Fabric Data Agents: Consultar datos de negocio en lenguaje natural

¿Qué son los Fabric Data Agents y para qué sirven?

Los Fabric Data Agents son agentes de IA que permiten consultar datos empresariales mediante lenguaje natural. El usuario formula una pregunta y el agente selecciona una fuente de datos, genera la consulta correspondiente y devuelve una respuesta basada en los resultados obtenidos. 

Su objetivo es reducir la distancia entre los datos disponibles en la plataforma Microsoft Fabric y las personas que necesitan utilizarlos para tomar decisiones, sin exigirles conocimientos de SQL, DAX o de la estructura interna de los modelos.

Por ejemplo, una responsable comercial puede preguntar: «¿Qué regiones han reducido sus ventas respecto al trimestre anterior y cuáles son las principales diferencias?». En lugar de localizar un informe o solicitar una extracción de datos, puede plantear la pregunta directamente al agente.

Esta forma de interactuar con los datos, conocida como Talk to Data, no es exclusiva de Microsoft Fabric. Existen soluciones especializadas que ofrecen capacidades similares y permiten adaptar la experiencia a las necesidades de cada organización.

Es el caso de AI Query de Bismart, una solución de inteligencia artificial conversacional que permite a los usuarios empresariales consultar sus datos mediante lenguaje natural desde su propio entorno Azure, sin necesidad de disponer de una capacidad Microsoft Fabric.

AI Query incorpora, además, una experiencia de usuario personalizable, consultas conversacionales, visualizaciones, organización de proyectos, mecanismos de feedback y herramientas para validar la calidad de las respuestas.

Por tanto, aunque ambas tecnologías responden a una misma necesidad, las diferencias aparecen en los requisitos de infraestructura, la experiencia de usuario, las posibilidades de personalización y la disponibilidad de determinadas funcionalidades.

¿Es necesario tener una capacidad de Microsoft Fabric?

Sí. Para utilizar Fabric Data Agents es necesario disponer de una capacidad de Microsoft Fabric F2 o superior de pago, o de una capacidad Power BI Premium P1 o superior con Fabric habilitado, además de cumplir los requisitos de configuración, permisos y disponibilidad aplicables.

Esto significa que, aunque la organización únicamente quiera permitir que sus empleados consulten datos mediante lenguaje natural, necesita contar con la infraestructura compatible de Fabric.

Para empresas que ya trabajan con Microsoft Fabric, este requisito puede encajar naturalmente con su arquitectura existente. Sin embargo, para aquellas que todavía no utilizan la plataforma, puede añadir una dependencia tecnológica que conviene valorar.

AI Query de Bismart no requiere contratar una capacidad Microsoft Fabric para ofrecer consultas de datos mediante lenguaje natural. La solución se despliega en el propio tenant Azure del cliente y se integra con sus fuentes de datos y mecanismos de autenticación.

Esto permite plantear proyectos de IA conversacional sin tener que adoptar Microsoft Fabric únicamente para habilitar esta funcionalidad.

No obstante, AI Query también requiere los recursos Azure correspondientes, por lo que la comparación económica debe realizarse teniendo en cuenta el coste total de ambas arquitecturas.

Novedades en Fabric Data Agents

En FabCon Europe 2026, Microsoft presentó nuevas capacidades para Fabric Data Agents, entre las que destacan las visualizaciones interactivas, la generación avanzada de DAX y las mejoras de contextualización empresarial.

Estas novedades todavía se encuentran en versión preliminar (preview), por lo que no forman parte de las funcionalidades generalmente disponibles de Fabric Data Agents. Algunas pueden probarse bajo condiciones específicas, pero aún presentan limitaciones que conviene considerar antes de incorporarlas a un proyecto empresarial.

Las mejoras presentadas incluyen visualizaciones interactivas nativas, generación avanzada de DAX, ejemplos para orientar las respuestas, descripciones de objetos del esquema SQL y conocimiento organizado por temas.

