Agentic Catalog Experience en Amazon Quick

Por qué importa llevar la semántica del catálogo hasta la IA

A medida que las organizaciones adoptan análisis potenciado por IA, las respuestas en lenguaje natural (Text2SQL) solo son útiles si están ancladas en el contexto de negocio correcto. Hoy la semántica—descripciones de tablas y columnas, relaciones y políticas de gobernanza—suele quedar atrapada en catálogos upstream como AWS Glue Data Catalog o Databricks Unity Catalog. Cuando las herramientas de análisis no consumen esa semántica de forma nativa, se crea una última milla que impide obtener respuestas confiables y reproducibles para usuarios de negocio.

Amazon Quick presenta una propuesta para cerrar esa brecha: Agentic Catalog Experience, un flujo de trabajo impulsado por IA diseñado para incorporar directamente el contexto del catálogo en experiencias de consulta y dashboards. Esto es especialmente relevante para equipos en América Latina que ya invierten en gobernanza y desean escalar uso de analítica confiable sin recrear manualmente definiciones que ya existen.

El reto de la última milla: tres desafíos que se repiten

Los equipos de datos han hecho gran parte del trabajo: han definido descripciones de tablas, semántica de columnas, relaciones (claves primarias y foráneas), glosarios y métricas en plataformas como AWS Glue, Databricks Unity Catalog, Snowflake Horizon, Collibra y dbt. Sin embargo, cuando llega el momento de habilitar a usuarios finales—gerentes de ventas, directores de marketing o líderes de finanzas—aparecen tres problemas recurrentes:

Descubribilidad limitada: con miles de tablas en un catálogo empresarial, encontrar los activos correctos que están curados y aprobados para reporte es una búsqueda compleja. No hay una forma natural de describir lo que se necesita y que el sistema lo encuentre.
Fragmentación semántica y recreación manual: la metadata rica que existe upstream no fluye automáticamente. Los curadores terminan recreando datasets, reescribiendo descripciones y conciliando definiciones manualmente, con el riesgo de inconsistencias (‘revenue’ bruto o neto, o qué significa ‘cliente activo’).
Tiempo de insight en semanas, no horas: la combinación de búsqueda manual y recreación de semántica alarga el tiempo desde los datos hasta insights accionables. Además, cuando cambian las definiciones en el catálogo upstream, las semánticas recreadas se vuelven obsoletas y erosionan la confianza.

El problema no está en la existencia del catálogo: la metadata, gobernanza y relaciones suelen estar definidas. La dificultad es traducir ese contexto rico en una experiencia consumible por IA que entregue respuestas fundamentadas y dashboards determinísticos.

Qué es Agentic Catalog Experience en Amazon Quick

Agentic Catalog Experience es un flujo de trabajo dentro de Amazon Quick que ayuda a los curadores de datos a delimitar el contexto, heredar semántica upstream y habilitar a los usuarios finales para consultas ancladas y dashboards confiables a escala. El componente central es el Quick Agent, diseñado para tareas de descubrimiento, creación e inherencia dentro del contexto del catálogo.

El Quick Agent resume el catálogo conectado, permite conversar en lenguaje natural para definir necesidades, sugiere las tablas y relaciones más relevantes según el caso de uso y evalúa la preparación de la metadata. Con una confirmación conversacional, puede crear automáticamente Catalog-Generated Datasets y Topics que heredan metadata objetivo desde el catálogo upstream—sin configuraciones manuales ni largas esperas.

Descubrimiento por lenguaje natural

En vez de navegar por miles de tablas, los curadores describen lo que buscan en lenguaje natural. El agente utiliza toda la metadata disponible para encontrar coincidencias relevantes: descripciones de negocio, etiquetas, clasificaciones Gold/Silver/Bronze, scores de calidad y salud de tablas, y términos del glosario. Así, identificar activos curados y aprobados para reporting deja de ser una búsqueda manual para convertirse en una conversación guiada.

