InterSystems integra lenguaje natural, agentes y gobernanza para explorar información estructurada y documentos empresariales. InterSystems Data Studio AI Assistant permite consultar, explorar y visualizar datos empresariales mediante lenguaje natural. La extensión trabaja con información estructurada y no estructurada, utiliza repositorios de conocimiento controlados y limita el acceso de cada asistente a los conjuntos de datos autorizados para el usuario.

Aspectos clave

• La extensión incorpora IA generativa directamente en InterSystems Data Studio.
• Permite realizar preguntas sobre datos estructurados y documentos no estructurados.
• Incluye asistentes interactivos, un asistente SQL y agentes para visualización y descubrimiento de activos.
• Cada asistente puede conectarse únicamente con repositorios de conocimiento autorizados.
• La plataforma utiliza búsqueda semántica para recuperar información por significado y contexto.
• Los clientes pueden configurar asistentes personalizados con conocimiento especializado.
• La solución se ofrece como una extensión opcional y un servicio totalmente administrado.
• La gobernanza, los permisos y la calidad de los datos siguen siendo esenciales para validar las respuestas.

La dificultad de la IA empresarial comienza en los datos

Boston, EE.UU. de Norteamérica, 2 de agosto de 2026.— Las organizaciones avanzan desde las pruebas experimentales hacia aplicaciones de inteligencia artificial utilizadas en procesos reales. En esa transición, muchas descubren que el principal obstáculo no está necesariamente en seleccionar un modelo más potente, sino en proporcionarle información actualizada, contextualizada y suficientemente confiable. Los datos empresariales suelen encontrarse distribuidos entre aplicaciones operativas, bases de datos, archivos, plataformas en la nube, almacenes analíticos y repositorios departamentales. Esta fragmentación complica tanto el trabajo de los usuarios como el funcionamiento de los sistemas de IA.

InterSystems anunció la disponibilidad general de InterSystems Data Studio™ AI Assistant, una extensión de IA generativa que permite comprender, consultar, analizar y visualizar información mediante interacciones en lenguaje natural. La herramienta se integra directamente en Data Studio, una plataforma convergente diseñada para unificar datos distribuidos y ofrecer información preparada para aplicaciones, análisis e inteligencia artificial.

Las organizaciones buscan formas de convertir sus datos en información útil sin añadir complejidad”, afirmó Scott Gnau, vicepresidente sénior de Plataformas de Datos de InterSystems. “InterSystems Data Studio AI Assistant incorpora la IA generativa directamente en una plataforma de datos fiable. Esto permite a los usuarios interactuar con la información de una forma más natural, al tiempo que se mantienen la gobernanza, la seguridad y los controles que necesitan las empresas”.

Del lenguaje natural a una consulta empresarial

El asistente permite que una persona formule preguntas sin tener que conocer necesariamente la estructura interna de una base de datos o escribir manualmente una consulta SQL. Un usuario podría solicitar, por ejemplo:

• Comparar ventas entre regiones;
• Localizar contratos relacionados con un proveedor;
• Identificar variaciones en inventarios;
• Consultar tendencias operativas;
• Generar un gráfico a partir de datos seleccionados;
• Descubrir qué activos de información están disponibles;
• Preparar una consulta SQL mediante instrucciones en lenguaje natural.

La plataforma incorpora un asistente SQL capaz de traducir preguntas a consultas sobre datos estructurados. También ofrece agentes especializados en visualización, descubrimiento, indexación y administración de metadatos. La generación automática de una consulta no elimina la necesidad de revisión. En operaciones financieras, clínicas, regulatorias o de misión crítica, el usuario debe validar filtros, definiciones, periodos y criterios antes de utilizar el resultado para tomar una decisión.

Datos estructurados y documentos dentro del mismo entorno

Data Studio AI Assistant puede trabajar con dos grandes categorías de información. Los datos estructurados incluyen tablas, registros, fechas, importes, códigos y otros elementos organizados bajo esquemas definidos. Los datos no estructurados pueden incluir contratos, políticas internas, informes, manuales y documentos PDF. En el caso de la información estructurada, Data Studio utiliza narrativas que conectan tablas SQL y preparan su contenido para búsquedas semánticas. Para documentos, los archivos se procesan y se incorporan a repositorios de conocimiento desde los cuales los asistentes recuperan el contexto pertinente. Esta combinación permite formular preguntas que atraviesan diferentes fuentes, aunque la calidad de la respuesta dependerá de que los datos hayan sido incorporados, descritos y relacionados correctamente.

