Por Canuto  

Google Cloud ofrece un agente de BigQuery capaz de construir, modificar y administrar pipelines mediante instrucciones en lenguaje natural, mientras la compañía refuerza el acompañamiento técnico para su adopción empresarial.
***

  • El agente de ingeniería de datos de BigQuery puede crear, modificar y gestionar pipelines a partir de instrucciones en lenguaje natural.
  • Google describe una reducción del 90% en el tiempo necesario para ciertas migraciones manuales de ETL, según un caso comunicado por la compañía.
  • La estrategia de Google Cloud combina automatización de datos con ingenieros especializados para apoyar la implementación de sus productos de IA en empresas.

Google Cloud está impulsando un agente de inteligencia artificial para automatizar una de las tareas más costosas y repetitivas de los equipos de datos: la preparación de información antes del análisis. La herramienta, integrada en BigQuery, permite construir, modificar y gestionar pipelines mediante instrucciones en lenguaje natural, en lugar de escribir manualmente scripts complejos de extracción, transformación y carga, conocidos como ETL.

La apuesta tecnológica llega acompañada de un plan de contratación que contempla cientos de ingenieros de despliegue avanzado a partir de 2026. La estrategia muestra que Google no interpreta la automatización como una sustitución inmediata de los especialistas humanos, sino como una herramienta que todavía requiere personal técnico para adaptar los productos de IA a las necesidades concretas de los clientes empresariales.

Un agente para el trabajo previo al análisis

BigQuery es el almacén de datos en la nube de Google y se ha convertido en uno de los principales espacios donde la compañía incorpora funciones de inteligencia artificial. El nuevo Agente de Ingeniería de Datos puede construir, modificar y gestionar pipelines basándose en órdenes escritas de forma conversacional, una capacidad que pretende reducir la dependencia de código elaborado para tareas habituales de integración.

En un flujo tradicional, los equipos deben preparar scripts ETL, revisar formatos, corregir inconsistencias y mantener conexiones entre distintas fuentes de información antes de ejecutar un análisis. Con el agente, un ingeniero puede describir el resultado deseado y dejar que la herramienta proponga o ejecute buena parte de la configuración técnica, aunque la supervisión humana continúa siendo necesaria para validar los resultados y controlar los permisos.

La preparación de datos incluye procesos como limpieza, formateo y administración de pipelines. Ese peso operativo convierte la automatización en un argumento relevante para las empresas que buscan acelerar proyectos de analítica, ciencia de datos y aplicaciones basadas en IA.

La versión preliminar de la herramienta fue lanzada el 22 de abril de 2025 y Google anunció su disponibilidad general para el 22 de abril de 2026. La compañía también ha ampliado las funciones de IA de BigQuery hacia flujos de trabajo de ciencia de datos, análisis conversacional y tareas de observabilidad, lo que sitúa al agente dentro de una estrategia más amplia para convertir el almacén de datos en un entorno operativo asistido por IA.

Automatización y resultados iniciales

El principal atractivo comercial de la propuesta está en el tiempo que puede ahorrar durante las migraciones de ETL. Google comunicó que el uso del agente produjo una reducción del 90% en el tiempo normalmente requerido para una migración manual de ETL en un caso de adopción inicial.

Ese resultado debe entenderse como una métrica comunicada por Google para un caso concreto, no como una garantía universal para todas las empresas o configuraciones de datos. Las migraciones dependen de la calidad de las fuentes, la complejidad de los sistemas existentes y los controles internos, factores que pueden determinar cuánto trabajo permanece en manos de los ingenieros incluso cuando una herramienta genera código o configura componentes automáticamente.

Para los compradores corporativos, sin embargo, una reducción de esa magnitud puede modificar la evaluación económica de un proyecto de modernización. Menos tiempo de migración puede significar una puesta en marcha más rápida, menor presión sobre equipos especializados y una oportunidad para redirigir recursos hacia modelos analíticos, productos digitales o controles de calidad.

El agente no elimina la necesidad de definir objetivos, validar resultados y controlar permisos sobre información sensible. La automatización puede encargarse de tareas mecánicas, pero la organización todavía debe decidir qué datos utilizar, cómo transformarlos y qué estándares aplicar antes de permitir que los resultados alimenten decisiones empresariales.

Causas de movimientos recientes

(a) Confirmado: el avance descrito responde a la disponibilidad general del Agente de Ingeniería de Datos de BigQuery y a su integración con las herramientas de datos de Google Cloud. La compañía presentó la reducción del 90% en una migración manual de ETL como un resultado de adopción, no como una explicación universal para todos los proyectos.