Este enfoque reduce el tiempo de exploración y baja la fricción para equipos que deben habilitar contenido analítico para usuarios de negocio que no son técnicos.

Creación masiva de datasets catalogados

Una vez seleccionadas las tablas, el Quick Agent puede crear representaciones de catálogo (Datasets) a escala dentro de un flujo guiado. Importante: el catálogo upstream permanece como fuente de la verdad, ya que la ruta por defecto para estos datasets es DirectQuery. Los Datasets que heredan semántica reciben una insignia clara ‘Semantics Inherited’ y su metadata se marca como de solo lectura en la plataforma.

Los autores pueden, cuando lo deseen, actualizar la metadata heredada realizando una sincronización manual mediante un botón de refresh para alinearse con cambios posteriores en el catálogo.

Herencia semántica y de relaciones

El Quick Agent lleva metadata seleccionada desde el catálogo hacia los activos creados, enfocándose deliberadamente en elementos clave para mantener los datasets limpios y útiles:

Definiciones de tablas y columnas: las descripciones de negocio y definiciones de columnas se incorporan a los Datasets creados, entregando a curadores y usuarios finales el contexto semántico necesario.
Relaciones primarias y foráneas: el agente detecta relaciones y las utiliza para sugerir y crear construcciones multi-dataset (Topics) con joins preconfigurados en esquemas estrella y copo de nieve.

Durante el descubrimiento se usa adicionalmente metadata como clasificaciones Gold/Silver/Bronze, scores de calidad y tags para identificar las mejores fuentes, aunque no todos estos elementos se heredan automáticamente en la versión inicial del flujo.

Beneficios concretos para equipos en América Latina

Para organizaciones latinoamericanas que ya han invertido en plataformas de catálogo y gobernanza, Agentic Catalog Experience ofrece beneficios tangibles:

Aceleración del tiempo a valor: pasar de semanas a horas en la preparación de datasets curados y respuestas fundamentadas, al eliminar la recreación manual de semántica.
Mayor confianza en IA: al anclar respuestas y dashboards a definiciones y relaciones aprobadas en el catálogo, se reduce el drift semántico y mejora la aceptación por parte de usuarios de negocio.
Menor carga operativa para curadores: el Quick Agent automatiza tareas repetitivas de descubrimiento y creación, permitiendo que los equipos se enfoquen en casos de uso de mayor impacto.
Consistencia entre herramientas: mantener al catálogo upstream como fuente de verdad facilita la gobernanza y el cumplimiento, puntos críticos en industrias reguladas o en expansión en la región.

Consideraciones y pasos a seguir

Agentic Catalog Experience está pensado para integrarse con los catálogos y herramientas que ya usan las empresas. Sin embargo, es importante que los equipos de datos:

Mantengan la calidad y la actualización del catálogo upstream, pues la experiencia depende de esa metadata.
Definan claramente quiénes son curadores y propietarios de negocio para aprobar las datasets generadas.
Evalúen la adopción entre usuarios finales para ajustar permisos y prácticas de sincronización cuando el catálogo evolucione.

Conclusión

La iniciativa de Amazon Quick busca resolver la última milla que separa catálogos empresariales maduros de experiencias de IA confiables. Al permitir descubrimiento por lenguaje natural, creación automatizada de datasets con metadata heredada y configuración de joins entre datasets, Agentic Catalog Experience reduce fricción y acelera el acceso a insights anclados en gobernanza. Para equipos de datos en América Latina que ya cuentan con catálogos y definiciones curadas, esta integración puede ser una palanca para escalar analítica responsable y acelerar la toma de decisiones basada en datos.

Si su organización ya invirtió en plataformas como AWS Glue, Databricks Unity Catalog, Snowflake Horizon, Collibra o dbt, esta propuesta representa una forma práctica de llevar esa inversión hasta las interfaces que usan los usuarios de negocio y la IA analítica.