WEBVTT

00:00:00.000 --> 00:00:03.920
Su copiloto no es inteligente. Es un becario bien vestido con sistema de autocompletar y

00:00:03.920 --> 00:00:07.440
exceso de cafeína con una insignia de Microsoft que parece seguro de sí mismo mientras está

00:00:07.440 --> 00:00:11.780
completamente perdido. El administrador promedio lo instala, hace una pregunta ambiciosa como

00:00:11.780 --> 00:00:16.280
resumir las ventas del último trimestre en todas las regiones y luego se sorprende cuando responde

00:00:16.280 --> 00:00:19.760
con lo que sea que encaje en su limitada ventana de contexto. Eso no es información,

00:00:20.060 --> 00:00:23.680
es una conjetura estadística transmitida en un tono amigable. Verá, la mayoría de los

00:00:23.680 --> 00:00:26.940
llamados copilotos de IA funcionan con algo llamado generación aumentada por recuperación,

00:00:26.940 --> 00:00:31.360
RAC para abreviar. En teoría, es brillante. Hace una pregunta, busca en una base de conocimientos,

00:00:31.700 --> 00:00:34.980
toma fragmentos relevantes y los pega a su indicación para que el modelo de lenguaje parezca

00:00:34.980 --> 00:00:39.020
informado. En la práctica, es como pedirle a una sola bibliotecaria todo el conocimiento humano.

00:00:39.220 --> 00:00:42.880
Corre por un pasillo, toma tres libros al azar y grita la respuesta mientras regresa corriendo.

00:00:43.020 --> 00:00:47.240
Una consulta, una recuperación, una posibilidad de equivocarse. Ahora, compare eso con cómo

00:00:47.240 --> 00:00:51.140
funcionan las decisiones empresariales reales. ¿Alguna vez necesitas solo un dato? No,

00:00:51.360 --> 00:00:54.460
necesitas la hoja de cálculo de finanzas, el informe de investigación de SharePoint,

00:00:54.460 --> 00:00:58.720
el almacén de métricas en Microsoft Fabric y, por lo general, algunos datos de mercado externos que

00:00:58.720 --> 00:01:02.020
ni siquiera están en tu arrendamiento. El RAC clásico se derrumba en el momento en que tu

00:01:02.020 --> 00:01:05.740
verdad reside en más de un lugar. No puede planificar múltiples búsquedas, no puede validar

00:01:05.740 --> 00:01:09.660
contradicciones y, desde luego, no puede entender que el rendimiento trimestral significa cosas

00:01:09.660 --> 00:01:13.800
diferentes para el marketing y la fabricación. Sin embargo, la gente sigue llamando inteligentes a

00:01:13.800 --> 00:01:17.900
estos sistemas. Se equivocan. Son turistas del contexto. Visitan tu patrimonio de datos,

00:01:18.120 --> 00:01:21.580
se hacen algunas selfies con archivos PDF y fingen que conocen la ciudad. Mientras tanto,

00:01:21.580 --> 00:01:25.160
el administrador medio cree sinceramente que Copilot tiene acceso omisciente a todas las

00:01:25.160 --> 00:01:29.400
carpetas de SharePoint. No es así. A menos que crees conectores y razonadores explícitos,

00:01:29.640 --> 00:01:33.840
está operando a ciegas. Esto no solo es ineficiente, sino peligroso. Sin una recuperación

00:01:33.840 --> 00:01:37.960
agéntica, las empresas se ahogan en la fragmentación del contexto. Las decisiones se toman sobre datos

00:01:37.960 --> 00:01:42.380
parciales. Los riesgos de cumplimiento pasan desapercibidos. Los equipos persiguen ideas alucinadas

00:01:42.380 --> 00:01:45.900
producidas por un modelo que nunca se molestó en verificarse a sí mismo. La ironía,

00:01:46.100 --> 00:01:50.180
la solución ya existe. Entra en escena el RAC agéntico. No solo obtiene información,

00:01:50.180 --> 00:01:54.780
sino que la analiza. Planifica, verifica y razona como un equipo de investigación digital.

00:01:54.980 --> 00:01:58.840
Al final de este episodio, sabrás exactamente cómo hacer que tu copiloto deje de actuar como

00:01:58.840 --> 00:02:03.980
un loro y empiece a comportarse como un científico. Y sí, hay cuatro pasos. Solucionaremos a tu copiloto

00:02:03.980 --> 00:02:07.960
tonto en cuatro pasos precisos. El mito del RAC, ¿por qué falla la inteligencia lineal?

00:02:08.080 --> 00:02:12.380
Muy bien, analicemos el mito. La generación aumentada por recuperación suena sofisticada,

00:02:12.640 --> 00:02:16.660
pero en el fondo es brutalmente lineal. Paso 1, recupera algunos fragmentos de texto en función

00:02:16.660 --> 00:02:20.880
de la similitud vectorial. Paso 2, introduce esos fragmentos en el indicador. Paso 3,

00:02:21.100 --> 00:02:25.280
genera una respuesta y declara la victoria. Eso es todo. Sin memoria de búsquedas anteriores,

00:02:25.540 --> 00:02:28.940
sin razonamiento sobre contradicciones, sin reconocimiento del contexto del usuario.

00:02:29.120 --> 00:02:32.880
Es una línea recta desde la consulta hasta la respuesta, una combinación SQL glorificada

00:02:32.880 --> 00:02:36.040
escrita en inglés. El problema empieza cuando la realidad se vuelve confusa.

00:02:36.240 --> 00:02:39.380
Digamos que pides. Compara nuestra fiabilidad con la competencia.

