Google amplía la observabilidad de agentes de BigQuery
Google amplió la observabilidad de agentes de BigQuery el 13 de noviembre, acercando la supervisión de producción a los datos empresariales y manteniendo límites deliberados en la captura de conversaciones. El anuncio abarca los agentes de datos de Google, las interfaces conversacionales de Looker y los agentes personalizados instrumentados. Su principal equilibrio es práctico: una inspección más profunda genera más información que gobernar, mientras que las protecciones de privacidad pueden dejar a los investigadores con registros incompletos.
Para los equipos de datos y plataformas, esto cambia la conversación sobre producción. Un agente que responde preguntas de negocio ahora necesita un responsable operativo capaz de explicar fallos, consumo y pruebas faltantes. Una interfaz de chat funcional no demuestra que el servicio subyacente esté preparado para un uso más amplio.
AgentCore de Amazon ya ofrece otro punto de referencia para la supervisión de agentes en producción. El enfoque de Google hace hincapié en llevar los registros de los agentes a BigQuery, su almacén de datos analítico. La decisión importante es cuántos detalles de diagnóstico debe recopilar una organización y quién debería poder inspeccionarlos.
La observabilidad de agentes de BigQuery se amplía en toda la pila de datos
El marco de observabilidad de agentes de Google conecta supervisión, registros de conversaciones y evaluación en todos sus productos de datos. La observabilidad consiste en recopilar pruebas que ayuden a los operadores a comprender el comportamiento del sistema. En este caso, la empresa quiere que esas pruebas estén disponibles junto a los datos empresariales que ya analizan los equipos.
Según Google, el registro gestionado de conversaciones, los paneles de supervisión de BigQuery y los paneles de System Activity de Looker están disponibles de forma general. La revisión de respuestas y comentarios de Looker sigue en vista previa. La evaluación nativa de agentes propios también permanece en vista previa, separando el anuncio de supervisión de producción de capacidades que aún están en desarrollo de producto.
La ampliación proporciona a los equipos una visión operativa más conectada, pero la disponibilidad de las funciones sigue variando en toda la pila.
Esta distinción afecta a cómo las empresas interpretan el lanzamiento. Un panel disponible de forma general puede respaldar un proceso operativo establecido. Una función de revisión en vista previa requiere una decisión independiente sobre si su madurez se ajusta a las necesidades de la organización. Tratar ambas como igualmente consolidadas ocultaría una parte relevante del anuncio.
El cambio más amplio se refiere a dónde recae la responsabilidad. Cuando un agente pasa a formar parte de los informes de negocio, su comportamiento importa más allá del equipo de desarrollo. Los propietarios de datos deben entender qué información sustenta las respuestas. Los equipos de operaciones deben investigar retrasos. Los responsables de negocio necesitan pruebas de que los empleados reciben resultados útiles.
Acercar estas preguntas al entorno analítico crea una oportunidad para la revisión compartida. También hace que la plataforma de datos sea responsable de otra categoría de información operativa sensible. Los registros de conversaciones merecen atención como registros empresariales, no como resultados incidentales de depuración.
Por ejemplo, considere a un analista de ventas hipotético que pregunta por qué cambió una previsión regional. La respuesta final podría parecer razonable incluso si el agente malinterpretó una definición empresarial. Una investigación debe distinguir entre un problema de calidad de la respuesta, un problema de acceso a datos o una operación subyacente lenta.
Este lanzamiento no establece que esas distinciones se vuelvan automáticas. Establece un lugar más amplio para recopilar y examinar pruebas relevantes. El trabajo analítico sigue dependiendo de los registros disponibles y de las expectativas de negocio que aporten los revisores.
Por eso el anuncio importa más allá del lanzamiento de otro panel. Google está convirtiendo las operaciones de agentes en una preocupación más explícita de la plataforma de datos. Las empresas que adopten ese modelo deben decidir cómo encaja la revisión operativa con la propiedad existente de los datos, la gestión de accesos y la gestión de incidentes.
La consecuencia inmediata es organizativa. Un equipo ya no puede tratar la interfaz conversacional del agente como si fuera todo el producto. Sus límites de supervisión, su proceso de revisión y la retención de pruebas pasan a formar parte del servicio del que dependen los empleados.
