Introducción a la IA en BigQuery

BigQuery proporciona capacidades de IA, aprendizaje automático (AA) y agentes en varios flujos de trabajo:

  • Asistencia y análisis en la consola: Escribe y explica código, prepara datos, haz preguntas sobre tus tablas en lenguaje natural, compila canalizaciones y administra recursos de BigQuery en la consola de Google Cloud .
  • IA, búsqueda y AA en consultas en SQL: llama a modelos de lenguaje grandes (LLM), como Gemini, realiza búsquedas de texto y vectores, y entrena o ejecuta modelos de AA predictivos directamente en GoogleSQL.
  • Herramientas para crear agentes: Conecta agentes personalizados a BigQuery con servidores del Protocolo de contexto del modelo (MCP), frameworks de agentes y habilidades, y transmite registros de interacción de agentes a BigQuery para su análisis.
  • Agentes en tu IDE o terminal: Consulta datos, administra canalizaciones y ejecuta flujos de trabajo desde entornos de desarrollo, como Antigravity, VS Code y las interfaces de línea de comandos.

Elige una herramienta de IA

En la siguiente tabla, se asignan tareas comunes a la función de BigQuery correspondiente y dónde se usa.

Caso de uso Función Dónde se utiliza
Genera, completa o explica consultas en SQL Asistencia de código de SQL Editor de consultas de la consola deGoogle Cloud
Haz preguntas sobre tus datos en lenguaje natural y obtén respuestas y gráficos Conversational Analytics Consola de Google Cloud (página Agentes) o API de Conversational Analytics
Busca tablas, une datos, ejecuta consultas en SQL o lenguaje natural, y visualiza los resultados en un flujo de trabajo gráfico Lienzo de datos de BigQuery Consola deGoogle Cloud
Genera preguntas y consultas en SQL automatizadas a partir de los metadatos de las tablas Estadísticas de datos Consola deGoogle Cloud
Obtén recomendaciones generadas por IA para limpiar, transformar y enriquecer datos Preparación de datos Consola deGoogle Cloud
Crea reglas personalizadas para traducir otros dialectos de SQL a GoogleSQL Traductor de SQL interactivo Consola deGoogle Cloud
Analiza y soluciona problemas de trabajos, administra reservas, rastrea el linaje, descubre recursos o optimiza consultas Gemini Cloud Assist ( versión preliminar) Panel de chat de la barra de herramientas de la consola deGoogle Cloud
Genera, completa o explica código de Python Asistencia de programación de Python Notebooks de Colab Enterprise en BigQuery
Automatiza el análisis exploratorio de datos, los flujos de trabajo de AA y las visualizaciones en un notebook Agente de ciencia de datos Notebooks de Colab Enterprise en BigQuery
Compila, modifica y administra canalizaciones de datos con instrucciones en lenguaje natural Agente de ingeniería de datos Consola deGoogle Cloud y espacios de trabajo de Dataform
Genera texto, extrae datos estructurados, clasifica, puntúa, filtra o agrega datos de tablas con LLM Funciones de IA generativa Consultas de GoogleSQL
Realiza traducciones, procesamiento de documentos, transcripción de audio o visión artificial en datos de tablas Funciones de IA específicas para tareas Consultas de GoogleSQL
Genera embeddings y ejecuta búsquedas semánticas o por palabras clave en datos estructurados, no estructurados o multimodales Embeddings y Vector Search y Text Search Consultas de GoogleSQL
Entrenar, evaluar y ejecutar modelos de AA predictivos (previsión, detección de anomalías, clasificación, regresión y agrupamiento en clústeres) BigQuery ML Consultas de GoogleSQL, consola de Google Cloud , herramienta de línea de comandos de bq, API de REST o notebooks
Conecta aplicaciones o agentes de IA personalizados a BigQuery para inspeccionar metadatos, ejecutar consultas, traducir SQL o administrar transferencias Servidor de MCP de BigQuery, servidor de MCP del Servicio de migración de BigQuery, servidor de MCP del Servicio de transferencia de datos de BigQuery, MCP Toolbox para bases de datos o Kit de desarrollo de agentes (ADK) Clientes de MCP y frameworks de agentes
Proporciona a los agentes instrucciones y archivos de referencia reutilizables para las tareas de BigQuery Habilidades del agente de BigQuery Clientes y terminales de agentes
Registra, supervisa y evalúa las interacciones de los agentes, el uso de tokens y la latencia Análisis de agentes de BigQuery ADK, LangGraph o la API de BigQuery Storage Write (gRPC)
Explora recursos de BigQuery, ejecuta consultas y compila canalizaciones desde un IDE o una CLI Google Cloud Data Agent Kit, integraciones de IDE de MCP o CLI de Antigravity Antigravity, VS Code, Cursor o herramientas de línea de comandos

Asistencia y agentes en la consola

Cuando trabajas en la consola de Google Cloud o en los notebooks de Colab Enterprise, puedes usar funciones de asistencia y agentes integrados para escribir código, explorar datos, compilar canalizaciones y administrar recursos de BigQuery.

Funciones de asistencia

Gemini en BigQuery proporciona asistencia en la consola para crear consultas, preparar datos y explorar tablas:

  • Asistencia de código de SQL: Genera, completa y explica consultas en SQL en el editor de consultas.
  • Asistencia de código de Python: Genera, completa y explica código de Python, incluidos PySpark y BigQuery DataFrames, en notebooks.
  • Lienzo de datos: Encuentra tablas, une y consulta datos con lenguaje natural, y visualiza los resultados en un espacio de trabajo de grafo acíclico dirigido (DAG).
  • Estadísticas de datos: Genera preguntas en lenguaje natural sobre una tabla y las consultas en SQL para responderlas en función de los metadatos de la tabla.
  • Preparación de datos: Genera recomendaciones adaptadas al contexto para limpiar, transformar y enriquecer tus datos.
  • Traductor de SQL interactivo: Crea reglas de traducción para personalizar cómo se traducen las consultas de otros dialectos de SQL a GoogleSQL.

