La API de Conversational Analytics te permite activar o desactivar el registro de conversaciones para un agente de datos y elegir la tabla de BigQuery que almacena sus registros. Para revisar las preguntas de los usuarios y las respuestas del agente, consulta esa tabla.
Antes de comenzar
Antes de configurar el registro de conversaciones para un agente de datos, completa las siguientes tareas:
- En tu proyecto de Google Cloud , habilita las APIs necesarias para la API de Conversational Analytics y BigQuery.
- Verifica que tengas los roles de Identity and Access Management (IAM) necesarios.
- Asegúrate de tener un agente de datos cuyas fuentes de datos hagan referencia a tablas de BigQuery. Para ver las configuraciones de agentes que no se registran, consulta Limitaciones.
- Planifica un conjunto de datos de BigQuery en el proyecto del agente de datos que contenga solo los registros. Todos los agentes de datos del proyecto comparten un agente de servicio, y un conjunto de datos dedicado limita su acceso de escritura a tus registros.
- Decide quién puede leer los registros. Los registros contienen las preguntas completas de los usuarios y las respuestas del agente. Si los usuarios chatean con el agente a través de tu propia aplicación, eres responsable de los avisos, las divulgaciones o los consentimientos que se apliquen a las conversaciones registradas. Para obtener más información, consulta Privacidad, administración de datos y seguridad.
Roles obligatorios
Si deseas obtener los permisos que necesitas para configurar el registro de conversaciones de un agente de datos y consultar los registros, pídele a tu administrador que te otorgue los siguientes roles de IAM:
-
Crea el conjunto de datos de registro:
Usuario de BigQuery (
roles/bigquery.user) en tu proyecto -
Otorga al agente de servicio acceso al conjunto de datos de registro:
Propietario de datos de BigQuery (
roles/bigquery.dataOwner) en el conjunto de datos de registro -
Cambiar la configuración de registro de conversaciones de un agente de datos:
Editor de agentes de datos de Gemini Data Analytics (
roles/geminidataanalytics.dataAgentEditor) en el agente de datos o en tu proyecto -
Consulta los registros:
- Visualizador de datos de BigQuery (
roles/bigquery.dataViewer) en el conjunto de datos de registro - Usuario de trabajo de BigQuery (
roles/bigquery.jobUser) en tu proyecto
- Visualizador de datos de BigQuery (
Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.
También puedes obtener los permisos necesarios a través de roles personalizados o cualquier otro rol predefinido.
Si creas el conjunto de datos de registro, se te otorga automáticamente el rol de propietario de datos de BigQuery en él. Si creaste el agente de datos, se te otorga automáticamente
el rol de propietario de agentes de datos de Gemini Data Analytics
(roles/geminidataanalytics.dataAgentOwner) en él, que incluye el permiso para
cambiar su configuración de registro de conversaciones.
Los usuarios que chatean con el agente de datos no necesitan roles adicionales para el registro de conversaciones. Si no se registran las conversaciones de algunos usuarios, consulta Soluciona problemas de registro de conversaciones.
Rol de agente de servicio
El agente de servicio de la API de Conversational Analytics
(service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.)
escribe los registros. Reemplaza PROJECT_NUMBER por el número
del proyecto que contiene el agente de datos.
Para asegurarte de que el agente de servicio de la API de Conversational Analytics tenga los permisos
necesarios para crear la tabla de registros y escribir registros de conversaciones en ella,
pídele a tu administrador que otorgue el
rol de IAM de editor de datos de BigQuery (roles/bigquery.dataEditor) al agente de servicio de la API de Conversational Analytics en el conjunto de datos de registros.
Es posible que tu administrador también pueda otorgar los permisos necesarios al agente de servicio de la API de Conversational Analytics a través de roles personalizados o de otros roles predefinidos.
Habilitar el registro de conversaciones
El registro de conversaciones necesita un conjunto de datos en el que el agente de servicio pueda escribir. Primero, crea el conjunto de datos y otorga acceso. Luego, activa el registro para el agente de datos.