El próximo lunes 26 de octubre, Bismart celebra el evento FabCon Recap en Madrid, en las oficinas de Microsoft Ibérica para repasar las principales novedades anunciadas en FabCon Europe 2026 y, sobre todo, explicar cómo pueden impactar en las empresas y qué oportunidades ofrecen.

Es una oportunidad para ponerte al día con las últimas innovaciones de Microsoft Fabric, resolver tus dudas y descubrir sus aplicaciones prácticas, ¡todo en una sola mañana!

📍 Evento gratuito | Plazas limitadas

1. Visualizaciones Interactivas (Preview)

Una de las mejoras más relevantes es la posibilidad de generar gráficos interactivos directamente en las respuestas del agente, además de texto y tablas.

Por ejemplo, un usuario puede solicitar una comparación de ventas por región o la evolución mensual de un indicador y obtener una representación gráfica que facilite la interpretación de los resultados.

Estas visualizaciones utilizan Fabric Visuals y pueden generarse cuando la pregunta solicita explícitamente un gráfico o cuando resulta apropiado para explicar la información.

No obstante, las respuestas visuales interactivas siguen en versión preliminar. Su disponibilidad está condicionada a los requisitos y limitaciones de la funcionalidad, y no debe confundirse con una capacidad generalmente disponible.

¿Qué ofrece AI Query en este ámbito?

AI Query ya permite consultar datos mediante lenguaje natural y presentar resultados en formatos visuales, incluida la generación automática de gráficos, sin depender de la funcionalidad de visualizaciones en preview de Fabric Data Agents.

Además, su experiencia puede adaptarse al perfil de los usuarios de negocio y a los requisitos de visualización de cada organización.

Esto resulta especialmente útil para departamentos comerciales, financieros o de operaciones que necesitan consultar información sin trabajar directamente con herramientas técnicas.

2. Advanced DAX Generation: generación avanzada de consultas DAX (Preview) 

Advanced DAX Generation es una mejora orientada a generar consultas DAX más precisas sobre modelos semánticos de Power BI.

A diferencia de la generación tradicional, incorpora varios pasos de razonamiento para inspeccionar los metadatos del modelo, interpretar la pregunta, resolver ambigüedades y refinar la consulta.

Por ejemplo, ante una pregunta sobre la evolución del margen comercial, el agente puede necesitar identificar medidas específicas, aplicar filtros y establecer comparaciones entre periodos.

La generación avanzada puede ayudar a resolver consultas complejas, pero actualmente se encuentra en versión preliminar y requiere utilizar el preview runtime.

También conviene señalar que una mayor capacidad de razonamiento no garantiza automáticamente respuestas correctas ni mejores tiempos de ejecución.

¿Cómo aborda AI Query las consultas empresariales?

AI Query utiliza inteligencia artificial para interpretar preguntas formuladas en lenguaje natural y transformarlas en consultas sobre las fuentes configuradas.

Una de sus funcionalidades es permitir que los equipos técnicos revisen los scripts SQL generados, lo que facilita comprobar cómo se ha obtenido una respuesta y mejorar la transparencia del sistema.

Además, incorpora mecanismos de validación y seguimiento que permiten evaluar las respuestas de la herramienta con preguntas representativas.

Ambas aproximaciones buscan mejorar la fiabilidad de las consultas, aunque sus mecanismos y las tecnologías de ejecución son diferentes.

3. ¿Cómo ayudan las descripciones SQL, los ejemplos y los temas?

Los Fabric Data Agents permiten proporcionar instrucciones y contexto para ayudar al agente a comprender las fuentes de datos empresariales.

Los ejemplos de consultas relacionan preguntas en lenguaje natural con consultas de referencia, facilitando la generación de operaciones complejas.

Las descripciones de objetos SQL ayudan a explicar qué representan las tablas, columnas y otros elementos del esquema. Son especialmente útiles cuando existen nombres técnicos ambiguos o campos que requieren una interpretación específica.

Por ejemplo, una columna llamada status_code puede necesitar una descripción para aclarar si un determinado valor significa pedido enviado, cerrado o cancelado.

