Habla con tus datos. Deja de escribir consultas y empieza a hacer preguntas.

¿Y si cualquier persona de tu organización pudiera consultar los datos de la empresa —registros de matriculación, transacciones de facturación, horarios de cursos— con solo formular una pregunta en inglés sencillo? ConActian AI Analysty el conector JDBC de Actian Zen, ese futuro ya es una realidad en entorno de producción.

LA IDEA 

De una conexión JDBC a la inteligencia conversacional

Elmotorde base de datos Actian Zenlleva mucho tiempo gestionando cargas de trabajo transaccionales en los sectores de la educación, las finanzas y las empresas: es rápido, está integrado y es accesible a través de JDBC. Lo que siempre faltaba era una capa de lenguaje natural capaz de analizar esos datos sin necesidad de conocimientos especializados en SQL. 

AI Analyst cubre esa carencia. Conecta tu fuente de datos Zen JDBC una sola vez y deja que el Steward Agent (el generador de modelos de IA) explore tu esquema y elabore un capa semántica de forma automática, y tus usuarios podrán empezar a formular preguntas de inmediato. Sin ETL, sin migración al almacén de datos, sin retrasos por parte del equipo de datos. 

Aquí tienes tres pasos para empezar: 

CONECTARSE 

Paso 1. Configura tu conexión JDBC con Zen

Todo empieza en el panel «Conexiones» . Actian AI Analyst admite una cadena de conexión JDBC estándar de Zen, el mismo formato que ya utilizan tus aplicaciones actuales. No requiere ninguna configuración personalizada.  

# JDBC Connection String (without jdbc:pervasive:// prefix)

host    : ec2-23-432-123-238.us-east-2.compute.amazonaws.com

port    : 1583

database: Demodata

uid     : Master

pwd     : ••••••••

# After saving: click 'Test Connection' to verify

Una vez conectado, AI Analyst puede leer tu esquema, detectar todas las tablas y elaborar automáticamente modelos semánticos para su revisión y perfeccionamiento. 

 CREACIÓN DE MODELOS 

Paso 2. Deja que Steward cree tu capa semántica

Steward automatiza la creación de modelos semánticos en Actian AI Analyst. Al hacer clic en + Nuevo modelo, eliges el método de creación. Steward (recomendado) analiza tu esquema, lee el contexto empresarial y elabora un modelo inicial —dimensiones, medidas, relaciones y orientación del agente— de forma totalmente autónoma. 

En una sesión real con la base de datos Zen Demodata, a Steward se le dio una única instrucción: «todas esas tablas». A continuación, ejecutó 11 consultas SQL en paralelo, exploró la estructura de cada tabla y generó una capa semántica inicial, todo ello en el marco de una única conversación con Steward, sin que ningún humano tuviera que escribir código SQL. 

STEWARD AI — RESULTADOS DE LA SESIÓN REAL 

«¡Excelente elección! Voy a crear modelos para las 11 tablas. Empezaré por consultar la guía y analizar la estructura de cada tabla».

— Steward, después de que el usuario escribiera: «todas esas tablas»

LA CAPA SEMÁNTICA 

Lo que creó Steward: de forma automática

A partir de una única conexión JDBC de Zen a una base de datos de demostración de una universidad, Steward generó 11 tablas completamente modeladas. Cada modelo incluye dimensiones, medidas, relaciones entre modelos y orientación mediante un agente de IA.  

estudiantes → persona, matrículas → clases → profesorado → departamento—facilita un análisis entre modelos sin problemas para tus analistas de IA, sin necesidad de ninguna configuración manual. 

EL ANALISTA DE IA 

Paso 3. Configurar e implementar tu Analyst

Una vez que los modelos estén configurados, puedes ajustar tu AI Analyst para que se adapte al usuario final previsto, redactar instrucciones opcionales sobre el contexto del ámbito de aplicación y utilizar el panel de pruebas integrado para validar las consultas antes de la implementación. 

• 10 modelos conectados. Asigna de forma selectiva a qué tablas puede acceder tu analista. 
• 15 sugerencias para empezar. Las preguntas de ejemplo generadas automáticamente ayudan a los nuevos usuarios a saber qué preguntar. 
• Implementación con un solo clic. Compártelo mediante un enlace, incrústalo en tu portal o expónlo a través de la API. 
• Supervisión del uso. Realizar un seguimiento de quién pregunta qué y dónde es necesario perfeccionar la capa semántica.

LA IA CONVERSACIONAL EN ACCIÓN 

Inglés sencillo. Resultados reales.

Esto es lo que ocurre cuando un usuario formula una pregunta; no se necesitan conocimientos de SQL ni de herramientas de BI. El Analista de IA consulta la capa semántica, identifica la ruta de unión correcta y devuelve resultados estructurados.  

Ejemplo 1. Consulta financiera: Estudiantes con saldos pendientes

Solicitud del usuario: «Enumera los cinco primeros alumnos que deben más de 2.000 dólares». 