Crea el conjunto de datos de registro
Crea un conjunto de datos en el proyecto del agente de datos para almacenar los registros. El agente de servicio
crea la tabla de registros en este conjunto de datos en el primer turno registrado. Para crear el
conjunto de datos, usa el comando
bq mk --dataset en la
herramienta de línea de comandos de bq. Puedes ejecutar los comandos de la herramienta de bq en
Cloud Shell o en una terminal local en la que esté instalada Google Cloud CLI.
bq --location=LOCATION mk --dataset PROJECT_ID:LOG_DATASET
Reemplaza los valores de muestra de la siguiente manera:
- LOCATION: Es la ubicación de BigQuery del conjunto de datos de registro, como
US. - PROJECT_ID: Es el ID del proyecto que contiene el agente de datos.
- LOG_DATASET: Es el ID del conjunto de datos que se creará.
Para conocer otras formas de crear un conjunto de datos, consulta Crea conjuntos de datos.
Otorga acceso al agente de servicio al conjunto de datos
Otorga al agente de servicio el rol de editor de datos de BigQuery
(roles/bigquery.dataEditor) solo en el conjunto de datos de registro.
Selecciona una de las siguientes opciones:
Console
En la consola de Google Cloud , ve a la página BigQuery.
En el panel Explorador, expande tu proyecto, haz clic en Conjuntos de datos y, luego, selecciona el conjunto de datos de registro.
Haz clic en Compartir > Administrar permisos.
Haz clic en Agregar principal.
En el campo Principales nuevas, ingresa la dirección de correo electrónico del agente de servicio:
service-PROJECT_NUMBER@gcp-sa-geminidataanalytics..Reemplaza
PROJECT_NUMBERpor el número del proyecto que contiene el agente de datos.En la lista Selecciona un rol, elige Editor de datos de BigQuery.
Haz clic en Guardar.
SQL
En el editor de consultas de BigQuery, establece la ubicación de la consulta en la ubicación del conjunto de datos de registro y, luego, ejecuta la siguiente sentencia GRANT:
GRANT `roles/bigquery.dataEditor`
ON SCHEMA `PROJECT_ID`.LOG_DATASET
TO "serviceAccount:service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.";
Reemplaza los valores de muestra de la siguiente manera:
- PROJECT_ID: Es el ID del proyecto que contiene el agente de datos y el conjunto de datos de registro.
- LOG_DATASET: Es el ID del conjunto de datos de registro.
- PROJECT_NUMBER: Es el número del proyecto que contiene el agente de datos.
Para conocer otras formas de otorgar acceso, consulta Otorga acceso a un conjunto de datos. Si el otorgamiento falla porque el agente de servicio no existe, consulta No se puede otorgar acceso al conjunto de datos porque el agente de servicio no existe.
Activa el registro para el agente de datos
Para activar el registro de un agente de datos existente, configura los campos
bigquery_agent_analytics_enabled y bigquery_agent_analytics_table del agente
(bigqueryAgentAnalyticsEnabled y bigqueryAgentAnalyticsTable en las solicitudes HTTP)
y, luego, incluye ambos campos en la máscara de actualización. La actualización solo cambia
los campos de la máscara de actualización. El agente de servicio escribe filas de registro solo cuando
activas el registro y configuras una tabla de registro.
Ejecuta las siguientes muestras en el entorno de Python que configuraste en
Establece la configuración e inicializa
los clientes
(SDK de Python) o Establece la configuración inicial y
la autenticación
(HTTP), como un notebook de Colaboratory. Las muestras del SDK de Python de esta página
requieren la versión 0.13.4 o posterior de google-cloud-geminidataanalytics.
Python SDK
from google.protobuf import field_mask_pb2
data_agent_id = "DATA_AGENT_ID"
log_dataset = "LOG_DATASET"
log_table = "LOG_TABLE"
data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_enabled = True
data_agent.bigquery_agent_analytics_table = geminidataanalytics.BigQueryTableReference(
project_id=billing_project,
dataset_id=log_dataset,
table_id=log_table,
)
update_mask = field_mask_pb2.FieldMask(
paths=["bigquery_agent_analytics_enabled", "bigquery_agent_analytics_table"]
)
request = geminidataanalytics.UpdateDataAgentRequest(
data_agent=data_agent,
update_mask=update_mask,
)
try:
response = data_agent_client.update_data_agent_sync(request=request)
print(response.bigquery_agent_analytics_enabled)
print(response.bigquery_agent_analytics_table)
except Exception as e:
print(f"Error updating data agent: {e}")
Reemplaza los valores de muestra de la siguiente manera:
- DATA_AGENT_ID: Es el ID del agente de datos.
