El impacto de la Inteligencia Artificial en Power BI

Podría decirse que llevamos dos años trabajando mano a mano con la Inteligencia Artificial en nuestros proyectos. A medida que pasa el tiempo, los cambios que está generando en la manera de hacer las cosas y de obtener respuestas son innegables.

Hasta no hace mucho, al momento de tener dudas, lo común era consultar libros, blogs, foros, tutoriales en YouTube, grupos en WhatsApp o Telegram, documentación oficial o llamar a un amigo o amiga.

En el presente, ChatGPT, Perplexity, Claude o cualquier otro LLM te acompañan como un «asistente virtual», sin desgaste, gratis o pagando $18 al mes.

Un ejemplo reciente fue la búsqueda de una sintaxis en DAX para extraer palabras de una columna utilizando funciones de texto que casi nunca uso. El resultado propuesto me gustó, y lo utilicé con éxito. En otra ocasión, necesitaba calcular la distancia euclidiana y no tenía la menor idea de cómo comenzar… Hice una pregunta y ¡voilà!

Y así podría seguir citando ejemplos en los que he requerido un avance, llamémosle inicial, para arrojar luz sobre mis dudas. Sin embargo, aunque estas herramientas sirven y los resultados se pueden modificar, podrían funcionar sin problema alguno para muchas personas tal como son entregados por la IA. Pero quienes nos dedicamos a desarrollar soluciones de Inteligencia Empresarial de manera profesional siempre nos preguntamos: ¿Qué es lo que verdaderamente sucede?

Allí surge el discernimiento basado en el conocimiento de los fundamentos, lo que permite aceptar o descartar lo presentado. Esto aplica a cualquier ámbito donde se utilicen estas herramientas.

¿DAX difícil? Pfff…

Este año me tocó revisar un modelo creado por un usuario que nunca había utilizado Power BI Desktop y que se dedicó a migrar todos sus dashboards desde Excel. Al verificar cada una de las sintaxis, noté una mezcla de funciones y prácticas «sospechosas» que lograban su objetivo, pero hacían muy difícil depurar («debuggear») lo que sucedía. Era un sinfín de copiar y pegar hasta que el resultado fuera correcto. Algo así como: «No lo entiendo, pero me sirve».

Y sí, funcionaba, y los cálculos eran correctos.

Solo cuando la persona elevó ese requerimiento al departamento y se dio cuenta de que, para convertirlo en algo no solo «escalable» (expansivo) sino sostenible —es decir, que pueda crecer sin tantas piruetas en el camino—, surgió la necesidad de comprender los fundamentos y decidir si dedicaría tiempo a estudiar sobre el tema.

Allí entramos en escena los consultores o analistas de datos.

Lo importante no es si el modelo semántico y los cálculos fueron hechos de manera eficiente (en la jungla es así), sino la velocidad con la que se logró algo en muy poco tiempo gracias a la Inteligencia Artificial. Podría decirse que armó él solo un MVP (producto mínimo viable), vendió la necesidad al departamento y consiguió los recursos para posteriormente desligarse de lo que viene más adelante, adoptando un rol netamente de supervisión.

En el pasado, eso era muy difícil; no diré imposible, porque sí lo vi, pero no tan rápido ni con un nivel de complejidad elevado.

 

No puedo unir los puntos

Una de las consecuencias de proceder de esta manera (a fuerza bruta) es que no se pueden apreciar las interrelaciones ni del lenguaje ni del programa en general.

Esta metodología funciona para la mayoría de las personas, ya que evita las fricciones iniciales del tipo «¿Cómo debería comenzar?«. Sin embargo, su desenlace suele ser un entramado sin sentido, porque no está guiado por la razón ni por el conocimiento que requiere el contexto.

Solo cuando la persona comienza a estudiar es capaz de identificar las consecuencias de este tipo de proceder. Aun así, no resulta especialmente preocupante en escenarios donde la mayoría de los usuarios trabajan con documentos de Excel, archivos .CSV o fuentes que no provienen de bases de datos.

El programa es muy bondadoso y lo suficientemente potente como para tolerar esos «pecados» y otras desviaciones de las buenas prácticas que a menudo vemos publicadas en LinkedIn. Estas recomendaciones, aunque útiles, están orientadas a verdaderos especialistas, no al usuario casual que simplemente busca resultados inmediatos.

El último bastión…

Si hay un área donde todavía no se ha avanzado al punto de provocar un «¡wow!» es en la visualización de datos. Aunque la Inteligencia Artificial está transformando muchos aspectos del trabajo, la visualización sigue siendo un terreno predominantemente humano.

Power BI es una herramienta (ustedes saben que es), pero su objetivo final es la visualización; sin ella, no hay NADA. Sin embargo, aún no vemos avances significativos en términos de ajustes profundos en el flujo de trabajo. Más allá de herramientas externas, la conceptualización de un reporte sigue siendo un proceso profundamente humano, porque es extremadamente difícil integrar estrategia comunicacional, experiencia de usuario, temperamento y cumplimiento de objetivos de información mediante simples preguntas a una IA.

Es cierto que hemos presenciado avances, como reportes generados con un solo clic, pero estos se limitan principalmente a automatizaciones para análisis exploratorios. No son una solución para necesidades más específicas, donde existe toda una lista de requerimientos que cumplir y una narrativa que construir.

Por otro lado, la creatividad en la visualización de datos sigue siendo asombrosa. Un claro ejemplo es el canal «How to Power BI«, donde su creador constantemente sorprende con combinaciones ingeniosas de características, lenguajes y técnicas para lograr resultados impensables. También destaca el trabajo de Carlos Barboza, quien disecciona gráficos en Power BI y logra descomponer series de tiempo hasta el más mínimo detalle. Sin dejar atrás a personas como Gustaw Dudek, Said Gamal, Imran Haq entre otros… (me quedo corto).

La razón principal es que la visualización de datos es difícil de estandarizar o encasillar. Por ahora, resulta complicado imaginar soluciones de Inteligencia Artificial que puedan ofrecer un paso a paso tan detallado como lo hacen para preguntas relacionadas con sintaxis o lenguajes. Este último bastión sigue siendo una mezcla de arte y ciencia que depende, sobre todo, de la creatividad y experiencia humana.

 

Imagen de portada: Tara Winstead