Por su parte, los temas (Topics) permiten organizar instrucciones por áreas de negocio y recuperar las más relevantes para cada pregunta.

Hay que distinguir sus estados de disponibilidad: las instrucciones generales y los ejemplos de consultas forman parte de las opciones de configuración compatibles, mientras que las descripciones de objetos SQL y Topics continúan en preview y tienen restricciones según la fuente y el runtime utilizado.

AI Query también permite trabajar con metadatos y configurar el acceso a las fuentes de datos por proyectos o temáticas, facilitando que las consultas se realicen dentro del contexto adecuado.

Además, su arquitectura personalizable permite adaptar la aplicación y la experiencia conversacional a los procesos específicos de la organización.

Fabric Data Agents vs. AI Query: ¿qué diferencias hay?

Aunque ambas soluciones permiten consultar datos empresariales mediante inteligencia artificial, Fabric Data Agents y AI Query presentan diferencias relevantes para las organizaciones que están valorando implantar IA conversacional.

Fabric Data Agents está integrado de forma nativa en Microsoft Fabric y resulta especialmente interesante cuando la organización ya utiliza sus servicios, modelos semánticos y capacidades analíticas.

AI Query de Bismart, en cambio, está concebido como una solución de IA conversacional empresarial personalizable, desplegada en el tenant Azure del cliente y orientada a facilitar el acceso autónomo de los usuarios de negocio a sus datos.

La tabla refleja diferencias de enfoque y disponibilidad, pero no significa que Microsoft carezca de capacidades de personalización o validación. De hecho, Microsoft también está incorporando herramientas para evaluar agentes y adaptar sus instrucciones.

La diferencia más relevante es qué necesita cada organización para utilizar estas funcionalidades y hasta qué punto quiere adaptar la experiencia a sus propios procesos.

¿Qué ventajas ofrece AI Query para los usuarios de negocio?

Además de permitir consultas en lenguaje natural, AI Query incorpora funcionalidades orientadas a facilitar el uso cotidiano, la personalización y la supervisión de la IA en entornos empresariales:

• Interfaz intuitiva y personalizable: diseñada para facilitar el acceso a los datos y adaptarse a las necesidades de los usuarios de cada organización.
• Conversaciones continuas: permite profundizar en los resultados mediante nuevas preguntas, sin tener que empezar cada consulta desde cero.
• Organización de conversaciones: incorpora funcionalidades como conversaciones fijadas y cambio de nombre para facilitar la recuperación y el seguimiento de análisis anteriores.
• Organización por proyectos y temáticas: facilita trabajar con fuentes de datos agrupadas según los procesos o departamentos de la empresa.
• Visualizaciones y generación de gráficos: permite representar los resultados de las consultas para facilitar su interpretación.
• Pruebas masivas de validación: permite ejecutar conjuntos de preguntas para evaluar las respuestas y detectar posibles problemas antes de extender el uso de la herramienta.
• Feedback de los usuarios: incorpora mecanismos para valorar las respuestas y ayudar a identificar oportunidades de mejora.
• Personalización y evolución funcional: permite incorporar nuevas funcionalidades y adaptar la experiencia a los requisitos de cada cliente.
• Seguridad integrada con Azure: se despliega en el entorno del cliente y utiliza Microsoft Entra ID y mecanismos de control de acceso para proteger la información.

Para conocer todas sus características, puedes consultar la ficha de AI Query de Bismart.

¿Por qué es importante integrar Fabric Data Agents con Fabric IQ?

Fabric IQ proporciona una capa de conocimiento empresarial que ayuda a los agentes a interpretar qué significan los datos, cómo se relacionan las entidades y qué conceptos utiliza realmente la organización.

Una de las dificultades de la IA aplicada a datos empresariales es que el significado de una pregunta rara vez se encuentra completo en los nombres de las tablas y las columnas. Los datos pueden estar técnicamente disponibles y, aun así, resultar ambiguos para un modelo de IA.