- LOG_DATASET: Es el ID del conjunto de datos de registro.
- LOG_TABLE: Es el ID de la tabla de registros, como
agent_events. Si la tabla no existe, el agente de servicio la crea en el primer turno registrado.
HTTP
data_agent_id = "DATA_AGENT_ID"
log_dataset = "LOG_DATASET"
log_table = "LOG_TABLE"
data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"
payload = {
"bigqueryAgentAnalyticsEnabled": True,
"bigqueryAgentAnalyticsTable": {
"projectId": billing_project,
"datasetId": log_dataset,
"tableId": log_table,
},
}
params = {
"updateMask": "bigqueryAgentAnalyticsEnabled,bigqueryAgentAnalyticsTable"
}
data_agent_response = requests.patch(
data_agent_url, headers=headers, params=params, json=payload
)
if data_agent_response.status_code == 200:
body = data_agent_response.json()
if body.get("bigqueryAgentAnalyticsEnabled") and body.get(
"bigqueryAgentAnalyticsTable"
):
print("Conversation logging is turned on.")
else:
print("Logging isn't turned on. Check the returned data agent.")
print(json.dumps(body, indent=2))
else:
print(f"Error updating data agent: {data_agent_response.status_code}")
print(data_agent_response.text)
Reemplaza los valores de muestra de la siguiente manera:
- DATA_AGENT_ID: Es el ID del agente de datos.
- LOG_DATASET: Es el ID del conjunto de datos de registro.
- LOG_TABLE: Es el ID de la tabla de registros, como
agent_events. Si la tabla no existe, el agente de servicio la crea en el primer turno registrado.
El método devuelve el agente de datos actualizado. Confirma que el registro esté habilitado y que la tabla de registro esté configurada.
Para activar el registro cuando creas un agente de datos, incluye los mismos campos en tu solicitud de creación. Para la solicitud de creación, consulta Crea un agente de datos (SDK de Python o HTTP). En el cuerpo de una solicitud HTTP, los campos se ven de la siguiente manera:
"bigqueryAgentAnalyticsEnabled": true,
"bigqueryAgentAnalyticsTable": {
"projectId": "PROJECT_ID",
"datasetId": "LOG_DATASET",
"tableId": "LOG_TABLE"
}
Reemplaza los valores de muestra de la siguiente manera:
- PROJECT_ID: Es el ID del proyecto que contiene el agente de datos.
- LOG_DATASET: Es el ID del conjunto de datos de registro.
- LOG_TABLE: Es el ID de la tabla de registros.
Verifica que se registren las conversaciones
- Envía una solicitud de chat al agente de datos. Para ver ejemplos, consulta Usa la API para hacer preguntas (SDK de Python o HTTP).
Espera unos 10 segundos después de que el agente responda. Luego, en Cloud Shell o en una terminal, ejecuta el siguiente comando
bq querypara ver las preguntas y respuestas recientes. También puedes ejecutar el SQL en el editor de consultas de BigQuery.bq query --use_legacy_sql=false ' SELECT timestamp, event_type, JSON_VALUE(content, "$.text_summary") AS text FROM `PROJECT_ID.LOG_DATASET.LOG_TABLE` WHERE timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 HOUR) AND event_type IN ("USER_MESSAGE_RECEIVED", "AGENT_RESPONSE") ORDER BY timestamp DESC LIMIT 20'Reemplaza los valores de muestra de la siguiente manera:
- PROJECT_ID: Es el ID del proyecto que contiene el agente de datos.
- LOG_DATASET: Es el ID del conjunto de datos de registro.
- LOG_TABLE: Es el ID de la tabla de registros.
Si la consulta devuelve tu pregunta y la respuesta del agente, el registro de conversaciones funciona correctamente. Si la tabla no existe o está vacía, consulta Soluciona problemas con el registro de conversaciones.
