Google Cloud ha presentado recientemente cinco agentes de inteligencia artificial diseñados para hacer más eficientes los flujos de trabajo de los desarrolladores. Su objetivo es minimizar tareas repetitivas, acelerar los análisis y facilitar la automatización avanzada de datos y código. Cada agente se centra en un desafío específico, desde la orquestación de pipelines de datos hasta la gestión empresarial en GitHub. A continuación, te explico qué hacen estos agentes, cómo funcionan y su papel en los entornos modernos de nube y DevOps.
1. BigQuery Data Agent Este agente facilita la creación y gestión de pipelines de datos en BigQuery mediante comandos en lenguaje natural. Está pensado para ingenieros y analistas de datos que prefieren concentrarse en el análisis en lugar de en la configuración técnica. Entre sus funciones destacan la automatización de la ingestión de datos desde fuentes como Google Cloud Storage, el mantenimiento de calidad y consistencia de datos sin necesidad de programar, y la preparación de datos a través de limpieza, generación de metadatos y evolución de esquemas. Además, permite describir la lógica en lenguaje natural para que el agente genere y optimice el código SQL o DataFrames correspondiente. Todo ello se apoya en Gemini, un modelo de lenguaje que interpreta las intenciones y genera código, trabajando en conjunto con el motor de conocimiento de BigQuery para descubrir metadatos y rastrear el origen de los datos.
2. Notebook Agent (NotebookLM para Empresas) Disponible como NotebookLM para Empresas, este agente potencia los notebooks de BigQuery con analítica y modelado asistidos por IA de principio a fin. Permite realizar análisis exploratorios de datos y la ingeniería de características mediante instrucciones conversacionales, automatizando tareas tediosas de ciencia de datos. También genera predicciones y modelos directamente en los notebooks sin que el usuario tenga que escribir mucho código. Organiza y sintetiza documentación, investigación y conjuntos de datos en notebooks interactivos reutilizables para equipos, y puede resumir resultados o incluso crear resúmenes de audio para consultas asíncronas. Esta versión empresarial está diseñada para integrarse de forma segura y colaborativa dentro del ecosistema de BigQuery.
3. Looker Code Assistant Este asistente integra IA generativa en la plataforma de análisis Looker para que usuarios sin conocimientos técnicos puedan hacer consultas y obtener resultados visuales o en código. Permite hacer preguntas en lenguaje natural y recibir visualizaciones, código Python o gráficos interactivos. Además, genera código LookML y opciones de formato JSON para acelerar el desarrollo de dashboards, explica las metodologías usadas en los análisis y sugiere preguntas relacionadas para mejorar la comprensión. Utiliza la capa semántica de Looker para asegurar que las consultas sean precisas y adecuadas a las definiciones del negocio. Está impulsado por Gemini y la API de Looker, facilitando la comunicación entre usuarios de negocio y equipos técnicos.
4. Database Migration Agent Este agente simplifica y acelera la migración desde bases de datos tradicionales como MySQL, Oracle o SQL Server hacia bases escalables en Google Cloud, como Spanner, Cloud SQL o AlloyDB. Usa IA para revisar y convertir esquemas, procedimientos almacenados y funciones a formatos nativos en la nube, minimizando el esfuerzo manual y riesgos. Además, implementa replicación continua para evitar interrupciones durante la migración. Ofrece comparaciones lado a lado entre el código antiguo y el nuevo con explicaciones detalladas para los desarrolladores. Funciona de manera serverless, totalmente gestionado por Google Cloud. La base técnica está en Gemini, que entiende y traduce la lógica de bases de datos, valida los resultados y guía a los usuarios.
5. GitHub Agent (Gemini CLI GitHub Actions) Este agente de código abierto funciona de manera autónoma para optimizar los flujos de trabajo en GitHub automatizando tareas rutinarias en los repositorios. Clasifica y prioriza automáticamente los issues según su contenido y contexto, revisa cambios en pull requests sugiriendo mejoras y ofreciendo feedback inmediato, lo que reduce la carga de las revisiones manuales. También permite que los desarrolladores deleguen tareas simplemente etiquetando al agente en issues o PRs, por ejemplo, para que escriba tests para un bug específico. Trae workflows prediseñados, aunque es totalmente personalizable para adaptarse a las necesidades del equipo. Está basado en Gemini CLI, opera de forma asíncrona con eventos de GitHub y se integra directamente en pipelines de GitHub Actions.
En resumen, estos cinco agentes suponen un avance importante hacia herramientas de desarrollo más autónomas, donde la IA se encarga de tareas repetitivas y propensas a errores, liberando a los desarrolladores para que se concentren en la innovación y la lógica de negocio. Además, facilitan el acceso a análisis, migraciones y colaboración avanzadas, manteniendo o incluso elevando el nivel de lo que se puede lograr con datos y código a gran escala en la nube.