Knowledge Stores delimitan lo que cada asistente puede conocer

La arquitectura se apoya en los denominados Knowledge Stores o repositorios de conocimiento. Cada repositorio contiene un conjunto delimitado de información preparada para un caso de uso. Un asistente puede conectarse con uno o varios de estos repositorios, pero no consulta automáticamente todos los datos existentes en la organización. Cuando una persona formula una pregunta, el asistente busca únicamente dentro de los Knowledge Stores que tiene asignados. Además, si el usuario no posee permisos para acceder a un repositorio, ese contenido no debe utilizarse para generar la respuesta. Este diseño es relevante para separar dominios y responsabilidades. Una organización podría configurar:

• Un asistente para ventas;
• Otro para cumplimiento;
• Uno especializado en contratos;
• Otro para operaciones;
• Un asistente clínico conectado solo con datos autorizados;
• Agentes diferenciados por país, filial o unidad de negocio.

La segmentación reduce la exposición innecesaria de información y evita que un asistente general mezcle datos sin relación con la tarea solicitada.

Búsqueda semántica para encontrar información por significado

Los asistentes utilizan búsqueda semántica para identificar contenido relacionado con la intención de la pregunta, incluso cuando el usuario no emplea exactamente los mismos términos presentes en la fuente. En lugar de depender únicamente de coincidencias literales, el sistema analiza similitud y significado. Esta capacidad puede resultar útil para resumir documentos, comparar fuentes o explorar tendencias, pero requiere repositorios bien organizados. InterSystems advierte en su documentación que mezclar información no relacionada puede reducir la precisión de la recuperación y la calidad de las respuestas. La inteligencia artificial no corrige automáticamente un conjunto de datos mal clasificado. Si la información de origen es incompleta, obsoleta o contradictoria, esas limitaciones pueden trasladarse al resultado.

Un marco multiagente adaptable al negocio

Data Studio AI Assistant incluye asistentes y agentes preconfigurados, además de un marco extensible para desarrollar capacidades especializadas. Un asistente funciona como la interfaz con la que interactúa el usuario. Por debajo, puede coordinar diferentes agentes encargados de buscar información, construir consultas, analizar resultados, generar visualizaciones o evaluar una tarea en varias etapas. El marco admite razonamiento de múltiples pasos, diagnóstico y evaluación de resultados. Las organizaciones también pueden crear asistentes personalizados con conocimientos especializados y memoria contextual dentro de cada sesión. Esta arquitectura puede servir para construir flujos que vayan más allá de responder una pregunta, como localizar información, verificar determinadas condiciones y presentar los resultados en un formato específico.

El cliente selecciona el proveedor de modelos autorizado

La documentación de InterSystems indica que la implementación comienza configurando un proveedor de grandes modelos de lenguaje y una clave aprobada por la organización. Esto significa que Data Studio AI Assistant no debe entenderse como un único modelo cerrado. La plataforma conecta la capa de datos y los repositorios de conocimiento con un proveedor de LLM previamente evaluado por el cliente. Antes de realizar esa configuración, la organización debería evaluar:

• Ubicación y tratamiento de los datos;
• Condiciones de retención;
• Controles de acceso;
• Registro de interacciones;
• Protección de información sensible;
• Jurisdicción y cumplimiento;
• Costo y límites de uso;
• Desempeño del modelo en el dominio requerido.

La flexibilidad para utilizar un proveedor aprobado es útil, pero traslada a la organización la responsabilidad de gobernar esa elección.

Una capa común frente a múltiples herramientas separadas

InterSystems presenta la integración nativa como una alternativa a construir y mantener diversas soluciones independientes para ingestión, preparación, búsqueda, visualización y generación de respuestas. Data Studio se ofrece como un servicio administrado y de bajo código que busca unificar datos distribuidos, automatizar operaciones y proporcionar una capa común para usuarios, aplicaciones, plataformas analíticas y sistemas de IA. La reducción de componentes puede simplificar la administración, pero no elimina la necesidad de integrar sistemas legados, definir modelos semánticos ni asignar responsables sobre la información. El valor real dependerá menos de la cantidad de herramientas sustituidas y más de la capacidad para ofrecer datos consistentes sin crear un nuevo silo centralizado.

Gobernanza y permisos antes que respuestas ilimitadas

Una interfaz conversacional puede generar la impresión de que toda la información empresarial está disponible para cualquier usuario. En un entorno seguro, debería ocurrir exactamente lo contrario: el acceso tiene que continuar limitado por funciones, permisos y finalidad. InterSystems destaca controles granulares para determinar qué conjuntos de datos puede consultar cada asistente, así como mecanismos administrativos para administrar usuarios, políticas y utilización. Una estrategia responsable debería incorporar:

• Control de acceso basado en funciones;
• Clasificación de datos sensibles;
• Separación entre ambientes de prueba y producción;
• Trazabilidad de preguntas y respuestas;
• Revisión de consultas generadas;
• Evaluación periódica de calidad;
• Mecanismos para corregir información incorrecta;
• Supervisión humana en decisiones críticas.

