Topics

El 27 de noviembre de 2025, asistí a la "Data & AI Summit '25 Fall" organizada por Google.

Recientemente, nuestra empresa decidió abordar seriamente el uso de datos y lanzó un proyecto discretamente. Al principio, trabajamos lentamente, empezando con lo que podíamos hacer, pero un día nos enteramos de que Google iba a organizar la "Cumbre de Datos e IA '25 de otoño".

Decidí asistir al evento sin pensarlo mucho, pensando: "¡Necesito estar al día con las últimas tendencias en el uso de datos!". Pero fue una gran decisión. Escuché charlas mucho más interesantes de lo que esperaba.

Datos y AI Summit '25 Otoñoとは？

Como probablemente puedan adivinar por el nombre del evento, el tema de esta charla fue "Agentes de IA". Fue un evento híbrido, con aproximadamente 3000 asistentes, lo que lo convirtió en un gran éxito. Asistí en persona y había colas para algunas charlas, y algunas personas tuvieron que esperar de pie por falta de asientos. Pude apreciar el gran interés en el uso de datos y la IA.

El horario del día se ve así:

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

¡En este artículo informaremos sobre el discurso inaugural y las sesiones especialmente memorables!

Discurso inaugural: Hacia una era de "co-creación" con agentes de datos: análisis de datos de última generación con una infraestructura de datos preparada para IA.

El discurso de apertura constó de tres partes: "Tres requisitos para los agentes de IA" por Hamada de Google Cloud, seguido de ejemplos de utilización de datos por Lion Corporation y Mercari, Inc., y una "demostración de análisis conversacional" por la división de tecnología de Google.

◼︎Tres requisitos para los agentes de IA

Hamada realizó una presentación sobre los tres requisitos esenciales para introducir plenamente los agentes de IA y lograr que manejen las operaciones comerciales: "Acción", "Memoria" y "Contexto".

Acción: Los agentes de IA deben actuar de forma proactiva, no pasiva.

La clave aquí es la transparencia del proceso de pensamiento. Explicó que el concepto de «Razonamiento Avanzado», que divide una serie de pasos en etapas, es clave para mejorar la transparencia del análisis.

Memoria: “Memoria a corto plazo” y “memoria a largo plazo” son necesarias para que un agente de IA funcione eficazmente.

En una explicación de la "memoria a largo plazo", que permite el acceso en tiempo real a los datos que poseen las empresas, se presentó el ejemplo de alguien que se comunicaba con un agente de IA mediante comandos de voz para pedir un producto. Esto fue mucho más rápido que la operación tradicional con toques, y me reafirmó lo mucho más familiar que se ha vuelto.

Contexto: El contexto es esencial para garantizar la confiabilidad de las respuestas.

Se explicó la importancia de la “capa semántica” para guiar hacia la base de datos y la fórmula de cálculo correctas.

Tuve muchas oportunidades de escuchar acerca de la capa semántica en conferencias posteriores y me di cuenta de que está ganando cada vez más atención.

◼︎Ejemplos de utilización de datos

Lion Corporation realizó una presentación sobre la construcción de una infraestructura de datos y Mercari Inc. presentó sus esfuerzos para democratizar los datos.

La democratización de los datos, en particular, me impactó profundamente, ya que es algo muy cercano a mí. La introducción de agentes de IA ha hecho posible que cualquiera pueda acceder a los datos, algo que antes era dominio exclusivo de los analistas, y es algo que nuestra empresa desea emular.

En una sesión de intercambio que se llevó a cabo más tarde dentro de la empresa, hablamos de cómo queríamos implementar esta idea de inmediato.

◼︎Se lanzó una demostración de análisis conversacional

Se presentó una demostración de un agente de análisis conversacional utilizando "Agente de análisis de conversaciones en BigQuery" como ejemplo.

Aunque tenía algo de experiencia con BigQuery, no tenía ni idea de que fuera posible analizar datos con lenguaje natural, así que fue una auténtica revelación. El soporte es excelente, con las sugerencias de Gemini para mejorar la precisión de los datos y generar consultas maestras automáticamente, y me impresionó lo relativamente fácil que fue configurarlo.

¡Práctica preliminar de la API de análisis conversacional! Cómo crear un agente de IA que extraiga datos de BigQuery con lenguaje natural.

En una presentación de Irete Inc., presentaron un caso de estudio de análisis de datos en formato de chat, combinando “Big Query” y “Conversational Analytics API”.

La idea era almacenar los datos del sitio en BigQuery y luego externalizar la ejecución y el análisis de consultas a la API de Análisis Conversacional. Al hacer accesible el agente de IA desde las herramientas de comunicación habituales, se creó un entorno donde cualquier persona podía utilizar los datos fácilmente.

El contenido realmente encarnó la "democratización de los datos" que se trató en la conferencia principal, y la estructura era muy sencilla. Quise incorporarlo inmediatamente a mi empresa.

Me encantaría implementarlo yo mismo, pero considerando las habilidades prácticas requeridas, probablemente tomaría años, ¡así que lo dejaré en manos de nuestros ingenieros!

¡Pasos mínimos! Colaboración entre el agente de IA vinculado a Google Trends y el jefe de producto.

En una conferencia de AEON Smart Technology Co., Ltd., presentaron cómo utilizan la IA para los "datos maestros de productos", una iniciativa exclusiva de una empresa con tiendas físicas.

Las presentaciones se centraron en dos desafíos: "Resolver búsquedas difusas" y "Coincidencia automática de tendencias". En ambas presentaciones se utilizó Google Vertex AI Search.

— Búsqueda difusa mediante IA en datos maestros de productos

Habló sobre el problema de los clientes que hacen preguntas vagas sin especificar los nombres de los productos, un problema exclusivo de las empresas con tiendas físicas. Los sistemas convencionales requieren una coincidencia exacta, por lo que las preguntas fáciles de responder para los humanos se convierten en un obstáculo importante para el sistema. Esta iniciativa busca abordar este problema con un enfoque de IA.

La pantalla de demostración mostraba un sistema que genera instantáneamente información relevante del producto a partir de macrodatos, incluso con datos vagos como una búsqueda en internet. No entendía bien cómo funcionaba, pero me impresionó que una empresa pudiera hacer tanto.

— Detección de tendencias y correspondencia automática con datos de productos

Explicaron que están considerando una herramienta que pueda capturar instantáneamente información de tendencias externas y vincularla automáticamente con sus propios datos de productos, con el objetivo de acortar el tiempo de espera entre cuando surge una necesidad del cliente y cuando el producto aparece realmente en las tiendas.

Esta también fue una charla sobre tecnología de vanguardia, y fue muy interesante. Todavía no me imagino cómo se podría usar en los servicios de nuestra empresa, pero me gustaría probar personalmente "Google Vertex AI Search".

resumen

Hemos seleccionado y presentado solo las sesiones más memorables, pero ¿qué les pareció? Esperamos haber podido compartir, aunque sea un poco, la emoción que sentimos ante la "innovación impulsada por los agentes de datos" de ese día.

Para ser honesto, habíamos estado haciendo progresos lentos en términos de utilización de datos, pero participar en esta cumbre fue una gran oportunidad para recordarnos que debemos tomarlo en serio para no quedarnos atrás.

En primer lugar, me gustaría comenzar con la definición de la capa de datos y semántica, cuya importancia se ha enfatizado muchas veces en esta ocasión.