Cambia la tabla de destino
Para escribir registros en una tabla diferente, actualiza el campo
bigquery_agent_analytics_table del agente de datos (bigqueryAgentAnalyticsTable en las solicitudes
HTTP) y, luego, incluye el campo en la máscara de actualización. La tabla nueva debe estar en
el proyecto del agente de datos, y el agente de servicio debe tener el rol de editor de datos de BigQuery
en el conjunto de datos de la tabla nueva.
Ejecuta la siguiente muestra en el mismo entorno que en Activa el registro para el agente de datos.
Python SDK
from google.protobuf import field_mask_pb2
data_agent_id = "DATA_AGENT_ID"
log_dataset = "NEW_LOG_DATASET"
log_table = "NEW_LOG_TABLE"
data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_table = geminidataanalytics.BigQueryTableReference(
project_id=billing_project,
dataset_id=log_dataset,
table_id=log_table,
)
update_mask = field_mask_pb2.FieldMask(paths=["bigquery_agent_analytics_table"])
request = geminidataanalytics.UpdateDataAgentRequest(
data_agent=data_agent,
update_mask=update_mask,
)
try:
response = data_agent_client.update_data_agent_sync(request=request)
print(response.bigquery_agent_analytics_table)
except Exception as e:
print(f"Error updating data agent: {e}")
Reemplaza los valores de muestra de la siguiente manera:
- DATA_AGENT_ID: Es el ID del agente de datos.
- NEW_LOG_DATASET: Es el ID del conjunto de datos de registro nuevo.
- NEW_LOG_TABLE: Es el ID de la tabla de registros nueva.
HTTP
data_agent_id = "DATA_AGENT_ID"
log_dataset = "NEW_LOG_DATASET"
log_table = "NEW_LOG_TABLE"
data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"
payload = {
"bigqueryAgentAnalyticsTable": {
"projectId": billing_project,
"datasetId": log_dataset,
"tableId": log_table,
},
}
params = {"updateMask": "bigqueryAgentAnalyticsTable"}
data_agent_response = requests.patch(
data_agent_url, headers=headers, params=params, json=payload
)
if data_agent_response.status_code == 200:
body = data_agent_response.json()
table = body.get("bigqueryAgentAnalyticsTable", {})
if table.get("datasetId") == log_dataset and table.get("tableId") == log_table:
print("Log table updated.")
else:
print("The log table didn't change. Check the returned data agent.")
print(json.dumps(body, indent=2))
else:
print(f"Error updating data agent: {data_agent_response.status_code}")
print(data_agent_response.text)
Reemplaza los valores de muestra de la siguiente manera:
- DATA_AGENT_ID: Es el ID del agente de datos.
- NEW_LOG_DATASET: Es el ID del conjunto de datos de registro nuevo.
- NEW_LOG_TABLE: Es el ID de la tabla de registros nueva.
Las filas que ya se registraron permanecen en la tabla anterior. El cambio se aplica en el siguiente turno.
Cómo desactivar el registro de conversaciones
Para desactivar el registro de conversaciones de un agente de datos, establece el campo
bigquery_agent_analytics_enabled del agente (bigqueryAgentAnalyticsEnabled en
las solicitudes HTTP) en false y, luego, incluye el campo en la máscara de actualización.
Ejecuta la siguiente muestra en el mismo entorno que en Activa el registro para el agente de datos.
Python SDK
from google.protobuf import field_mask_pb2
data_agent_id = "DATA_AGENT_ID"
data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_enabled = False
update_mask = field_mask_pb2.FieldMask(paths=["bigquery_agent_analytics_enabled"])
request = geminidataanalytics.UpdateDataAgentRequest(
data_agent=data_agent,
update_mask=update_mask,
)
try:
response = data_agent_client.update_data_agent_sync(request=request)
print(response.bigquery_agent_analytics_enabled)
except Exception as e:
print(f"Error updating data agent: {e}")
Reemplaza DATA_AGENT_ID por el ID del agente de datos.