00:02:39.540 --> 00:02:43.680
Un sistema de trapos de vainilla accede a un índice, toma cualquier documento que mencione

00:02:43.680 --> 00:02:48.100
la fiabilidad y escupe un resumen. ¿Comprobó los registros de fabricación en Fabric? ¿Leyó

00:02:48.100 --> 00:02:52.720
ese nuevo informe de pruebas oculto en SharePoint? ¿Validó datos externos de la web? Por supuesto

00:02:52.720 --> 00:02:56.780
que no. Ni siquiera sabe que esas fuentes existen. Simplemente oculta la incertidumbre

00:02:56.780 --> 00:03:00.740
con elocuencia. Piensa en ello como una analogía de biblioteca que se vuelve trágica. Entras

00:03:00.740 --> 00:03:05.020
y le preguntas a una bibliotecaria sobre economía global. Corre a una estantería etiquetada como

00:03:05.020 --> 00:03:09.680
economía. Te entrega un libro al azar sobre cambio de divisas de 2012 y declara la pregunta

00:03:09.680 --> 00:03:13.660
resuelta. Buen servicio al cliente, pésima erudición. La inteligencia real reclutaría

00:03:13.660 --> 00:03:17.540
a varios bibliotecarios, uno para finanzas, uno para historia, uno para políticas, y luego

00:03:17.540 --> 00:03:21.140
sintetizaría sus hallazgos. Esa es la diferencia entre la recuperación y el razonamiento. En

00:03:21.140 --> 00:03:25.160
las empresas, este fracaso se multiplica. Una sola pregunta ejecutiva suele afectar a

00:03:25.160 --> 00:03:30.140
docenas de sistemas. Documentos de SharePoint, conjuntos de datos Power BI, tablas Azure SQL

00:03:30.140 --> 00:03:34.860
y hilos de correo. El clásico RAG reduce toda esa complejidad a un solo salto. ¿El resultado?

00:03:34.860 --> 00:03:40.160
¿Resultados incoherentes, resúmenes superficiales y datos alucinantes redactados con una dicción

00:03:40.160 --> 00:03:44.600
segura. ¿Cumplimiento normativo? Olvídelo. Cuando el modelo extrae de cualquier texto que

00:03:44.600 --> 00:03:48.900
coincida con el vector, se pierde la procedencia. Intente explicárselo a su comité de auditoría.

00:03:49.080 --> 00:03:52.860
Sin embargo, el marketing en torno a Copilot lo hace parecer omnipotente. El folleto susurra.

00:03:53.160 --> 00:03:58.020
Pregunte cualquier cosa. Copilot conoce su negocio. No, no lo hace. Realiza la recuperación de texto

00:03:58.020 --> 00:04:02.760
con amnesia. No puede planificar, reflexionar ni verificar. No sabe qué sitio de SharePoint contiene

00:04:02.760 --> 00:04:07.120
el documento correcto ni si el almacén de tejidos está sincronizado. Pero como la redacción es fluida,

00:04:07.360 --> 00:04:11.720
los ejecutivos asumen comprensión donde solo hay correlación. Esta ilusión de inteligencia es lo

00:04:11.720 --> 00:04:15.920
que están comprando las empresas. Una costosa manta de confort tejida a partir de distribuciones

00:04:15.920 --> 00:04:19.480
de probabilidad. Celebran cuando Copilot redacta un correo electrónico correctamente,

00:04:19.780 --> 00:04:23.700
ignorando que malinterpretó por completo los datos de origen. Alardean de los conocimientos basados

00:04:23.700 --> 00:04:27.140
en la guía sin darse cuenta de que esos conocimientos se recopilan a partir de contextos

00:04:27.140 --> 00:04:31.380
disparejos e instantáneas parciales. Esta es la consecuencia económica. Cada informe mal resumido,

00:04:31.380 --> 00:04:36.100
cada KPI alucinado, se convierte en una cascada de malas decisiones. Los proyectos giran en torno

00:04:36.100 --> 00:04:39.840
a la ficción. Los equipos de cumplimiento persiguen fantasmas. Y cuando la realidad se

00:04:39.840 --> 00:04:44.040
pone al día, cuando los conocimientos fabricados fallan en la producción, la culpa recae en las

00:04:44.040 --> 00:04:48.140
limitaciones de la IA, no en la arquitectura perezosa que aseguró el fracaso. La verdad es

00:04:48.140 --> 00:04:51.980
que la inteligencia lineal falla porque las empresas no son lineales. Los datos están distribuidos,

00:04:52.180 --> 00:04:56.540
son contextuales y, a menudo, contradictorios. Una canalización fija de una sola consulta no puede

00:04:56.540 --> 00:05:00.320
adaptarse a ese entorno más de lo que una sola neurona puede pensar. Lo que necesitas no es un

00:05:00.320 --> 00:05:04.500
mejor indicador, necesitas un sistema que pueda planificar. Uno que pueda decidir qué servicios

00:05:04.500 --> 00:05:09.420
usar en qué orden y cómo verificar el resultado. Entonces, ¿cómo enseñamos a un copilot a operar

00:05:09.420 --> 00:05:13.160
como un equipo de investigación en lugar de un loro? Ahí es donde entra Agentic Rag,

00:05:13.420 --> 00:05:17.660
el salto evolutivo de la recuperación reactiva al razonamiento proactivo. Añade capas de

00:05:17.660 --> 00:05:21.860
planificación, recuperadores especializados y bucles de verificación. En otras palabras,

00:05:22.200 --> 00:05:27.080
deja de fingir ser inteligente y finalmente aprende a pensar. Entra Agentic Rag, de la búsqueda al

00:05:27.080 --> 00:05:31.520
razonamiento. Aquí es donde pasamos del truco a la inteligencia. Agentic Rag no es otra palabra

00:05:31.520 --> 00:05:35.900
de moda. Es la facultad que le faltaba a tu copiloto al nacer, la función ejecutiva. Piensa