(b) Plausible: la automatización de pipelines, la generación de esquemas y el acompañamiento de ingenieros especializados pueden acelerar la adopción empresarial de agentes de IA. No obstante, la información disponible no permite atribuir a un único factor los cambios en el interés o en la actividad del mercado.

Google ampliará su equipo de implementación

Google anunció planes para contratar a cientos de ingenieros de despliegue avanzado, conocidos por las siglas FDE, desde 2026. Estos profesionales tendrán la tarea de trabajar directamente con clientes empresariales para facilitar la adopción de productos como Gemini y los agentes de Vertex AI, además de apoyar la implementación de las capacidades de datos que ofrece Google Cloud.

El movimiento responde a una dificultad frecuente en los proyectos corporativos de inteligencia artificial: comprar una herramienta no equivale a integrarla con éxito en los sistemas existentes. Las compañías suelen necesitar especialistas que entiendan sus arquitecturas, procesos de seguridad y objetivos operativos, por lo que Google busca complementar la oferta comercial con recursos técnicos capaces de acompañar el despliegue.

La dirección de Google Cloud ha insistido en que una implementación efectiva de IA empresarial requiere capacidades que van mucho más allá de las que puede ofrecer un equipo tradicional de ventas. Esa visión coloca a los FDE como intermediarios entre el producto y el uso real, con una función orientada a resolver obstáculos técnicos y acelerar la adopción por parte de organizaciones grandes.

La paradoja es evidente: Google promociona agentes capaces de asumir tareas que antes realizaban ingenieros de datos, al tiempo que aumenta la contratación de profesionales para ayudar a las empresas a utilizar esas mismas herramientas. La compañía parece apostar por una redistribución del trabajo, donde la IA se ocupa de la ejecución repetitiva y los humanos concentran más esfuerzos en diseño, supervisión e implementación.

Una competencia cada vez más intensa

La gestión de datos empresariales se ha convertido en un campo de competencia para los agentes de IA. Microsoft, Amazon Web Services y Databricks también invierten en capacidades destinadas a automatizar flujos de trabajo, asistir a los equipos técnicos y permitir que usuarios empresariales interactúen con sistemas complejos mediante lenguaje natural.

En este escenario, la reducción del 90% en el tiempo de migración ETL puede funcionar como un elemento diferenciador durante los procesos de compra. Las migraciones suelen ser especialmente impopulares dentro de las organizaciones porque combinan sistemas heredados, dependencias difíciles de rastrear y riesgos operativos que pueden retrasar durante meses la obtención de resultados.

La competencia no se decidirá únicamente por quién ofrece el agente más conversacional o la demostración más llamativa. También influirán la precisión de las transformaciones, la capacidad de auditar cambios, la integración con servicios existentes y la facilidad con la que los equipos puedan corregir una recomendación generada por IA.

Para Google, BigQuery ofrece una posición estratégica porque conecta almacenamiento, análisis y herramientas de inteligencia artificial dentro de un mismo entorno de nube. La empresa deberá demostrar que esa integración produce beneficios sostenibles y que el acompañamiento de sus ingenieros puede convertir una función asistida por IA en una solución confiable para operaciones críticas.

Qué significa para los equipos de datos

La llegada de agentes a la preparación de datos puede cambiar el perfil del trabajo cotidiano de los ingenieros, pero no necesariamente reduce su importancia. En lugar de dedicar la mayor parte de la jornada a escribir y mantener transformaciones repetitivas, algunos profesionales podrían enfocarse en definir arquitecturas, revisar la calidad de los resultados y establecer reglas para el uso responsable de la automatización.

Ese cambio también plantea nuevas exigencias de supervisión. Un pipeline creado desde una instrucción ambigua puede producir resultados técnicamente válidos, pero incompletos o inadecuados para el objetivo empresarial, por lo que la capacidad de formular requisitos claros y verificar cada salida seguirá siendo determinante.

Las empresas que evalúen estas herramientas tendrán que comparar el ahorro potencial con los costos de integración, capacitación y control. El interés por automatizar la preparación de datos explica la atención que reciben estos agentes, pero no sustituye una evaluación detallada de cada entorno tecnológico.

Google presenta su plan como una combinación de automatización y asistencia especializada, no como una retirada de los humanos del proceso. El resultado dependerá de si el agente logra reducir el trabajo pesado sin trasladar nuevos riesgos de calidad, seguridad y gobernanza a los mismos equipos que pretende ayudar.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados