre las tablas crudas inventa su propia definición de cada métrica.
Cómo está construido
La pieza que hace confiable al agente no es el modelo de lenguaje: es la capa semántica. El agente no consulta tablas sueltas, consulta las medidas ya definidas y validadas.
Datos y definiciones
- Microsoft Fabric: modelo semántico con las métricas del negocio.
- Power BI: capa visual y punto de entrada del usuario.
IA y orquestación
- n8n: orquesta la conversación y la consulta al modelo.
- LLM: interpreta la pregunta y redacta la respuesta en español.
Qué permite
Autonomía
Quien no sabe usar Power BI igual obtiene la cifra, preguntando en español.
Consistencia
Una sola definición de cada métrica para el tablero y para el agente.
Menos consultas manuales
Las preguntas recurrentes dejan de pasar por el analista.
El siguiente reto
Conectar la IA con los datos es la parte fácil. Llevarlo a producción exige resolver permisos, seguridad a nivel de fila y gobierno del dato. Ahí es donde se decide si el proyecto sobrevive.
¿Quieres algo así sobre tus propios datos?
Consultar proyecto