00:05:35.900 --> 00:05:40.080
en ello como un rag que desarrolló una corteza prefrontal. En lugar de ejecutar una consulta

00:05:40.080 --> 00:05:45.060
y cruzar los dedos digitales, divide un problema en partes, asigna tareas a diferentes agentes

00:05:45.060 --> 00:05:50.340
especialistas, verifica su trabajo y luego sintetiza el resultado. En resumen, convierte modelos

00:05:50.340 --> 00:05:55.320
de lenguaje de loros en planificadores. Mecánicamente, Agnetic Rag opera a través de una orquestación

00:05:55.320 --> 00:06:00.080
multiagente basada en Azure AI Agent Service. Imagina tres roles en movimiento. Primero,

00:06:00.240 --> 00:06:04.360
el planificador, una especie de gerente de proyecto digital. El planificador lee tu consulta

00:06:04.360 --> 00:06:07.820
y decide qué herramientas u orígenes de datos son relevantes. Luego vienen los agentes

00:06:07.820 --> 00:06:12.120
recuperadores, expertos en el dominio capacitados para acceder a datos estructurados o no estructurados.

00:06:12.280 --> 00:06:17.140
Por último, el agente verificador o razonador, que funciona como editor jefe, comprueba la coherencia,

00:06:17.580 --> 00:06:21.660
valida las citas y compila la respuesta final. Juntos, ejecutan lo que llamamos un bucle

00:06:21.660 --> 00:06:27.360
de razonamiento adaptativo. Consultar, recuperar, validar, refinar y actuar. La palabra clave

00:06:27.360 --> 00:06:31.940
es adaptativo. A diferencia del rag estándar, este bucle no termina en la primera salida. Se

00:06:31.940 --> 00:06:36.180
redirige cuando aparecen contradicciones. Compare esta danza orquestada con una sala de redacción.

00:06:36.380 --> 00:06:40.420
El planificador es el editor gerente que asigna los ritmos. Consulta SharePoint para obtener

00:06:40.420 --> 00:06:44.420
informes internos. Extrae las métricas de los sensores de Fabric. Escanea la web en busca

00:06:44.420 --> 00:06:48.760
de datos de la competencia. Cada agente recuperador obtiene su parte. El verificador verifica los datos

00:06:48.760 --> 00:06:52.380
del borrador combinado. Vuelve a ejecutar las consultas si las citas entran en conflicto y

00:06:52.380 --> 00:06:55.940
solo entonces publica el resumen. El resultado no es un bloque de texto que simplemente suena

00:06:55.940 --> 00:07:00.280
plausible. Es una perspectiva coherente y vinculada a la evidencia. El salto aquí no son modelos más

00:07:00.280 --> 00:07:04.900
grandes, es razonamiento estructurado. Profundicemos más en el cerebro del planificador. Interpreta tu

00:07:04.900 --> 00:07:08.960
pregunta en un lenguaje sencillo en un mapa de tareas. ¿Qué recuperadores usar, en qué orden

00:07:08.960 --> 00:07:13.580
ejecutarlos y cómo deben fusionarse sus hallazgos? Aquí es donde el servicio del agente de IA de

00:07:13.580 --> 00:07:17.740
Azure se gana su existencia. Proporciona la capa de orquestación que permite que estos

00:07:17.740 --> 00:07:22.720
agentes se comuniquen. Microservicios que hablan a través de APIs regidas por la autenticación de

00:07:22.720 --> 00:07:27.500
Microsoft Entra, no por conjeturas. Ahora, en cuanto a la seguridad, porque el responsable de

00:07:27.500 --> 00:07:31.900
cumplimiento normativo medio ya está pulsando el botón del pánico. Agnetic Rack no toma atajos.

00:07:32.080 --> 00:07:36.620
Está diseñado en torno a la autenticación, lo que significa que tu identidad viaja con la solicitud.

00:07:36.740 --> 00:07:41.180
El sistema no se hace pasar por ti. Utiliza tu token verificado para obtener solo lo que tienes

00:07:41.180 --> 00:07:46.600
permiso para ver. La seguridad a nivel de fila RLS y de columna CLS vienen integradas. Así,

00:07:46.600 --> 00:07:51.060
la IA no puede revelar por error la previsión del CF o a un becario. Cada llamada de recuperación se

00:07:51.060 --> 00:07:55.000
registra, es auditable y reversible. Esto es importante porque Static Rack no tiene ningún

00:07:55.000 --> 00:07:59.060
concepto de contexto de usuario. Capta todo lo que su capa de búsqueda permite, a menudo omitiendo

00:07:59.060 --> 00:08:03.060
por completo el andamiaje de permisos de la empresa. Agnetic Rack restaura esa disciplina.

00:08:03.200 --> 00:08:07.540
Cuando el recuperador de Fabric consulta una tabla de Lakehouse, aplica las mismas reglas de RLS

00:08:07.540 --> 00:08:11.640
que obedecen sus paneles de BI. Cuando el agente de SharePoint urga en bibliotecas de documentos,

00:08:11.640 --> 00:08:15.960
respeta los permisos de nivel de sitio y las etiquetas de Microsoft Purview. Por lo tanto,

00:08:16.180 --> 00:08:20.260
las mismas políticas que protegen a sus usuarios humanos ahora protegen a los de IA. Integremos

00:08:20.260 --> 00:08:24.280
esto a la realidad del flujo de trabajo. Supongamos que la pregunta es, ¿en qué rango

00:08:24.280 --> 00:08:28.100
de glucosa el producto A tiene un rendimiento inferior al del producto B y cuál es el impacto

00:08:28.100 --> 00:08:32.140
clínico? Static Rack volcará cualquier fragmento que mencione el producto A y la glucosa.