Las protecciones de privacidad cambian lo que pueden ver los investigadores
Google separa la información operativa agregada del contenido conversacional más rico. La telemetría, las mediciones que emite un sistema mientras se ejecuta, puede mostrar actividad sin conservar todos los detalles de una interacción. Esta separación crea distintos niveles de visibilidad, en lugar de un registro universal de todo lo que hizo un agente.
La documentación sobre el registro de conversaciones describe registros opcionales que contienen preguntas, respuestas, tiempos y uso del modelo. También especifica omisiones: el SQL subyacente, el lenguaje de consulta de bases de datos, y las llamadas detalladas a herramientas por lo general no aparecen. El SQL aún puede aparecer cuando se incluye en una respuesta.
Antes de registrar un turno, el servicio comprueba las protecciones de origen. Las restricciones de acceso a filas, las etiquetas de política de columnas o el enmascaramiento dinámico pueden impedir el registro. Si la comprobación no puede establecer que el registro está permitido, omite el registro. Un fallo de registro tampoco detiene el chat.
Un agente puede responder correctamente mientras deja un historial de conversaciones incompleto para su revisión posterior.
Este comportamiento crea un límite interpretativo crítico. Un registro ausente no puede demostrar que no se produjo ninguna interacción. Del mismo modo, no puede demostrar una conducta indebida ni un fallo del producto. Los investigadores deben comprender la política de recopilación antes de extraer conclusiones de la ausencia de pruebas.
La protección es importante porque los propios prompts pueden contener información confidencial. Un usuario podría mencionar un cliente, un proyecto no anunciado o una suposición interna antes de que el agente recupere nada. Registrar la conversación crea otra ubicación en la que esa información requiere un tratamiento adecuado.
La tensión práctica se da entre un diagnóstico útil y una recopilación justificada. Un revisor de privacidad puede oponerse razonablemente a una retención amplia de transcripciones. Un ingeniero puede necesitar razonablemente más contexto para investigar una respuesta cuestionada. El producto proporciona límites de recopilación, pero la organización debe decidir cómo encajan esas necesidades contrapuestas.
Considere un asistente financiero hipotético conectado a datos empresariales restringidos. Un usuario cuestiona su respuesta durante un ciclo de informes. Si las protecciones de privacidad impidieron la captura de la transcripción, el equipo de soporte no debería prometer una reconstrucción completa a partir de los registros de conversación.
Necesita otra vía de respuesta. Podría implicar un ejemplo proporcionado por el usuario, una reproducción aprobada o una investigación mediante otras pruebas autorizadas. La opción adecuada depende de la información implicada y de las normas de la organización.
Un riesgo relacionado se refiere a quién recibe acceso a los registros que sí existen. Que alguien esté autorizado a mantener un agente no significa necesariamente que necesite acceso sin restricciones a las preguntas de todos los empleados. La responsabilidad operativa y la visibilidad de las conversaciones requieren una alineación deliberada.
Aquí es donde la gobernanza se vuelve concreta. Significa decidir qué pruebas se recopilan, cuánto tiempo siguen siendo útiles y quién puede utilizarlas para qué propósito. Una tabla con control de acceso proporciona un mecanismo para estas decisiones. No toma las decisiones automáticamente.
La interpretación más sólida del diseño de privacidad de Google es, por tanto, limitada. Ofrece a las empresas formas de restringir la recopilación mientras mantienen la continuidad del servicio. También les exige aceptar que algunos incidentes seguirán siendo más difíciles de reconstruir.
Los agentes personalizados aportan trazas más profundas y responsabilidades separadas
La documentación de análisis de agentes de Google describe integraciones para Agent Development Kit, el marco de agentes de Google, y LangGraph, un marco para flujos de trabajo de agentes con estado. La integración documentada de LangGraph tiene la designación de vista previa.
Las aplicaciones personalizadas requieren instrumentación, código que captura actividad y envía eventos estructurados para su análisis. Google documenta integraciones de marcos y rutas de ingestión directa. También distingue las integraciones de registro de su software de análisis, que lee y evalúa los registros resultantes.
Estos registros pueden incluir solicitudes, respuestas, llamadas a herramientas y errores. Una traza, un registro conectado de los pasos de ejecución, puede revelar dónde cambió de dirección un flujo de trabajo. Estas pruebas más profundas difieren del contenido más limitado capturado mediante el registro gestionado de conversaciones.
Compartir un destino no hace que los registros de agentes gestionados y las trazas de agentes personalizados sean igual de detallados ni igual de seguros de recopilar.
