Agentes de IA Basados en BigQuery: La Revolución del Analista de Datos Autónomo

El Salto de Paradigma: Del LLM Aislado al Agente de Datos Empresarial

Muchas organizaciones intentan integrar herramientas conversacionales de propósito general (como ChatGPT o asistentes sin estado) esperando que actúen como científicos de datos. El resultado recurrente es el fallo: cálculos erróneos, incapacidad de consultar petabytes de transacciones históricas y respuestas estáticas sin correlación con la realidad operativa.

Un Agente de Inteligencia Artificial basado en BigData centraliza transacciones, métricas de adquisición (CAC), inventario y finanzas en un Data Warehouse gobernado (BigQuery). El modelo de lenguaje actúa únicamente como la capa de razonamiento y enrutamiento (Reasoning Engine), delegando el cómputo algebraico y el filtrado a motores analíticos optimizados.

Antipatrones Comunes y Riesgos de FinOps en Producción

Otro antipatrón recurrente es la sobrecarga del contexto del LLM inyectando miles de filas crudas en el prompt. El agente debe devolver resúmenes procesados o esquemas tabulares estructurados (JSON), delegando la agregación matemática a SQL y la representación visual al intérprete de código.

Implementación Práctica: Orquestación Multi-Agente con ADK y Vertex AI

A continuación se presenta el patrón de diseño para estructurar un RootAgent que enruta preguntas de negocio hacia sub-agentes especializados: el DataAgent (encargado de consultar BigQuery de forma determinista) y el VisualizationAgent (encargado de generar gráficos con Python y Pandas).

# ==============================================================================
# Framework de Agentes de Datos con Vertex AI y BigQuery
# Autor: Eduardo Martínez Agrelo | AI & Data Architect
# ==============================================================================

import os
from google.cloud import bigquery
from vertexai.preview.extensions import Extension
from vertexai.generative_models import GenerativeModel, Tool, FunctionDeclaration

# Configuración del entorno y clientes GCP
PROJECT_ID = os.getenv("GCP_PROJECT_ID", "tu-proyecto-gcp")
DATASET_ID = "demo_dataset_stock_finanzas"
MODEL_NAME = "gemini-1.5-pro"

# 1. Definición de Herramientas Deterministas para BigQuery
def query_bigquery(sql_query: str) -> str:
    """Ejecuta una consulta SQL en BigQuery con límites de seguridad FinOps."""
    client = bigquery.Client(project=PROJECT_ID)
    job_config = bigquery.QueryJobConfig(
        maximum_bytes_billed=100 * 1024 * 1024,  # Límite: 100 MB por consulta
        use_query_cache=True
    )
    try:
        query_job = client.query(sql_query, job_config=job_config)
        results = query_job.to_dataframe()
        return results.to_json(orient="records", date_format="iso")
    except Exception as e:
        return f'{{"error": "{str(e)}}}"'

# 2. Configuración de Sub-Agentes Especializados

# Sub-Agente 1: Analista de BigQuery (DataAgent)
data_agent_instructions = f"""
Eres un asistente experto en BigQuery y analítica SQL.
Tu base de datos es `{PROJECT_ID}.{DATASET_ID}`.
Tablas disponibles:
- `transacciones_financieras`: fecha, canal_venta, ingreso_total, coste_adquisicion, linea_producto, margen_total.
- `inventario_stock`: id_producto, sku, nombre_producto, stock_disponible, fecha_ultima_recepcion.

Reglas:
1. Genera SQL estándar optimizado, siempre filtrando por fechas o particiones.
2. Devuelve los datos numéricos en formato JSON estructurado.
3. No intentes adivinar datos ausentes; consulta directamente las tablas.
"""

# Sub-Agente 2: Especialista en Visualización (VisualizationAgent)
visualization_agent_instructions = """
Eres un especialista en visualización de datos en Python.
Recibes un JSON con datos numéricos y generas scripts limpios usando Matplotlib/Seaborn.
Asegúrate de:
1. Ordenar adecuadamente las series (ej: stock decreciente o margen por categoría).
2. Etiquetar ejes y títulos con claridad corporativa.
3. Ejecutar el script en el Code Interpreter para renderizar el gráfico.
"""

# 3. Orquestador Principal (RootAgent)
root_agent_instructions = """
Eres el Asistente Analítico Principal. Coordinas el flujo de trabajo:
1. Recibes la pregunta de negocio (ventas, stock, finanzas, márgenes, CAC).
2. Envías la solicitud al `DataAgent` para consultar BigQuery.
3. Presentas el resumen en texto legible con formato Markdown.
4. Si los datos son visualizables (distribuciones, series temporales, rankings),
   ofreces al usuario renderizar un gráfico y delegas al `VisualizationAgent`.
"""

# Instanciación del Modelo Orquestador
analyst_orchestrator = GenerativeModel(
    model_name=MODEL_NAME,
    system_instruction=root_agent_instructions
)

print("[✓] Arquitectura de Agente Analítico inicializada con éxito.")

Patrones de Diseño y Mejores Prácticas Empresariales

Framework de Implementación en 5 Pasos

1. Centralización del Modelo de Datos en BigQuery: Unifica inventario, ventas, marketing y finanzas en esquemas relacionales consistentes con metadatos descriptivos en cada columna.
2. Definición del Diccionario Semántico: Documenta métricas clave como CAC, LTV, ROAS y margen bruto en el catálogo de datos para que el agente interprete los términos de negocio sin ambigüedad.
3. Desarrollo y Testeo de Sub-Agentes en Local: Utiliza el Agent Development Kit (ADK) para iterar localmente en los prompts del sistema y los contratos JSON entre herramientas.
4. Implementación de Guardrails y FinOps: Aplica límites de escaneo por consulta y filtros de validación de sintaxis antes de llamar a las APIs de BigQuery.
5. Despliegue Empresarial en Vertex AI: Publica los agentes en endpoints gestionados con integración directa a canales corporativos (Slack, Teams o portales internos de BI).