00:08:32.300 --> 00:08:36.440
Agnetic Rack, con tecnología de Azure AI Agent Service, primero haría que su planificador

00:08:36.440 --> 00:08:40.940
identificar a tres frentes de recuperación. Fabric para datos de sensores, SharePoint para

00:08:40.940 --> 00:08:45.660
notas clínicas y Bing para publicaciones externas. Cada agente recuperador aporta pruebas relevantes.

00:08:45.840 --> 00:08:50.700
El verificador compara conjuntos de datos, marca discrepancias e incluso puede refinar la consulta

00:08:50.700 --> 00:08:55.460
original de Fabric si aparece un valor atípico. Solo después de la validación sintetiza la información

00:08:55.460 --> 00:09:00.240
final con las citas intactas. Eso es razonamiento iterativo en acción. El Rack reactivo se detiene

00:09:00.240 --> 00:09:05.440
después del paso 1. El Rack de Agnetic aprende y se ajusta en medio de la conversación. Puede descomponer preguntas

00:09:05.440 --> 00:09:10.220
de seguimiento automáticamente. Pregunte, ¿podemos mejorar la precisión utilizando estudios recientes?

00:09:10.400 --> 00:09:14.880
Y los mismos agentes giran para obtener materiales emergentes sin perder contexto. Es comprensión

00:09:14.880 --> 00:09:19.420
continua, no pérdida de memoria episodica. La ventaja del cumplimiento es enorme. La acción

00:09:19.420 --> 00:09:23.580
de cada agente es rastreable en los registros de auditoría, cada token autenticado, cada toque

00:09:23.580 --> 00:09:27.500
de documento registrado. Obtienes la ilusión de omnisciencia con el papeleo de la prudencia,

00:09:27.680 --> 00:09:32.160
algo que los auditores adoran. Entonces, el cambio filosófico es este. La recuperación

00:09:32.160 --> 00:09:36.540
por sí sola proporciona información. Agency convierte esa información en proceso. Al introducir

00:09:36.540 --> 00:09:40.560
la planificación, la especialización y la verificación, Azure Agent Service transforma

00:09:40.560 --> 00:09:44.640
grupos de datos aleatorios en cadenas de razonamiento responsables. En el mundo empresarial, esa es

00:09:44.640 --> 00:09:48.160
la diferencia entre un asistente en el que confías y uno que desactivas silenciosamente.

00:09:48.360 --> 00:09:51.840
Ahora que nuestro copiloto tiene un cerebro funcional, es hora de alimentarlo con una memoria

00:09:51.840 --> 00:09:56.100
adecuada. En otras palabras, démosle un lugar sustancial donde buscar, empezando por el caos

00:09:56.100 --> 00:10:00.300
desestructurado de SharePoint. Integrando SharePoint, convirtiendo el caos en conocimiento.

00:10:00.300 --> 00:10:04.560
SharePoint es donde se esconde el conocimiento corporativo. Cada empresa tiene uno, un yacimiento

00:10:04.560 --> 00:10:09.180
arqueológico de PowerPoints, notas de reuniones, especificaciones obsoletas y documentos llamados

00:10:09.180 --> 00:10:13.880
Final V12 Realmente Final. Y para los humanos, es un caos. Para un sistema de trapos ingenuo,

00:10:14.080 --> 00:10:17.800
es un caos ilegible. La búsqueda de palabras clave devuelve obedientemente mil resultados,

00:10:18.140 --> 00:10:21.780
la mayoría de ellos irrelevantes, y el usuario promedio se desplaza hasta que mejora la moral.

00:10:21.980 --> 00:10:25.880
Entonces pide ayuda al copiloto, y el copiloto rápidamente resume la década equivocada.

00:10:25.880 --> 00:10:30.120
Agente Crack trata a SharePoint de manera diferente, no como una biblioteca, sino como

00:10:30.120 --> 00:10:34.220
un sustrato de conocimiento. Sabe que enterrados dentro de esas carpetas están los conocimientos

00:10:34.220 --> 00:10:38.300
cualitativos que las tablas estructuradas de Fabric nunca capturarán. El contexto,

00:10:38.660 --> 00:10:42.640
las decisiones, la justificación. Así pues, en lugar de ejecutar un simple barrido de palabras

00:10:42.640 --> 00:10:46.380
clave, el agente recuperador de SharePoint emplea incrustaciones semánticas y búsqueda

00:10:46.380 --> 00:10:50.200
vectorial para mapear el significado, no solo el texto. Pregunte sobre la confiabilidad del

00:10:50.200 --> 00:10:54.700
producto en entornos húmedos y no se fijará en esas palabras exactas. Detecta documentos que

00:10:54.700 --> 00:10:59.140
analizan los modos de error, la resistencia a la condensación y el rendimiento del adhesivo.

00:10:59.420 --> 00:11:02.880
Reconoce la intención. Aquí es donde el conocimiento de los permisos se convierte

00:11:02.880 --> 00:11:06.740
en la característica decisiva. Cada sitio de SharePoint tiene su propia red enredada de

00:11:06.740 --> 00:11:12.060
permisos, equipos, subsitios y carpetas confidenciales. Un rastreador tonto ignora eso y accidentalmente

00:11:12.060 --> 00:11:17.880
muestra quejas de R. HH. En un informe de marketing. Sin embargo, el modelo Agentic se autentica en su

00:11:17.880 --> 00:11:22.420
nombre, heredando su contexto de seguridad exacto. Solo puede leer lo que usted tiene permitido ver.

00:11:22.420 --> 00:11:26.880
La salida se recorta automáticamente por política. Recorte de seguridad, cortesía de las etiquetas

00:11:26.880 --> 00:11:31.180
Microsoft entra y por view. Por lo tanto, la inteligencia de la IA nunca supera su autorización.