¿Qué significa exactamente «cliente activo»? ¿Las ventas se contabilizan cuando se recibe un pedido, cuando se entrega o cuando se emite la factura? ¿Qué fecha debe utilizarse para calcular el crecimiento trimestral?

Estas decisiones no son detalles menores. Pueden cambiar completamente el resultado.

Fabric IQ aborda parte de este problema mediante conceptos empresariales, relaciones, definiciones y reglas que permiten construir una interpretación compartida de los datos. Dentro de este enfoque, las ontologías permiten representar entidades de negocio, sus propiedades, relaciones, sinónimos y correspondencias con las fuentes físicas.

Cuando un Data Agent utiliza una ontología como contexto, puede interpretar preguntas formuladas con términos empresariales sin depender exclusivamente de los nombres técnicos de las tablas y columnas.

Por ejemplo, una persona puede preguntar por la rentabilidad de un cliente sin saber que el cálculo depende de una tabla de ventas, una tabla de costes y determinadas relaciones entre ellas. La ontología aporta contexto para interpretar el concepto y localizar los datos relacionados.

Es importante distinguir responsabilidades: Fabric IQ aporta significado; el Data Agent interpreta y coordina la consulta; y la fuente de datos subyacente ejecuta SQL, DAX o KQL, según corresponda.

La integración con ontologías está en versión preliminar y sus capacidades concretas dependen de la configuración y las fuentes compatibles.

¿Por qué los agentes de IA necesitan una buena base de datos?

Tanto Fabric Data Agents como AI Query dependen de la calidad de los datos y del contexto empresarial con el que trabajan.

Una herramienta puede interpretar preguntas en lenguaje natural, generar consultas y presentar resultados visuales. Sin embargo, ninguna de estas capacidades compensa por sí sola una definición incorrecta de las métricas o una arquitectura de datos deficiente.

¿Qué entiende la empresa por cliente activo? ¿Cómo se calcula el margen? ¿Qué fecha determina el periodo de una venta? ¿Qué operaciones deben excluirse de los ingresos netos?

Si estas cuestiones no tienen una respuesta compartida, cualquier agente puede generar resultados técnicamente válidos, pero incorrectos desde el punto de vista del negocio.

¿Por qué son importantes los modelos semánticos y las ontologías?

Los modelos semánticos, las reglas de negocio, las métricas bien definidas y las ontologías ayudan a establecer una interpretación coherente de los datos empresariales.

Este trabajo exige identificar las fuentes adecuadas, documentar las relaciones entre entidades, validar los cálculos y establecer mecanismos de gobierno.

En el caso de Fabric Data Agents, Microsoft ofrece herramientas de contexto y configuración que ayudan a orientar las consultas.

En AI Query, el uso de metadatos, la configuración por áreas y la personalización permiten adaptar la solución a la estructura de datos y a los procesos de cada organización.

En ambos casos, la calidad de las respuestas requiere una base de datos preparada y criterios claros de interpretación.

Los agentes de IA no eliminan la necesidad de una buena arquitectura de datos: hacen que sea todavía más importante.

¿Qué ocurre cuando se invierte en agentes, pero no en sus fundamentos?

Muchas organizaciones están dispuestas a invertir en inteligencia artificial porque promete automatización, productividad y nuevas formas de acceder a la información.

Sin embargo, las inversiones en calidad del dato, modelos semánticos, documentación y gobierno del dato suelen recibir menos atención.

El problema aparece cuando el agente se despliega sobre datos inconsistentes, métricas ambiguas o fuentes sin una definición clara.

En ese escenario, una herramienta puede ofrecer respuestas aparentemente convincentes, pero perder credibilidad cuando sus resultados no coinciden con los indicadores oficiales.

Por eso, implantar una solución de IA conversacional también implica invertir en los datos, las reglas y los procesos que la hacen fiable.

¿Pueden los Fabric Data Agents trabajar de forma coordinada?

Los Fabric Data Agents pueden formar parte de soluciones más amplias en las que diferentes componentes de IA colaboran para resolver tareas.