La gobernanza no es una función adicional colocada después del despliegue. Debe definir desde el inicio qué puede conocer, hacer y mostrar cada asistente.

El riesgo de convertir una respuesta plausible en una decisión

Un asistente puede presentar una respuesta clara y gramaticalmente correcta aunque la recuperación haya omitido información, interpretado mal una categoría o utilizado un dato desactualizado. Por ello, la visualización o explicación generada no debe confundirse con evidencia validada. En ámbitos sensibles, conviene que el sistema permita al usuario:

• Identificar las fuentes consultadas;
• Revisar la consulta SQL generada;
• Comprobar la fecha de actualización;
• Conocer qué repositorios fueron utilizados;
• Distinguir datos originales de inferencias;
• Registrar quién aprobó la decisión resultante.

Esta es una lectura editorial: la confianza empresarial no proviene de que la IA responda con fluidez, sino de que la organización pueda demostrar cómo llegó a esa respuesta.

Datos actualizados para asistentes más útiles

InterSystems señala que los asistentes pueden trabajar con los datos más recientes administrados por las operaciones automatizadas de Data Studio. La denominada live data awareness busca evitar que el asistente dependa exclusivamente de una copia estática o de una base documental que dejó de actualizarse. Esta capacidad puede ser útil en escenarios donde el contexto cambia rápidamente, como cadenas de suministro, operaciones financieras, atención sanitaria o gestión de inventarios. Sin embargo, “actualizado” no significa necesariamente “correcto”. La calidad continúa dependiendo de los sistemas de origen, los procesos de integración y la responsabilidad de quienes administran los datos.

De la democratización del análisis a la alfabetización de datos

Permitir que usuarios no técnicos formulen preguntas puede ampliar el acceso a la información dentro de la empresa. Un gerente puede explorar resultados sin esperar que un analista construya manualmente cada reporte. Un especialista puede consultar documentos y tablas desde una misma interfaz. Los equipos técnicos pueden utilizar agentes para acelerar tareas repetitivas. Pero democratizar el acceso no significa que todas las personas interpreten correctamente los resultados. Las organizaciones también necesitarán fortalecer:

• Alfabetización de datos;
• Comprensión estadística;
• Lectura crítica de visualizaciones;
• Conocimiento de las definiciones empresariales;
• Capacidad para detectar respuestas incompletas;
• Criterios de escalamiento hacia especialistas.

La IA puede reducir la barrera técnica para formular una consulta, pero no reemplaza el conocimiento necesario para evaluar su significado.

Más contexto

InterSystems Data Studio AI Assistant se encuentra disponible de forma general como una extensión opcional de Data Studio. Sus capacidades, rendimiento y resultados dependerán de la configuración del proveedor de LLM, los repositorios de conocimiento, los permisos, la calidad de los datos y el caso de uso. La documentación indica que las conversaciones mantienen memoria contextual dentro de cada sesión y que los asistentes solo pueden utilizar datos previamente procesados y autorizados. Esto reduce el alcance de la búsqueda, pero no garantiza que cada respuesta sea completa o correcta. La sala de prensa oficial de InterSystems fecha el anuncio el 27 de julio de 2026, mientras que la distribución proporcionada por la agencia consigna el 30 de julio.

Datos citables

• Data Studio AI Assistant es una extensión opcional basada en IA generativa.
• La herramienta acepta preguntas formuladas en lenguaje natural.
• Puede trabajar con datos estructurados y documentos no estructurados.
• Incluye un asistente SQL y agentes para visualización y descubrimiento de activos.
• Cada asistente consulta únicamente los Knowledge Stores asignados.
• El acceso a los repositorios depende de los permisos del usuario.
• La solución admite asistentes personalizados con conocimiento especializado.
• Data Studio se ofrece como una plataforma de bajo código y servicio totalmente administrado.
• InterSystems opera actualmente desde 37 ubicaciones en 28 países y su software se utiliza en más de 80 países.

Preguntas y respuestas para comprender la propuesta

¿Data Studio AI Assistant reemplaza a los analistas de datos?

No necesariamente. Puede acelerar búsquedas, consultas y visualizaciones, pero los analistas continúan siendo necesarios para definir métricas, validar datos, interpretar resultados y evaluar su impacto empresarial.