00:11:31.540 --> 00:11:35.800
Ejecutemos un escenario práctico. Un gerente de I más D escribe un resumen de las diferencias

00:11:35.800 --> 00:11:40.120
de rendimiento del producto a en climas costeros. El planificador divide esto en submisiones.

00:11:40.260 --> 00:11:44.000
Un recuperador de tejidos se prepara para analizar datos numéricos de sensores, mientras que el agente

00:11:44.000 --> 00:11:47.920
de SharePoint se sumerge en documentos de investigación internos, registros de mantenimiento y notas de

00:11:47.920 --> 00:11:51.600
ingeniería etiquetadas con términos relacionados con la humedad. Encuentra un informe de prueba de

00:11:51.600 --> 00:11:56.060
campo de 2023, un hilo de debate sobre la corrosión de materiales y un documento de

00:11:56.060 --> 00:12:00.200
hallazgos resumidos del equipo de confiabilidad. Cada documento se califica vectorialmente en

00:12:00.200 --> 00:12:04.860
función de su relevancia semántica, se recupera y se pasa al agente verificador. Ese verificador

00:12:04.860 --> 00:12:09.060
coteja esos resultados cualitativos con los números de tejido. Si aparecen contradicciones,

00:12:09.260 --> 00:12:13.940
por ejemplo, un documento desactualizado que afirma una corrosión mínima, marca la inconsistencia

00:12:13.940 --> 00:12:18.520
y solicita datos más nuevos. La respuesta sintetizada final le dice al gerente de I más D con

00:12:18.520 --> 00:12:22.200
precisión que ensamblajes se degradan con alta humedad y cita las fuentes validadas.

00:12:22.200 --> 00:12:26.540
Lo que solían ser varias horas de búsqueda manual ahora se reduce a un ciclo de razonamiento

00:12:26.540 --> 00:12:31.340
continuo. SharePoint pasa de ser un repositorio pasivo a una inteligencia empresarial participante

00:12:31.340 --> 00:12:35.920
activa, esencialmente una memoria neuronal de decisiones corporativas. La capa de Argentic

00:12:35.920 --> 00:12:40.600
Rack no solo lee documentos, sino que aprende relaciones, linaje de proyectos, tendencias de

00:12:40.600 --> 00:12:45.340
autoría, clústeres contextuales y puede encadenarlos en argumentos coherentes. Quizás los responsables

00:12:45.340 --> 00:12:49.240
de cumplimiento sigan inquietándose al oír recuperación autónoma. Relájense. Cada

00:12:49.240 --> 00:12:53.100
consulta y cada intervención en un documento se registran, los registros de auditoría permanecen

00:12:53.100 --> 00:12:57.680
intactos, los marcos normativos como ISO 27001 y RGPD dependen de la rendición de cuentas

00:12:57.680 --> 00:13:01.480
y este sistema la proporciona automáticamente. El agente puede incluso adjuntar metadatos que

00:13:01.480 --> 00:13:05.060
citen la ruta del documento y la marca de tiempo de acceso a cada frase generada. Esto

00:13:05.060 --> 00:13:08.300
significa que cada afirmación que realiza la guía puede rastrearse hasta una versión

00:13:08.300 --> 00:13:12.660
específica de un archivo, sin repudio para los robots. En resumen, la integración de SharePoint

00:13:12.660 --> 00:13:16.900
en Argentic Rack convierte el caos de contenidos en una coreografía del conocimiento. Su pasado

00:13:16.900 --> 00:13:20.940
desestructurado se puede buscar por significado, está protegido por políticas y se valida

00:13:20.940 --> 00:13:24.700
mediante referencias cruzadas. SharePoint deja de ser un ático digital y se convierte

00:13:24.700 --> 00:13:28.580
en una infraestructura cognitiva, pero el contexto cualitativo es solo la mitad del cerebro.

00:13:28.740 --> 00:13:33.000
La otra mitad, la verdad de la estructura numérica, reside en Microsoft Fabric, y ahí es donde

00:13:33.000 --> 00:13:36.400
vamos a continuación. Microsoft Fabric, la contraparte estructurada.

00:13:36.600 --> 00:13:40.860
Bienvenido al otro hemisferio del cerebro de su empresa, el lado estructurado. Si SharePoint

00:13:40.860 --> 00:13:45.360
almacena su conocimiento tribal, Microsoft Fabric guarda su verdad empírica. Es la

00:13:45.360 --> 00:13:48.780
columna vertebral de análisis unificado donde los números, los modelos y los flujos

00:13:48.780 --> 00:13:52.380
de eventos convergen en algo que se aproxima a la coherencia. La mayoría de las organizaciones

00:13:52.380 --> 00:13:55.880
lo tratan como un almacén de datos. Bajo Argentic Rack se convierte en un sustrato

00:13:55.880 --> 00:14:00.100
de razonamiento. Esta es la función que desempeña Fabric, precisión. No habla de anécdotas,

00:14:00.300 --> 00:14:04.540
habla de telemetría, transacciones y series temporales. Dentro de Fabric, la casa del lago,

00:14:04.760 --> 00:14:08.140
el almacén y el modelo semántico son cada uno un dialecto diferente de la estructura.

00:14:08.140 --> 00:14:12.000
Un agente de datos de Fabric creado sobre el servicio del agente de Azure AI traduce el

00:14:12.000 --> 00:14:15.740
lenguaje natural en consultas estructuradas que atraviesan esas capas de forma segura.