Por ejemplo, una arquitectura multiagente podría utilizar un componente para obtener indicadores comerciales y otro para analizar información operativa. Un sistema de orquestación podría combinar los resultados para responder a una pregunta más compleja.

Sin embargo, esto no significa que varios Data Agents aprendan automáticamente unos de otros o modifiquen sus conocimientos de forma autónoma.

La coordinación entre agentes requiere definir responsabilidades, mecanismos de integración y procesos de validación.

Es importante distinguir entre compartir información, coordinar tareas y aprender automáticamente de las respuestas de otros agentes. Son capacidades diferentes.

¿Qué debemos revisar antes de implantar IA conversacional?

Antes de incorporar una solución como Fabric Data Agents o AI Query a los procesos empresariales, conviene evaluar tanto los requisitos tecnológicos como la experiencia que tendrán los usuarios.

Entre los aspectos más importantes se encuentran:

• Fuentes de datos: identificar qué información se quiere consultar y dónde está almacenada.
• Contexto empresarial: documentar métricas, relaciones y reglas de negocio.
• Seguridad: comprobar los permisos y los mecanismos de autenticación.
• Experiencia de usuario: valorar la facilidad de uso, la navegación y la presentación de resultados.
• Rendimiento: medir el tiempo de respuesta con preguntas reales y representativas.
• Validación: disponer de mecanismos para comprobar la precisión y recoger feedback.
• Personalización: determinar qué funcionalidades necesita realmente la organización.
• Disponibilidad: diferenciar entre capacidades generales, funcionalidades en preview y desarrollos específicos.
• Costes: considerar la infraestructura, las licencias, el mantenimiento y la evolución de la solución.

La recomendación es comenzar por un dominio de negocio concreto, definir las preguntas que se quieren resolver y realizar pruebas con usuarios reales antes de ampliar el proyecto.

Conclusión: Fabric Data Agents o AI Query, ¿qué opción elegir?

Los Fabric Data Agents representan una evolución importante de la analítica conversacional dentro de Microsoft Fabric, al permitir que los usuarios consulten fuentes de datos empresariales mediante lenguaje natural.

Las mejoras anunciadas, como las visualizaciones interactivas, Advanced DAX Generation y la integración con ontologías, amplían sus posibilidades. Sin embargo, varias de estas funcionalidades continúan en versión preliminar y todavía no están disponibles de forma general.

Para las empresas que ya utilizan Microsoft Fabric, los Data Agents pueden ser una opción natural para incorporar IA conversacional a su plataforma de datos.

Pero consultar los datos empresariales mediante lenguaje natural no exige necesariamente disponer de Microsoft Fabric.

Soluciones como AI Query de Bismart permiten responder a esta misma necesidad desde el entorno Azure del cliente, con una experiencia personalizable y funcionalidades de consulta, visualización, gestión de conversaciones y validación que ya forman parte de la solución.

La decisión debe basarse en los requisitos de cada organización, la experiencia que necesitan sus usuarios y las capacidades disponibles en el momento de la implantación.

Descubre todas las novedades de Microsoft Fabric en FabCon Recap Madrid

El próximo 26 de octubre, Bismart celebra FabCon Recap Madrid, una sesión gratuita en las oficinas de Microsoft donde analizaremos las principales novedades anunciadas en FabCon Europe 2026 y su aplicación en proyectos empresariales.

Lleva la IA conversacional a tus datos con Bismart

En Bismart ayudamos a las organizaciones a democratizar el acceso a sus datos mediante inteligencia artificial, combinando experiencia en arquitectura de datos, analítica empresarial y desarrollo de soluciones de IA.

Con AI Query, nuestra solución de inteligencia artificial conversacional, los usuarios de negocio pueden consultar sus datos en lenguaje natural, explorar resultados y obtener información para tomar decisiones sin depender continuamente de equipos técnicos.

Si tu organización ya trabaja con Microsoft Fabric o está valorando implantarlo, también puedes conocer nuestros servicios de consultoría Microsoft Fabric para diseñar una arquitectura de datos preparada para la inteligencia artificial.