HTTP
data_agent_id = "DATA_AGENT_ID"
data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"
payload = {"bigqueryAgentAnalyticsEnabled": False}
params = {"updateMask": "bigqueryAgentAnalyticsEnabled"}
data_agent_response = requests.patch(
data_agent_url, headers=headers, params=params, json=payload
)
if data_agent_response.status_code == 200:
print("Conversation logging is turned off.")
print(json.dumps(data_agent_response.json(), indent=2))
else:
print(f"Error updating data agent: {data_agent_response.status_code}")
print(data_agent_response.text)
Reemplaza DATA_AGENT_ID por el ID del agente de datos.
El cambio se aplica en el siguiente turno. Un turno que ya se está ejecutando finaliza con la configuración que estaba vigente cuando comenzó.
Para detener el registro de todos los agentes de datos que escriben en un conjunto de datos de registro, revoca el rol de editor de datos de BigQuery del agente de servicio en el conjunto de datos. El registro permanece activado para cada agente, pero el agente de servicio ya no puede escribir filas.
Si desactivas el registro, se conservarán las filas que ya se registraron. Para quitar los datos registrados, borra las filas, las particiones o la tabla de registros.
Soluciona problemas del registro de conversaciones
Usa la siguiente información para solucionar problemas habituales con el registro de conversaciones de Conversational Analytics en BigQuery. Debido a que los errores de registro nunca fallan en un turno de conversación y no se informan en el chat, en la respuesta de la API ni en Cloud Logging, una tabla de destino vacía o faltante es el indicador principal de un problema de configuración o de permisos.
Falta la tabla de registros o está vacía
Si la tabla de destino no se crea o permanece vacía después de un turno de conversación, verifica las siguientes causas posibles:
El registro de conversaciones no está activado. Confirma que el registro de conversaciones esté habilitado y que la tabla de destino esté configurada en el agente de datos.
Falta el conjunto de datos de destino o se encuentra en un proyecto diferente. Confirma que el conjunto de datos de destino ya exista en el mismo proyecto que el agente de datos. Para verificar que el conjunto de datos exista, ejecuta
bq show PROJECT_ID:LOG_DATASET. ReemplazaPROJECT_IDpor el ID del proyecto que contiene el agente de datos yLOG_DATASETpor el ID del conjunto de datos de destino. El agente de servicio crea la tabla de registro en el primer turno registrado, pero no crea el conjunto de datos.El conjunto de datos de destino es de solo lectura, como un conjunto de datos vinculado. Un conjunto de datos vinculado de uso compartido de BigQuery o un conjunto de datos externo (por ejemplo, un conjunto de datos federado de AWS Glue) es de solo lectura y no puede almacenar registros de conversaciones. Para verificar el tipo de conjunto de datos, ejecuta
bq show --format=prettyjson PROJECT_ID:LOG_DATASETy, luego, inspecciona el campo"type"("LINKED"o"EXTERNAL"). Elige un conjunto de datos estándar que se pueda escribir en el mismo proyecto que el agente de datos.Faltan permisos del agente de servicio o de CMEK. Confirma que el agente de servicio de la API de Conversational Analytics (
service-PROJECT_NUMBER@gcp-sa-geminidataanalytics., con el número del proyecto del agente en lugar del ID del proyecto) tenga el rol de editor de datos de BigQuery (roles/bigquery.dataEditor) en el conjunto de datos de registro. Si el conjunto de datos usa claves de Cloud KMS administradas por el cliente (CMEK), confirma que la cuenta de servicio de encriptación de BigQuery (bq-PROJECT_NUMBER@bigquery-encryption.) tenga el rolroles/cloudkms.cryptoKeyEncrypterDecrypteren la clave.El perímetro de los Controles del servicio de VPC bloquea las operaciones de escritura. El agente de servicio de la API de Conversational Analytics escribe en la tabla de registros desde la infraestructura administrada por Google, por lo que otorgar solo
roles/bigquery.dataEditorno es suficiente cuando un perímetro de servicio restringebigquery.googleapis.com. A diferencia de otras causas de esta lista, un bloqueo perimetral registra los registros de auditoría de Política denegada en Cloud Logging en el proyecto del agente. Filtra porlog_id("cloudaudit.googleapis.com/policy")enbigquery.googleapis.com(para la búsqueda o creación de tablas) ybigquerystorage.googleapis.com(para agregar filas) para confirmar el bloqueo. Confirma quegeminidataanalytics.googleapis.comybigquery.googleapis.comestén en el perímetro y agrega una regla de entrada para el agente de servicio enbigquery.googleapis.com. Para ver una regla de entrada de ejemplo, consulta Control de acceso, encriptación y seguridad de redes. Para obtener orientación general sobre la configuración del perímetro, consulta Configura la seguridad del perímetro con los Controles del servicio de VPC.La plataforma de conversación o la configuración del agente no son compatibles. Las conversaciones en el panel de versión preliminar de BigQuery Studio y las llamadas a la API sin estado sin un agente de datos no se registran. Para probar, envía una solicitud de chat al agente de datos a través de la API. No se registran los agentes que usan un permiso de búsqueda en lugar de tablas de BigQuery específicas, que configuran solo grafos de propiedades de BigQuery (sin tablas de BigQuery) como fuentes de conocimiento o que no declaran ninguna tabla de BigQuery. Para obtener más información, consulta Limitaciones.