Experiencias de chat

BigQuery ofrece dos experiencias de chat distintas en la consola deGoogle Cloud , según si quieres analizar datos en tus tablas o administrar tu entorno de BigQuery:

  • Análisis conversacional: responde preguntas sobre los datos almacenados en tus tablas. Puedes chatear directamente con fuentes de datos o crear agentes de datos configurados con metadatos personalizados, términos del glosario, instrucciones y consultas verificadas. El agente escribe y ejecuta consultas en SQL en tu nombre, y devuelve respuestas y visualizaciones.
  • Gemini Cloud Assist (versión preliminar): Te ayuda a operar y administrar BigQuery. Usa el panel de chat en la barra de herramientas de la consola deGoogle Cloud para descubrir recursos, hacer un seguimiento del linaje de datos, depurar trabajos con errores o lentos, analizar la capacidad y las reservas de ranuras, y optimizar o programar consultas.

Agentes de notebooks y canalizaciones

Puedes usar los siguientes agentes integrados para los flujos de trabajo de ciencia de datos y de ingeniería de datos:

  • Agente de ciencia de datos: Automatiza el análisis exploratorio de datos, la limpieza de datos, las tareas de AA y las visualizaciones para tablas de BigQuery y archivos CSV dentro de un notebook de Colab Enterprise.
  • Agente de ingeniería de datos: Crea, modifica y soluciona problemas de las canalizaciones de datos de Dataform para cargar y procesar datos en BigQuery con instrucciones en lenguaje natural.

IA, búsqueda y AA en consultas en SQL

Puedes ejecutar modelos de IA generativa, buscar datos estructurados y no estructurados, y entrenar modelos de AA predictivos directamente en GoogleSQL.

Funciones de IA

BigQuery proporciona funciones de SQL que llaman a Gemini, modelos de socios y abiertos en Gemini Enterprise Agent Platform, APIs de IA de Cloud o modelos integrados:

  • Funciones de IA de uso general: Usa estas funciones cuando quieras tener control total sobre el modelo, la instrucción, el esquema de salida y los parámetros.
  • Funciones de IA administradas: usa estas funciones para tareas de filtrado, calificación, clasificación y agregación de rutina con una sintaxis simplificada. BigQuery puede elegir un modelo para que optimices el costo y la calidad.
  • Funciones específicas de tareas: llama a las APIs de IA de Cloud desde SQL para el procesamiento de lenguaje natural, la traducción automática, el procesamiento de documentos, la transcripción de audio y la visión artificial.

BigQuery admite la búsqueda semántica y por palabras clave en datos estructurados, semiestructurados y multimodales:

  • Búsqueda de texto: Usa la función SEARCH para realizar una búsqueda con asignación de tokens en texto no estructurado o datos JSON semiestructurados. Puedes mejorar el rendimiento de la búsqueda creando un índice de búsqueda, que permite que BigQuery optimice las consultas que usan la función SEARCH, así como otras funciones y operadores.
  • Generación de embeddings: Genera embeddings, que son vectores numéricos de alta dimensión que representan entidades como texto o imágenes, con modelos proporcionados por Agent Platform o alojados en ella, o con modelos importados y ejecutados en BigQuery. También puedes hacer que BigQuery mantenga automáticamente una columna de embeddings habilitando la generación de embeddings autónomos.
  • Vector Search: encuentra elementos semánticamente similares para la generación aumentada por recuperación (RAG) o las recomendaciones con VECTOR_SEARCH, AI.SEARCH y índices de vectores.

Aprendizaje automático

Con BigQuery ML, puedes entrenar, evaluar y ejecutar inferencias en modelos para tareas como la previsión de series temporales, la detección de anomalías, la clasificación, la regresión, el agrupamiento en clústeres, la reducción de dimensiones y las recomendaciones.

Puedes trabajar con las funciones de BigQuery ML a través de la consola deGoogle Cloud , la herramienta de línea de comandos de bq, la API de REST o en notebooks de Colab Enterprise. Debido a que BigQuery ML permite que los profesionales de SQL usen herramientas y habilidades de SQL existentes para compilar y evaluar modelos, democratiza el AA y acelera el desarrollo de modelos, ya que lleva el AA a los datos en lugar de requerir el movimiento de datos. Puedes usar BigQuery ML para ayudarte con los siguientes tipos de tareas de AA:

Para obtener más información, consulta la Introducción al AA en BigQuery.

Herramientas para compilar y supervisar agentes

Si desarrollas aplicaciones o agentes de IA personalizados que interactúan con BigQuery, puedes usar las siguientes herramientas:

Agentes en tu IDE o terminal

Puedes interactuar con BigQuery desde tu entorno de desarrollo local o la línea de comandos con las siguientes herramientas:

  • Data Agent Kit: Usa la extensión de IDE (para VS Code, Antigravity y Cursor) o el complemento de agente de programación (para la CLI de Antigravity, la CLI de Gemini, Claude Code y la CLI de Codex) para explorar conjuntos de datos, ejecutar consultas, compilar canalizaciones y entrenar modelos de AA.
  • Integraciones de IDE de MCP: Conecta IDEs como Antigravity, VS Code, Cursor, Windsurf y Claude Code a BigQuery con MCP Store de Antigravity o MCP Toolbox para bases de datos.
  • CLI de Antigravity: Usa la CLI de Antigravity para ejecutar consultas, administrar canalizaciones y, además, interactuar con los recursos de BigQuery.

¿Qué sigue?