00:14:15.880 --> 00:14:19.340
Pregunte, muestre la variación del rendimiento trimestral para el producto a por región y,

00:14:19.560 --> 00:14:23.880
silenciosamente, creará una consulta optimizada similar a SQL dirigida a las tablas y particiones

00:14:23.880 --> 00:14:27.900
correctas, ejecutándose en su contexto autenticado, sin indicaciones, sin herramientas

00:14:27.900 --> 00:14:32.020
de Power BI de inteligencia gobernada directa. Ahora bien, el acceso sin procesar a los números

00:14:32.020 --> 00:14:35.580
no tiene sentido sin protección, por lo que la seguridad asiática de Fabric no es una opción,

00:14:35.580 --> 00:14:39.700
es su arquitectura. Cada interacción se cifra y autentica mediante Microsoft Entra ID,

00:14:40.100 --> 00:14:43.280
lo que garantiza que el agente opere con su token de usuario verificado.

00:14:43.480 --> 00:14:46.900
¿Recuerda el caos de los accesos directos a la entidad de servicio que ignoran la seguridad

00:14:46.900 --> 00:14:50.620
a nivel de fila? Aquí están prohibidos. El flujo en nombre de transporta su identidad

00:14:50.620 --> 00:14:55.040
de extremo a extremo, lo que aplica automáticamente la seguridad a nivel de columna y RLS.

00:14:55.340 --> 00:14:58.760
Si el departamento financiero marca una columna como confidencial, la IA nunca la detecta,

00:14:58.960 --> 00:15:02.200
y cada ejecución deja huellas en los registros de auditoría de Fabric, lo que satisface a los

00:15:02.200 --> 00:15:05.540
auditores que tratan los registros como cuentos para dormir. Además de eso, se encuentra la

00:15:05.540 --> 00:15:09.320
gobernanza de Poorview. Las etiquetas de confidencialidad viajan con los datos. Confidencial,

00:15:09.640 --> 00:15:13.300
solo para uso interno, exportación restringida. Cuando el agente de datos de Fabric redacta una

00:15:13.300 --> 00:15:16.980
consulta utilizando dichos campos, las políticas se interceptan al instante. Los intentos de

00:15:16.980 --> 00:15:20.680
violación activan la aplicación de DLP antes de que se escape un solo byte. Es esencialmente una

00:15:20.680 --> 00:15:24.800
protección infantil de nivel empresarial para la IA. El modelo puede explorar, pero no electrocutarse a sí

00:15:24.800 --> 00:15:28.300
mismo. Entonces, ¿qué ocurre cuando combinamos esta disciplina estructurada con la intuición

00:15:28.300 --> 00:15:32.900
desordenada de SharePoint? El servicio del agente de Azure IA lo organiza todo. Imagínese una sala

00:15:32.900 --> 00:15:37.640
de tribunal. El agente de Fabric aporta las pruebas, gráficos, recuentos y promedios de

00:15:37.640 --> 00:15:42.400
sensores, mientras que el de SharePoint ofrece los testimonios. El agente verificador los interroga

00:15:42.400 --> 00:15:45.680
para asegurarse de que las cifras y las narrativas coincidan antes de presentar el

00:15:45.680 --> 00:15:50.120
veredicto como una respuesta unificada y rica en citas. Pongamos un ejemplo. Un responsable de

00:15:50.120 --> 00:15:54.240
operaciones pregunta, ¿estamos perdiendo eficiencia debido a defectos de embalaje? El planificador

00:15:54.240 --> 00:15:57.700
envía al agente de Fabric para que recupere las tasas de rendimiento por línea de producción del

00:15:57.700 --> 00:16:01.140
almacén. Al mismo tiempo, envía al agente de SharePoint para que revise los registros de

00:16:01.140 --> 00:16:04.240
mantenimiento y la correspondencia de los proveedores. El agente de Fabric devuelve un

00:16:04.240 --> 00:16:07.660
conjunto de datos que muestra pequeñas caídas que se correlacionan con picos de humedad. El

00:16:07.660 --> 00:16:11.120
agente de SharePoint muestra un hilo de correo electrónico que cita materiales de embalaje

00:16:11.120 --> 00:16:15.200
deformados durante el mismo periodo. El verificador corrobora ambas cosas, etiqueta la correlación

00:16:15.200 --> 00:16:19.500
como creíble y el sistema redacta un dictamen conciso completo con gráficos cuantitativos y documentos

00:16:19.500 --> 00:16:23.920
de referencia. Diagnósticos instantáneos de Six Sigma sin analistas insomnios. En segundo plano,

00:16:23.920 --> 00:16:28.260
el servicio de Azure AI gestiona la concurrencia y agrupa recuperaciones mediante lo que es,

00:16:28.480 --> 00:16:32.400
en la práctica, una malla de servicios. Cada agente publica un esquema que describe a qué

00:16:32.400 --> 00:16:37.200
puede acceder. Esquemas de Fabric, metadatos de SharePoint o el contexto web abierto de Bing.

00:16:37.360 --> 00:16:41.740
El planificador aprovecha ese registro como un directorio de API. El resultado es inteligencia

00:16:41.740 --> 00:16:45.580
modular. Intercambie o amplíe los agentes a medida que surjan nuevos dominios de datos sin

00:16:45.580 --> 00:16:50.240
reescribir todo Copilot. En cuanto al rendimiento, la innovación no son modelos más grandes, sino un orden

00:16:50.240 --> 00:16:54.000
de recuperación más inteligente. El planificador puede consultar primero Fabric para definir límites

00:16:54.000 --> 00:16:57.680
numéricos y, a continuación, utilizarlos para restringir la exploración de SharePoint. Esto

00:16:57.680 --> 00:17:01.400
reduce el ruido y acelera la convergencia. Considérelo una poda de datos mediante el

00:17:01.400 --> 00:17:05.600
razonamiento. En lugar de ahogarse en 10.000 documentos, el sistema sabe cuáles son los 10