La diferencia importa cuando las empresas escuchan «visibilidad unificada». Un hogar analítico común puede facilitar el examen conjunto de los registros. No significa que todos los agentes emitan pruebas equivalentes. Tampoco establece que cada implementación siga la misma política de privacidad.
Un flujo de trabajo personalizado podría llamar a un servicio interno de búsqueda antes de consultar una base de datos. Sus argumentos de herramientas podrían contener un identificador de cliente o términos de búsqueda confidenciales. Capturar esos argumentos ayuda a explicar el flujo de trabajo, pero también amplía la información conservada en el sistema de supervisión.
Eso convierte la instrumentación en una decisión de gestión de datos. Los equipos de ingeniería deben entender el contenido de cada campo capturado. Los revisores de seguridad y privacidad necesitan suficiente contexto para juzgar si esos campos deben estar en el destino.
La perspectiva de los desarrolladores es directa: las trazas incompletas dificultan el diagnóstico de fallos. Si un flujo de trabajo produce una respuesta incorrecta, saber qué herramienta devolvió un resultado inesperado puede acotar la investigación. Por tanto, unos registros más ricos pueden reducir la incertidumbre sobre dónde empezar.
La perspectiva de gobernanza es igualmente válida. Los registros de ejecución más completos pueden reproducir información sensible fuera del límite original de la aplicación. Una organización debe tener en cuenta esa copia, incluidas las personas y los servicios capaces de inspeccionarla.
Ninguna de las dos perspectivas establece que la recopilación máxima sea el valor predeterminado correcto. El nivel útil de detalle depende del flujo de trabajo, su sensibilidad y las preguntas que los operadores necesitan responder. Un asistente de información pública y un asistente interno de personal presentan problemas de recopilación diferentes.
Esto también afecta a las comparaciones entre agentes. Una aplicación personalizada con registros detallados de herramientas puede parecer más fácil de investigar que un agente gestionado con un registro intencionadamente limitado. Esa diferencia refleja el diseño de recopilación además del comportamiento de la aplicación.
Por tanto, los revisores deberían tratar la visibilidad aparente como una propiedad de toda la implementación. Incluye la aplicación, la instrumentación, los permisos del destino y el proceso de análisis. Ningún panel individual puede sustituir la comprensión de esas partes.
Para las organizaciones que mantienen varios marcos de agentes, el anuncio ofrece una forma de acercar el análisis operativo. El trabajo restante consiste en establecer qué conclusiones siguen siendo válidas entre registros con contenidos y reglas de recopilación distintos.
Los paneles de consumo no sustituyen los controles de gasto
La observabilidad de agentes de BigQuery también convierte el consumo de recursos en parte de la conversación operativa. Los tokens, las unidades que los modelos procesan al leer y generar texto, representan una fuente de uso. El trabajo de bases de datos genera una preocupación independiente cuando un agente ejecuta consultas para responder una pregunta.
Los controles de costes de agentes de Google incluyen límites sobre los bytes analizados por las consultas individuales. El agente estima el análisis de la consulta antes de ejecutarla y rechaza el trabajo que exceda el límite configurado. Los controles documentados se aplican a la facturación bajo demanda, con limitaciones para las cargas de trabajo basadas en reservas.
La misma documentación describe cuotas por proyecto y usuario. Recomienda aislar los agentes costosos en proyectos dedicados cuando sea adecuado. También indica que esas cuotas de consultas de BigQuery no ofrecen cuotas por agente individual, una distinción importante frente a los anuncios más amplios sobre control de tokens.
Un gráfico de uso explica el consumo; un límite aplicado determina si se permite que continúe trabajo adicional.
Esa distinción cambia lo que los equipos de finanzas y plataforma deben esperar de la monitorización. Un panel puede revelar que operar una aplicación se ha vuelto más caro. No puede recuperar recursos ya consumidos ni determinar si ese consumo produjo resultados valiosos.
Por tanto, una discusión útil sobre costes necesita considerar los resultados. Una respuesta que resuelve una cuestión empresarial difícil puede justificar más trabajo que una consulta sencilla. A la inversa, una respuesta breve puede depender de actividad innecesaria en la base de datos. La longitud de la respuesta, por sí sola, ofrece pocos fundamentos para juzgarla.
El desafío se vuelve más claro en un flujo de trabajo hipotético de un analista. Un empleado solicita una comparación entre períodos comerciales. El agente selecciona una consulta demasiado amplia y luego revisa su respuesta tras una pregunta de seguimiento. Los revisores deben entender si el trabajo adicional mejoró el resultado.
