La inteligencia artificial comienza a asumir funciones que van más allá del análisis y la presentación de información en las empresas. Una nueva versión de una plataforma de analítica empresarial incorpora una arquitectura multiagente que permite interpretar datos, responder consultas y ejecutar acciones dentro de los procesos de una organización. El lanzamiento se anunció el 28 de octubre de 2026 en Austin, Texas (Estados Unidos).
La actualización añade dos capas para representar el conocimiento de cada compañía y más de 30 conectores a los más de 500 que ya estaban disponibles. Entre las nuevas integraciones se encuentran sistemas de planificación de recursos empresariales, gestión de gastos, servicios de campo, turnos y comunicaciones, así como herramientas de comercio electrónico, colaboración, atención al cliente, bases de datos y servicios de pago.
El tratamiento de la información se apoya en dos componentes nativos. La capa semántica establece un vocabulario común para las descripciones, instrucciones y métricas relevantes de una empresa. La ontológica, en cambio, representa sus unidades de negocio y las relaciones entre ellas. Esta estructura permite que los sistemas de inteligencia artificial trabajen con definiciones propias de cada organización y vinculen sus recomendaciones con los procesos empresariales.
Raju Vegesna, Jefe Evangelista de la compañía responsable del desarrollo, señaló que la evolución de las herramientas de análisis requiere una base sólida de datos y una estructura de conocimiento que permita a los agentes interpretar el contexto de cada organización. También destacó la importancia de contar con métricas y mecanismos de gobierno que respalden las respuestas generadas por inteligencia artificial.
Uno de los principales cambios está en el asistente conversacional, que adopta una arquitectura con seis subagentes especializados en análisis de datos, modelado, visualización, preparación de información, programación, ejecución de acciones y generación de SQL. La herramienta conserva el historial de las conversaciones y la memoria del agente. Las organizaciones pueden utilizar su propio modelo de lenguaje de gran tamaño (LLM) o integrar uno de su preferencia.
Los equipos también pueden desarrollar agentes personalizados a partir de los datos, el modelo semántico y la base de conocimiento de sus organizaciones. Estos asistentes tienen la capacidad de conectarse con servidores del Protocolo de Contexto de Modelo (MCP), búsquedas web y otras herramientas externas o internas. Su distribución contempla controles de gobernanza y observabilidad.
La ejecución de tareas constituye otra de las funciones incorporadas. Los agentes pueden activar acciones y flujos de trabajo directamente desde la plataforma, mediante un generador de procesos y activadores contextuales. Así, sus capacidades no quedan restringidas a responder preguntas o presentar resultados.
El uso de estas herramientas tampoco se limita al entorno en el que fueron desarrolladas. Los programadores y agentes pueden construir soluciones sobre un servidor MCP disponible en versiones remota y local. La actualización incluye una interfaz de línea de comandos (CLI) y un complemento para trabajar desde un asistente externo de inteligencia artificial. También es posible integrar agentes con marca blanca en aplicaciones, portales y productos de otras organizaciones, manteniendo los permisos y las políticas de gobierno.
El control de estas operaciones se concentra en herramientas administrativas. Un catálogo reúne fuentes de información, métricas, análisis y modelos, y permite rastrear el origen de los datos, evaluar el impacto de los cambios, realizar búsquedas y gestionar las políticas de acceso y utilización.
La función de observabilidad de IA permite identificar qué agentes se ejecutaron, quiénes los utilizaron, a qué información accedieron y qué respuestas generaron. Los administradores también pueden revisar el consumo y los costos de inteligencia artificial por equipo y configurar el comportamiento del asistente conversacional desde los ajustes generales.
Para evitar que los cambios lleguen directamente a los entornos de producción, la plataforma incorpora un Sandbox. Este espacio permite desarrollar y probar componentes analíticos y agentes antes de implementarlos. Si se presenta algún inconveniente, los equipos pueden recuperar versiones anteriores, con lo que mantienen el control sobre las modificaciones y la gestión de las soluciones de inteligencia artificial.
Las funciones están dirigidas a distintos perfiles dentro de las empresas. Los directivos y responsables de negocio pueden consultar sus métricas mediante conversaciones; los equipos de finanzas y operaciones pueden trabajar con definiciones propias de sus áreas. Los analistas y científicos de datos cuentan con más de 10 visualizaciones nuevas, análisis de escenarios, matriz de correlación, el modelo de pronóstico VARX y un entorno de ciencia de datos con Jupyter notebooks. También se incluyen herramientas para administradores de TI, responsables de gobierno de datos, desarrolladores, socios y proveedores de software interesados en incorporar agentes a sus productos.
La actualización suma más de 50 capacidades adicionales, entre ellas reportes visuales personalizados, reportes pixel-perfect, importación PMML y una interfaz renovada para dispositivos móviles. También permite extender funciones a agentes externos mediante MCP y siguiendo la especificación Apache Ossie.
La plataforma es utilizada por más de 100.000 empresas en el mundo y puede desplegarse en la nube, en instalaciones propias, en nubes públicas o mediante infraestructuras híbridas.
Las nuevas características ya están disponibles en la versión en la nube. Las ediciones híbridas y on-premises llegarán durante el primer Q de 2027.