00:17:05.600 --> 00:17:09.280
que importan porque los números ya enmarcan la pregunta. A los responsables de cumplimiento

00:17:09.280 --> 00:17:13.480
les encanta, pues la gobernanza escala con inteligencia. Cada llamada de agente se registra y

00:17:13.480 --> 00:17:17.580
cada transformación es rastreable. Cuando el director financiero pregunta, ¿de dónde ha salido este

00:17:17.580 --> 00:17:21.800
número? Puede apuntar directamente a la tabla de Fabric, la marca de tiempo y el token de usuario

00:17:21.800 --> 00:17:26.100
que se ejecuta. Esa transparencia convierte el miedo en confianza, una moneda fundamental en

00:17:26.100 --> 00:17:29.880
sectores regulados como el financiero o el sanitario. Combine estas propiedades y habrá

00:17:29.880 --> 00:17:34.200
creado una sinfonía analítica, una precisión estructurada de Fabric armonizada con la comprensión

00:17:34.200 --> 00:17:37.960
contextual de SharePoint. La empresa pasa de la búsqueda y la esperanza a la recuperación,

00:17:38.180 --> 00:17:42.720
la verificación y la decisión. Y sí, la velocidad es asombrosa. Ahora, combine esta recuperación de

00:17:42.720 --> 00:17:45.960
varios niveles con el razonamiento y obtendrá velocidad. Una velocidad aterradora.

00:17:45.960 --> 00:17:50.580
El ciclo de investigación a decisión que antes requería un desfile de analistas ahora se reduce

00:17:50.580 --> 00:17:56.220
a horas, lo que nos lleva directamente al movimiento final. Impacto. El impacto empresarial de meses a

00:17:56.220 --> 00:18:00.640
minutos. Hablemos de las consecuencias, de las buenas. Cuando se actualiza de un trapo pasivo

00:18:00.640 --> 00:18:05.040
a un trapo agente en Fabric y SharePoint, el cronograma empresarial promedio se dobla. Lo que

00:18:05.040 --> 00:18:09.660
llevaba meses de informes se convierte en minutos de síntesis verificada. La IA ya no espera a que los

00:18:09.660 --> 00:18:14.980
humanos traduzcan las preguntas en consultas de datos. Realiza esa traducción, validación y resumen

00:18:14.980 --> 00:18:19.660
automáticamente. Consideremos y más de. Los equipos solían reunir comités multifuncionales

00:18:19.660 --> 00:18:23.640
para alinearse con los datos. Ingenieros que exportaban métricas de pruebas, analistas que

00:18:23.640 --> 00:18:27.300
las limpiaban, permisos de verificación de cumplimiento y alguien que inevitablemente

00:18:27.300 --> 00:18:32.120
renombraba archivos finales. Agentic Rack acaba con ese ciclo. El planificador organiza agentes que

00:18:32.120 --> 00:18:36.180
recuperan tablas de rendimiento de Fabric y notas de diseño de SharePoint simultáneamente,

00:18:36.540 --> 00:18:40.360
las fusionan y redactan un resumen validado completo con citas y etiquetas de seguridad.

00:18:40.360 --> 00:18:44.980
Latencia de decisión, casi cero. El cumplimiento y la auditoría experimentan ondas expansivas

00:18:44.980 --> 00:18:49.580
similares. Las auditorías tradicionales requerían enviar pruebas por email semanas. Ahora, la misma

00:18:49.580 --> 00:18:53.400
IA que escribió el informe puede regenerar su rastro de razonamiento a demanda. Se registra

00:18:53.400 --> 00:18:57.440
cada llamada de recuperación, cadena de consulta, ruta de archivo y marca de tiempo. Los auditores

00:18:57.440 --> 00:19:00.800
pueden reproducir los pasos exactos que llevan a una conclusión, transformando la diligencia

00:19:00.800 --> 00:19:04.360
debida de una búsqueda del tesoro en una casilla de verificación. Lo que antes era riesgo ahora

00:19:04.360 --> 00:19:08.740
se convierte en una joya de gobernanza. La fabricación gana una ventaja predictiva. Los flujos

00:19:08.740 --> 00:19:13.020
cuantitativos de fabric revelan desviaciones del proceso. Las notas cualitativas de SharePoint

00:19:13.020 --> 00:19:17.320
explican las causas. Argentic Loop los correlaciona antes de que aumenten las alertas, realizando

00:19:17.320 --> 00:19:21.240
de manera efectiva una mejora continua sin un consultor de Six Sigma. Imagínese reemplazar

00:19:21.240 --> 00:19:24.560
una sala de pasantes con exceso de trabajo por un panel de consultores expertos que nunca

00:19:24.560 --> 00:19:28.260
duermen, nunca olvidan el contexto y nunca exceden el presupuesto. Ese es el equivalente

00:19:28.260 --> 00:19:32.300
operativo de la inteligencia compuesta. Por supuesto, la automatización solo importa si

00:19:32.300 --> 00:19:36.680
es responsable. Argentic Rack preserva cada capa de herencia empresarial, permisos, etiquetas

00:19:36.680 --> 00:19:40.480
de confidencialidad y registros de auditoría, por lo que los CIO pueden escalar la inteligencia

00:19:40.480 --> 00:19:43.860
sin escalar el riesgo. Cada información es rastreable hasta la credencial de usuario

00:19:43.860 --> 00:19:47.820
y el repositorio gobernado que la produjo. El sistema funciona como un libro de contabilidad

00:19:47.820 --> 00:19:52.080
financiero para el pensamiento, transparente, reversible y a prueba de manipulaciones. Y

00:19:52.080 --> 00:19:57.040
el costo humano, menos aburrimiento. Los profesionales dejan de copiar y pegar exportaciones y comienzan

