Respuesta corta: un agente de datos en Microsoft Fabric permite consultar los datos de la empresa en lenguaje natural, pero no reemplaza el trabajo de modelado: lo expone. El agente responde mejor cuando consulta un modelo semántico con nombres de negocio, relaciones claras, métricas definidas y permisos gobernados. Conectar un agente a tablas sueltas produce respuestas rápidas sobre una base que nadie validó. La preparación del modelo es el proyecto; el agente es la interfaz.
Qué es un agente de datos y qué promete
Un agente de datos es una experiencia de consulta en lenguaje natural sobre fuentes gobernadas de Fabric. La promesa es potente: que un gerente pregunte "¿cómo vienen las ventas del trimestre contra el objetivo?" en Teams y reciba una respuesta con los números oficiales, sin abrir un dashboard ni pedirle el dato a un analista.
La promesa es real, pero tiene una condición que el entusiasmo suele saltarse: el agente responde tan bien como la base que consulta. Y la calidad de esa base no la define la IA, la define el trabajo de modelado que se hizo antes.
La IA no arregla un modelo pobre: lo amplifica
Cuando un agente consulta tablas sueltas, hereda todos los problemas que tu equipo ya sufre: columnas con nombres técnicos que nadie entiende, métricas calculadas distinto según el archivo, clientes duplicados y fechas ambiguas.
La diferencia es la velocidad y la confianza. Un analista humano que encuentra una ambigüedad se detiene y pregunta. Un agente responde igual, con seguridad, y la respuesta viaja a una reunión de dirección en segundos.