Las tablas de fuentes de conocimiento usan políticas de acceso. Si alguna tabla de fuente de conocimiento (una tabla de BigQuery en las fuentes de datos del agente) usa políticas de acceso a nivel de fila, seguridad a nivel de columna (etiquetas de política) o enmascaramiento de datos dinámico, no se registran los turnos.
Conflicto de esquema en una tabla de destino existente. Si configuraste una tabla existente como destino y una columna comparte un nombre con una columna de esquema de registro de conversación, pero tiene un tipo o modo diferente, BigQuery no escribe filas en esa tabla.
Por lo general, las filas aparecen unos segundos después de que se completa un turno. Si las filas siguen sin aparecer después de esperar unos minutos, actualiza el conjunto de datos.
No se registran las conversaciones de algunos usuarios
Causa
Antes de cada turno, la verificación de privacidad usa las credenciales del usuario que chatea para verificar que las tablas de fuentes de conocimiento del agente no tengan políticas de seguridad a nivel de fila, seguridad a nivel de columna ni enmascaramiento de datos. Si un usuario no tiene permiso para ejecutar esta verificación, no se registran sus turnos.
Solución
Otorga a todos los usuarios que chatean el rol de Visualizador de datos de BigQuery (roles/bigquery.dataViewer) en las tablas de fuentes de conocimiento y el rol de Usuario de trabajos de BigQuery (roles/bigquery.jobUser) en el proyecto que ejecuta sus consultas, o bien otorga un rol personalizado con los permisos bigquery.tables.get y bigquery.rowAccessPolicies.list en las tablas de fuentes de conocimiento.
La creación o actualización del agente falla con un error INVALID_ARGUMENT
Mensaje de error
The BigQuery Agent Analytics table must be in the same project as the agent (agent project: ..., table project: ...).BigQuery Agent Analytics can only be enabled on agents whose datasource is BigQuery. Remove bigquery_agent_analytics_enabled and bigquery_agent_analytics_table, or point the agent at a BigQuery datasource.
Causa
El conjunto de datos de destino se encuentra en un proyecto diferente al del agente de datos, o la fuente de datos del agente no es BigQuery.
Solución
Especifica un conjunto de datos de destino existente en el mismo proyecto que el agente de datos o configura el agente de datos con una fuente de datos de BigQuery.
No se puede otorgar acceso al conjunto de datos porque el agente de servicio no existe
Mensaje de error
Service account service-PROJECT_NUMBER@gcp-sa-geminidataanalytics... does not exist
Causa
Aún no se aprovisionó el agente de servicio de la API de Conversational Analytics en el proyecto.
Solución
Realiza una de las siguientes acciones:
Primero, configura el destino de los registros en el agente y, luego, vuelve a otorgar el rol.
Aprovisiona la identidad del servicio ejecutando el siguiente comando:
gcloud beta services identity create \ --service=geminidataanalytics.googleapis.com \ --project=PROJECT_ID
Reemplaza
PROJECT_IDpor el ID del proyecto que contiene el agente de datos.