00:19:57.040 --> 00:20:01.420
a interpretar verdades sintetizadas. Las reuniones se acortan porque la IA llega con evidencia

00:20:01.420 --> 00:20:05.780
prevalidada. Los proyectos se aceleran porque los datos y la narrativa convergen al instante. Esto

00:20:05.780 --> 00:20:09.520
es lo que la mayoría de ejecutivos pasan por alto. Avanzar rápido no es imprudente cuando

00:20:09.520 --> 00:20:13.280
el razonamiento está documentado. La verdadera imprudencia sigue siendo crear copilotos tontos,

00:20:13.560 --> 00:20:17.300
loros ciegos al contexto y de un solo disparo que se hacen pasar por estrategas. Esos pertenecen

00:20:17.300 --> 00:20:21.100
al museo de las primeras curiosidades de la IA, junto a Clippy. Por lo tanto, si su empresa

00:20:21.100 --> 00:20:25.300
todavía celebra a un copiloto que solo recupera, felicitaciones, está financiando un sofisticado

00:20:25.300 --> 00:20:29.620
autocompletado. Los actores serios ya están utilizando agentes que planifican, verifican y actúan.

00:20:29.760 --> 00:20:33.540
La regresión de meses a minutos es solo el beneficio superficial. El más profundo es la

00:20:33.540 --> 00:20:37.660
integridad epistémica. Decisiones que realmente reflejan la realidad porque la inteligencia que

00:20:37.660 --> 00:20:41.960
las construye rinde cuentas. Por eso seguir creando copilotos tontos no es solo ineficiente,

00:20:42.200 --> 00:20:46.440
es imprudente. El futuro de la IA empresarial no son indicaciones más grandes, sino bucles de

00:20:46.440 --> 00:20:50.880
retroalimentación más pequeños con mejor memoria y gobernanza. Argentic RAC ofrece ambas cosas.

00:20:51.100 --> 00:20:56.280
La inteligencia actúa ya como un sistema, no como un truco. Dejen de construir, empiecen a pensar.

00:20:56.480 --> 00:21:01.080
RAC sin agencia es obsoleto. Es la arquitectura de ayer que pretende resolver los problemas de mañana.

00:21:01.080 --> 00:21:04.940
La empresa moderna no necesita chatbots. Necesita infraestructura cognitiva,

00:21:05.320 --> 00:21:09.500
sistemas que puedan planificar, verificar y actuar bajo su identidad, no junto a ella.

00:21:09.700 --> 00:21:14.600
Eso es Agnetic RAC, un ecosistema de razonamiento deliberado creado sobre Azure AI Agent Service que

00:21:14.600 --> 00:21:18.860
habla de forma segura con SharePoint y Microsoft Fabric como un equipo de expertos que comparten

00:21:18.860 --> 00:21:22.920
un cerebro autenticado. Si su copiloto sigue sin poder programar sus propias recuperaciones,

00:21:23.280 --> 00:21:27.700
validar referencias o explicar su razonamiento, deje de llamarlo inteligente, es decorativo.

00:21:27.700 --> 00:21:33.260
La inteligencia implica intención, verificación y consecuencia. La IA decorativa realiza monólogos,

00:21:33.500 --> 00:21:37.700
la IA agnética realiza experimentos. La diferencia es la responsabilidad. Una

00:21:37.700 --> 00:21:42.460
crea resultados, la otra crea comprensión. Este cambio arquitectónico ya no es opcional.

00:21:42.700 --> 00:21:46.160
En el momento en que su decisión abarque datos estructurados y no estructurados,

00:21:46.460 --> 00:21:50.380
Static RAC se derrumba. Los responsables de cumplimiento ya lo saben, los analistas ya

00:21:50.380 --> 00:21:54.340
lo sienten y los líderes pronto exigirán pruebas de razonamiento, no solo confianza en el tono.

00:21:54.340 --> 00:21:58.100
Microsoft Stack finalmente proporciona el andamiaje. Servicio de agente de inteligencia

00:21:58.100 --> 00:22:01.180
artificial de Azure para orquestación. Agentes de datos de Fabric para la verdad

00:22:01.180 --> 00:22:04.720
cuantitativa. Recuperaciones de SharePoint para el contexto y gobernanza de PortView que

00:22:04.720 --> 00:22:09.300
sella todo el sistema nervioso. Este es tu desafío. Deja de implementar agentes de exhibición. Crea

00:22:09.300 --> 00:22:13.180
agentes que discutan entre sí hasta que se pongan de acuerdo sobre la verdad. Experimenta con la

00:22:13.180 --> 00:22:17.360
planificación de agentes múltiples. Prueba en nombre de la autenticación. Conecta Fabric y SharePoint

00:22:17.360 --> 00:22:21.060
hasta que tu inteligencia artificial pueda realmente defender sus respuestas. Porque la inteligencia sin

00:22:21.060 --> 00:22:24.600
acción no es inteligencia en absoluto. Si esta explicación te ha aclarado más de lo que lo

00:22:24.600 --> 00:22:28.280
ha hecho tu proveedor, suscríbete. El siguiente análisis profundo deconstruye el diseño de

00:22:28.280 --> 00:22:32.760
agentes múltiples dentro de la inteligencia artificial de Microsoft 365. Cómo hacer que

00:22:32.760 --> 00:22:36.660
tu copiloto no solo esté atento, sino que sea consciente dentro de la política. La eficiencia

00:22:36.660 --> 00:22:41.280
no es magia, es arquitectura. Bloquea tu ruta de actualización, suscríbete, habilita las alertas

00:22:41.280 --> 00:22:44.320
y deja que la nueva información se implemente automáticamente. Continúa.