¿Puede consultar cualquier información de la organización?

No. Cada asistente se conecta con repositorios de conocimiento específicos y debe respetar los permisos asignados al usuario.

¿Qué diferencia existe entre un asistente y un agente?

El asistente es la interfaz con la que conversa el usuario. Los agentes pueden ejecutar funciones especializadas, como buscar datos, generar consultas, analizar resultados o construir visualizaciones.

¿La plataforma evita las alucinaciones de la IA?

La recuperación desde fuentes empresariales autorizadas puede reducir respuestas sin fundamento, pero no elimina errores de interpretación, omisiones o datos incorrectos. Los resultados críticos deben verificarse.

¿Es necesario conocer SQL?

No para formular preguntas básicas mediante lenguaje natural. Sin embargo, revisar la consulta generada puede ser recomendable cuando el resultado afecte decisiones importantes.

¿Qué ocurre si los datos de origen están desactualizados?

El asistente puede reproducir esa limitación. La IA no convierte automáticamente información deficiente en información confiable; la calidad debe gestionarse en los sistemas y procesos de origen.

Knowledge Layer | Glosario

• Data fabric: arquitectura que conecta datos distribuidos entre aplicaciones, nubes y repositorios para ofrecer acceso e integración coherentes.
• IA generativa: tecnología capaz de producir texto, consultas, imágenes, código u otros contenidos a partir de instrucciones y contexto.
• Knowledge Store: repositorio delimitado de datos o documentos que un asistente puede consultar para responder preguntas.
• Búsqueda semántica: método que recupera información según significado y similitud contextual, no únicamente mediante coincidencias exactas de palabras.
• RAG —Retrieval-Augmented Generation—: técnica que recupera información desde fuentes autorizadas y la incorpora como contexto antes de generar una respuesta.
• Embedding vectorial: representación matemática utilizada para comparar relaciones semánticas entre preguntas, documentos y fragmentos de información.
• Agente de IA: componente capaz de planificar o ejecutar tareas específicas mediante modelos, herramientas y datos autorizados.
• Asistente SQL: sistema que traduce preguntas formuladas en lenguaje natural a consultas sobre bases de datos estructuradas.
• Gobernanza de datos: conjunto de políticas, responsabilidades y controles destinados a asegurar calidad, seguridad, disponibilidad y uso adecuado de la información.
• Dato estructurado: información organizada bajo campos, tablas y esquemas definidos.
• Dato no estructurado: contenido sin una estructura tabular rígida, como documentos, contratos, informes o archivos PDF.

¿Por qué es importante?

La IA empresarial no puede sostenerse únicamente sobre modelos avanzados. Necesita datos confiables, permisos claros y contexto actualizado. Integrar asistentes con una capa gobernada permite ampliar el acceso a la información, pero la calidad de las decisiones seguirá dependiendo de la verificación y del conocimiento humano.

Visión Estratégica

La siguiente etapa de la IA empresarial no estará determinada solamente por quién disponga del modelo más grande, sino por quién pueda conectar esos modelos con datos propios sin perder seguridad, trazabilidad ni control. Las interfaces conversacionales reducirán la distancia entre una pregunta y su análisis, pero también harán menos visible la complejidad que existe detrás de cada respuesta. Las organizaciones deberán fortalecer catálogos, definiciones, calidad, permisos y responsabilidades antes de democratizar el acceso. El asistente será tan confiable como la arquitectura de datos que lo sostiene. En este escenario, la ventaja competitiva no consistirá en conversar con toda la información, sino en saber qué información puede utilizarse, quién puede consultarla y cómo debe verificarse.

Acerca de InterSystems

InterSystems es una empresa privada fundada en 1978 que desarrolla plataformas de datos para sectores como salud, servicios financieros, fabricación y cadena de suministro. La compañía informa que opera desde 37 ubicaciones en 28 países y que su tecnología se utiliza en más de 80 mercados. Al no cotizar públicamente, en este caso no corresponde incorporar un enlace bursátil.

Tu Opinión Importa ツ

La posibilidad de conversar con los datos puede acercar la analítica a más personas dentro de una organización. Sin embargo, una respuesta rápida no siempre equivale a una respuesta correcta, completa o autorizada.

¿Confiarías en una decisión empresarial basada en una consulta formulada íntegramente mediante lenguaje natural?

¿Tu organización posee datos suficientemente ordenados, actualizados y gobernados para alimentar asistentes de inteligencia artificial?

Comparte tu experiencia con la comunidad de IT/USERS® Magazine:

#itusers28aniversario #superfan

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457