Un límite de gasto puede impedir una consulta sobredimensionada, pero una solicitud bloqueada plantea otra cuestión operativa. ¿El usuario recibe una explicación que le permita recuperarse? ¿O el asistente intenta repetidamente realizar un trabajo que el entorno rechazará?
El lanzamiento debería llevar a los equipos a evaluar estos comportamientos en conjunto. Un agente restringido que falla regularmente en tareas legítimas no está automáticamente bien operado. Un agente que responde correctamente mientras consume recursos innecesarios presenta un problema distinto.
La responsabilidad sobre el presupuesto también necesita un ámbito explícito. Si varios grupos utilizan la misma aplicación, un equipo de plataforma puede ver el consumo agregado sin comprender qué flujo de trabajo genera valor. Los responsables de negocio deben participar en la interpretación de las mediciones.
Esto genera presión para definir límites de aplicación más claros y revisiones más significativas. La organización necesita saber quién puede autorizar cambios, quién investiga el uso inesperado y quién asume los efectos de límites más estrictos.
La cuestión sin resolver es el rendimiento económico en condiciones reales. Google ofrece mecanismos de visibilidad y control, pero el anuncio no establece una reducción universal de los costes operativos. Toda mejora declarada necesita pruebas del flujo de trabajo específico, incluida la calidad de sus respuestas y su comportamiento ante fallos.
Looker conecta señales de adopción con un ciclo de revisión más lento
La monitorización de agentes de Looker acerca el debate a las personas que utilizan el análisis empresarial conversacional. Sus paneles de Conversational Analytics organizan la interacción y el uso de tokens. La documentación indica que el panel se actualiza cada 24 horas.
La información sobre respuestas y comentarios depende de habilitar la función de vista previa correspondiente. La recopilación comienza cuando se activa esa función. Estos detalles afectan las comparaciones históricas que puede realizar un administrador y la rapidez con la que la interfaz refleja los cambios en la actividad.
La vista de uso de Looker puede respaldar la revisión de adopción, pero no debe confundirse con la detección inmediata de incidentes ni con una prueba de la calidad de las respuestas.
Esto crea funciones distintas para interfaces distintas. Un responsable de negocio que revisa tendencias de uso necesita ver si los empleados vuelven al asistente. Un operador que investiga un fallo actual necesita evidencia adecuada para ese incidente. Tratar estas necesidades como intercambiables invita a respuestas tardías o incompletas.
El contexto competitivo refuerza la distinción. Amazon documenta la observabilidad de AgentCore en torno al trazado, las métricas operativas y el registro de auditoría. Sus paneles utilizan CloudWatch, el servicio de monitorización de AWS, mientras que su telemetría admite OpenTelemetry, un estándar compartido de instrumentación.
Esta comparación establece un entorno operativo alternativo, no evidencia de que alguno de los proveedores tenga un mejor rendimiento. El anuncio de Google no demuestra tiempos de investigación menores ni una mayor precisión de las respuestas que el enfoque de Amazon. La elección pertinente depende en parte de dónde gestionen ya los equipos sus sistemas de producción.
Para los usuarios actuales de Looker, el atractivo reside en la proximidad al trabajo analítico establecido. Los administradores pueden debatir la adopción del asistente en el mismo entorno organizativo que el uso de informes. Esto puede facilitar la coordinación de la revisión empresarial, siempre que los participantes comprendan qué significan las mediciones.
La interacción por sí sola sigue siendo ambigua. Las preguntas repetidas podrían señalar una exploración útil. También podrían indicar confusión o respuestas insatisfactorias. Un aumento en el número de conversaciones requiere interpretación antes de que alguien lo califique como una mejora de productividad.
El consumo de tokens presenta límites similares. Un cambio puede reflejar preguntas distintas, respuestas más largas o un comportamiento modificado de la aplicación. Sin contexto, la métrica describe la actividad con mayor fiabilidad que el valor.
Por eso las definiciones empresariales merecen atención junto con los registros operativos. Una respuesta puede ejecutarse sin errores y aun así basarse en una interpretación equivocada de los ingresos, la retención u otra métrica de la empresa. La salud de la infraestructura no puede resolver ese desacuerdo.
Para los equipos que documentan estas definiciones, una base de conocimiento con búsqueda puede preservar el contexto que necesitan los revisores. Ese conocimiento sigue siendo complementario a los registros de producción: explica las expectativas en lugar de demostrar qué ocurrió durante una interacción.
