Los agentes ya leen sus definiciones de negocio donde viven. Siguiente: ¿qué definición de margen neto gana?

Pida a dos agentes el margen neto del último trimestre. Uno lee el modelo LookML del equipo de finanzas; el otro lee una métrica de dbt que un equipo de analítica escribió hace dos años para un propósito diferente. Ambos responden con confianza, con un punto y medio de diferencia. Ninguno está alucinando. Están leyendo dos definiciones de la misma palabra.

Ese problema se acercó más al centro de la arquitectura de agentes el 8 de octubre. En Gemini at Work, Google presentó un Knowledge Catalog para “mapear definiciones de negocio una vez para que todos los agentes las usen”, para términos como “margen neto” y “mercado direccionable”. Gemini, según Google, lee esas definiciones “directamente donde están” en Databricks, dbt, LookML o SAP, en lugar de pedir a los clientes que las muevan. El mismo día, Databricks puso su Discover page and domains en disponibilidad general: los dominios y subdominios organizan tablas, dashboards, notebooks y Genie Agents por área de negocio, para que las personas encuentren activos sin conocer la jerarquía del catálogo.

Google no dio un estado de lanzamiento para el Knowledge Catalog. Aun así, la dirección en ambos proveedores es clara: el significado de negocio se está convirtiendo en algo que los agentes consultan, no en algo que los analistas recuerdan.

Dónde reside el significado de negocio para los agentes

Agentes y asistentes

• Gemini
• Genie Agents
• Otros copilots

Definiciones de negocio compartidas

• Margen neto
• Cliente activo
• Plantilla

Cada término necesita un responsable, una versión y una prueba

Dónde se escriben las definiciones hoy

• dbt
• LookML
• Databricks
• SAP

Datos

• Tablas
• Documentos
• Objetos

Leer en el lugar expone conflictos; no los resuelve

Leer las definiciones donde ya viven es el diseño correcto. Es la capa que hemos argumentado que las empresas deberían poseer una vez entre proveedores, y evita otro modelo semántico que se aleja de los originales. En nuestro análisis de Genie One para finanzas reguladas, la ontología gobernada importaba más que la interfaz de chat por la misma razón.

Pero un catálogo que lee de cuatro fuentes hereda los desacuerdos entre ellas. Cuando dbt y LookML definen el margen neto de manera diferente, un catálogo federado muestra dos respuestas o prefiere una silenciosamente. Ninguna es aceptable para un informe al consejo. La decisión sobre qué fuente es autoritativa para cada término es una decisión de gobernanza, y el proveedor no puede tomarla por usted.

Las definiciones necesitan versiones, responsables y pruebas

Una vez que los agentes dependen de una definición, cambiarla cambia las respuestas. Cuando finanzas redefine cliente activo, cada agente que informa sobre clientes cambia a la vez, incluidas las respuestas ya enviadas a los ejecutivos el mes pasado. Eso requiere prácticas que los equipos de datos aplican al código más a menudo que a las métricas:

• Un responsable nombrado por término, generalmente en el negocio, no en el equipo de datos.
• Una versión y una fecha de entrada en vigor, para que una respuesta pasada pueda explicarse con la definición vigente cuando se dio.
• Un conjunto de evaluación por término crítico, que se vuelve a ejecutar cuando la definición o el modelo cambian. Una respuesta que es correcta bajo una versión e incorrecta bajo la siguiente no es un fallo del modelo; es un lanzamiento.

El enriquecimiento son nuevos datos, con nuevas preguntas

El Smart Storage de Google va un paso más allá. Enriquece objetos no estructurados en su lugar, “escribiendo contexto directamente sobre el propio objeto”, y Google dice que hereda la postura de seguridad existente. Google sitúa los datos no estructurados en el noventa por ciento de los datos empresariales.

El enriquecimiento escrito por un modelo se convierte en parte de los datos, y otros sistemas confiarán en él. Vale la pena hacer dos comprobaciones antes de activarlo: quién revisa la calidad del contexto generado en documentos sensibles, y si los metadatos escritos sobre un objeto son visibles para todos los que pueden listar el objeto o solo para aquellos que pueden leerlo. A menudo son grupos diferentes.

Los dominios de Databricks plantean una versión más pequeña del mismo punto. Agrupar los Genie Agents por área de negocio hace que el agente correcto sea más fácil de encontrar, lo que reduce los agentes duplicados creados porque nadie podía encontrar el primero. La nota de lanzamiento describe los dominios como organización; el acceso todavía se concede en Unity Catalog. La facilidad de búsqueda y el permiso son controles diferentes, y ambos son necesarios.

La capa semántica se está convirtiendo en el lugar donde los agentes de una empresa coinciden entre sí. Eso solo funciona si alguien posee lo que significa cada palabra.