Entre bastidores, el analista identificó «billing_transactions» como la fuente de verdad, la combinó con estudiantes y person , y calculó los saldos pendientes —en cinco pasos lógicos, sin necesidad de utilizar SQL manualmente—. 

Ejemplo 2. Consulta de matriculación entre modelos: alumnos de Cálculo II

Solicitud del usuario: «Muestra la lista de alumnos matriculados en Cálculo II». 

 UNIÓN ENTRE MODELOS: CÓMO PIENSA EL ANALISTA 

«Tengo que realizar una unión entre las tablas «curso», «clases» y «matriculados» para obtener los alumnos matriculados en Cálculo II, y luego unirlas con la tabla «personas» para obtener sus nombres. Voy a comprobar las relaciones para utilizar las claves de unión correctas».

Ruta de unión: «enrolls» → «classes» vía «class_id» → «id» · «enrolls» → «students» vía «student_id» → «id» · «students» → «person» vía «id» → «id» · Ejecutado en 5,8 s 

POR QUÉ ES IMPORTANTE 

La capa semántica es la clave

Las herramientas tradicionales de BI requieren que alguien elabore informes antes de que nadie pueda ver los datos. Los analistas de Actian AI dan la vuelta a ese modelo. La capa semántica se crea una sola vez mediante Actian AI Analyst y, a continuación, cualquiera puede explorarla libremente. 

• SQL semántico, no SQL sin procesar. La IA genera consultas basándose en tus modelos semánticos, con la lógica de negocio integrada. Menos errores, resultados coherentes. 
• Control de acceso a nivel de modelo. Elige exactamente qué modelos puede ver cada analista. Seguridad desde el diseño. 
• Razonamiento entre tablas. Las relaciones definidas una sola vez permiten que la IA sepa qué ruta de unión debe utilizar. 
• Orientación para los agentes según el modelo. Añade notas en lenguaje sencillo a cualquier modelo y el Analista de IA aplicará ese contexto a cada pregunta. 

PRIMEROS PASOS 

Conectar Zen con AI Analyst 

Si actualmente utilizas Actian Zen, solo necesitas una cadena de conexión JDBC para acceder al análisis conversacional. El proceso es muy sencillo: 

En el caso de una base de datos Zen típica con entre 10 y 15 tablas, Steward puede tener listo a un analista plenamente operativo en menos de 30 minutos. Una vez que Steward haya elaborado el borrador de la capa semántica, podrás perfeccionarla, añadir medidas personalizadas, ajustar las descripciones y configurar las instrucciones para los agentes. 

Actian AI Analyst está disponible a través desuaplicación webeincluye una prueba gratuita de 14 días. Conecta tu primera fuente de datos Zen en«Conexiones» → «+ Nueva conexión» → «Zen JDBC».  

CONCLUSIÓN 

Más allá de la consulta: qué hace realmente la capa semántica

Lo que ponen de manifiesto estas ventajas va más allá de un chatbot integrado en una base de datos. La verdadera innovación de Actian AI Analyst reside en la capa semántica, una descripción estructurada de tus datos, legible para la IA, que se sitúa entre el SQL sin procesar y el lenguaje natural. 

Una vez creada esa capa, todos los usuarios de tu organización podrán consultar directamente la base de datos de Zen. Un administrador de la universidad puede averiguar qué estudiantes deben más matrícula. Un responsable de matriculación puede localizar a todos los matriculados en una asignatura concreta. Un jefe de departamento puede ver qué profesores imparten un número excesivo de clases, todo ello sin necesidad de abrir una herramienta de BI, crear un ticket ni escribir ni una sola línea de SQL. 

Para las organizaciones que ya utilizan Actian Zen, la barrera de entrada es intencionadamente baja: una cadena de conexión JDBC, una sesión de Steward, y ya tienes un analista de IA operativo. No hay que aprovisionar ningún almacén de datos, ni mantener ningún proceso ETL, ni adquirir una licencia por separado para la capa de BI. 

Tus datos siempre han tenido las respuestas. Ahora cualquiera puede plantearlas.

Acerca del autor

Acerca de Johnson Varughese

Johnson Varughese dirige el departamento de Ingeniería de Soporte en Actian, donde ayuda a los desarrolladores a sacar el máximo partido a las interfaces de datos de Actian (ODBC, JDBC, ADO.NET y otras). Como profesional certificado por Google en datos y líder en IA generativa, ofrece orientación técnica y experiencia en resolución de problemas para garantizar un rendimiento sólido de las aplicaciones en diferentes entornos de programación. Los amplios conocimientos de Johnson sobre interfaces de acceso a datos han optimizado numerosos proyectos de desarrollo. Sus entradas en el blog de Actian detallan las mejores prácticas para integrar los motores de base de datos y las interfaces de Actian. Explora sus artículos para optimizar tus aplicaciones basadas en bases de datos.