La consecuencia organizativa es un grupo de revisión más amplio. Los desarrolladores comprenden la ejecución. Los especialistas en datos comprenden el significado empresarial. Los responsables de la aplicación comprenden las expectativas de los usuarios. La visibilidad de Looker resulta más útil cuando estas perspectivas informan la misma decisión, en lugar de generar interpretaciones separadas del panel.
Vigile la cobertura, el comportamiento de los controles y la madurez de la evaluación
La próxima fase de la observabilidad de agentes de BigQuery merece un escrutinio basado en evidencia específica, no en afirmaciones más amplias sobre la preparación empresarial. Google ha descrito un modelo operativo más conectado. Su utilidad depende ahora de cuán claramente puedan los equipos comprender la cobertura, aplicar límites y evaluar cambios.
La evidencia más sólida conectará la actividad registrada con decisiones operativas fiables, incluidas las decisiones tomadas cuando los registros están incompletos.
La primera señal es una mejor evidencia sobre la cobertura de los registros. En los próximos meses, observe la documentación y los ejemplos operativos que muestren cómo los equipos distinguen las brechas esperadas de recopilación de los fallos inesperados. Esto importa porque un panel tranquilizador puede ocultar incertidumbre sobre lo que representa.
Un ejemplo convincente explicaría qué interacciones cumplen los requisitos para registrarse y cómo los revisores tienen en cuenta las que no. También mostraría cómo responde una organización cuando no llega un registro esperado. Una evidencia clara de cobertura reforzaría el argumento para utilizar los datos en revisiones rutinarias.
La ambigüedad persistente debilitaría ese argumento. Si los equipos no pueden explicar por qué faltan registros, no pueden interpretar de forma fiable las tendencias extraídas de las conversaciones disponibles. Más datos no resolverían la incertidumbre sobre la población medida.
La segunda señal es el comportamiento de los controles de gasto durante el trabajo legítimo. Busque relatos prácticos sobre consultas bloqueadas, vías de recuperación y la relación entre los límites de recursos y la finalización correcta de las tareas. Estos ejemplos importan más que un gráfico de consumo visto de forma aislada.
La evidencia de que los empleados pueden recuperarse de una solicitud bloqueada reforzaría el argumento operativo. La evidencia de rechazos repetidos, fallos sin explicación o consumo desplazado expondría límites en la implementación. Cualquiera de los dos resultados debe evaluarse junto con la utilidad de las respuestas obtenidas.
La tercera señal es la madurez de la evaluación. Evaluar significa probar el comportamiento frente a expectativas definidas, en lugar de limitarse a observar que un sistema se ejecutó. Siga la evolución de las funciones de vista previa y la evidencia que conecta las pruebas previas al lanzamiento con los resultados de producción.
Un ejemplo útil mostraría cómo un equipo detectó una regresión, un descenso no intencionado tras un cambio, antes de exponerla a los usuarios. Debería explicar el comportamiento esperado y el fallo que identificó la prueba. Eso haría más concreta la relación entre las pruebas y la monitorización.
Un ejemplo más débil informaría de una puntuación favorable sin explicar la tarea ni su relevancia para los usuarios. Las puntuaciones agregadas no pueden resolver desacuerdos sobre el significado empresarial. Tampoco pueden establecer que una prueba cubra las situaciones que provocan fallos costosos en producción.
Estas señales mantienen el anuncio en proporción. Google ha ampliado las herramientas disponibles para operar agentes de datos. El lanzamiento no elimina el criterio necesario para decidir qué registros son suficientes, qué límites son aceptables o qué respuestas merecen confianza.
Antes de ampliar la audiencia de un agente, pida a su responsable que explique una respuesta fallida, un registro ausente y una solicitud bloqueada. Cada ejemplo debe identificar la evidencia disponible, sus límites y la persona responsable de la siguiente acción. Preserve las definiciones empresariales y las decisiones operativas necesarias para interpretar incidentes futuros. Utilice esa revisión para determinar si el servicio puede respaldar el trabajo que los empleados realmente necesitan. La evaluación de agentes de Google y la monitorización de agentes de Looker pueden informar esa decisión, pero la responsabilidad sigue recayendo en la organización que opera la aplicación. La cuestión práctica es si su equipo puede tomar una decisión defendible cuando el panel no contiene toda la historia.



