El 11 de junio de 2026 Microsoft actualizó su documentación con Power BI Agentic: un conjunto de skills y herramientas para mejorar el desarrollo de Power BI con agentes de código como GitHub Copilot. No es un botón dentro de Power BI ni una licencia mágica. Es un paquete que se instala en el agente para que pueda seguir buenas prácticas, inspeccionar esquemas, ejecutar DAX, editar modelos semánticos, trabajar con definiciones PBIR y validar resultados.

La tesis es incómoda: el analista que limite la IA a redactar fórmulas va a competir en cámara lenta. Pero la empresa que deje al agente publicar sin control humano va a producir errores a velocidad industrial.

Qué cambió: skills para decidir y herramientas para actuar

Microsoft separa el enfoque en dos piezas. Las agent skills son instrucciones, recursos y flujos que el agente carga cuando los necesita. Cubren diseño de esquema estrella, DAX, estructura de proyectos PBIP, preparación del modelo para IA y creación de reportes PBIR. Las herramientas, entre ellas servidores MCP y puentes de línea de comandos, permiten que el agente inspeccione, ejecute y modifique.

La diferencia importa porque un modelo generativo sin contexto puede sugerir código, pero no conoce por sí solo la arquitectura aprobada, las reglas de negocio ni el proceso de validación. La skill aporta método; MCP aporta acceso controlado; el profesional aporta intención, límites y aprobación.

El archivo PBIX cerrado deja de ser el centro del universo

Power BI Project (PBIP) guarda reportes y modelos semánticos como carpetas y archivos de texto. Eso abre una forma de trabajo más cercana al desarrollo de software: control de versiones, comparación de cambios, ramas, revisión por pares y automatización. Power BI Agentic aprovecha esa estructura para que un agente pueda trabajar sobre definiciones que son inspeccionables.

Para una empresa colombiana, esto significa que el conocimiento de un dashboard puede dejar de vivir únicamente en el computador de quien lo creó. Las medidas, relaciones, páginas y configuraciones se vuelven artefactos gobernables. El beneficio real no es “usar Git”; es poder explicar qué cambió, quién lo aprobó y cómo volver atrás.

MCP convierte el lenguaje natural en trabajo verificable

El servidor MCP de modelado de Power BI permite que el agente se comunique con Power BI Desktop o con espacios de trabajo de Fabric. Según Microsoft, puede inspeccionar esquemas, ejecutar DAX y editar modelos semánticos. El puente de Power BI Desktop facilita acciones sobre una instancia activa, como recargar un modelo o capturar evidencia visual.

La promesa no debería interpretarse como “pida un dashboard y váyase a almorzar”. Un agente puede construir mucho, pero necesita una definición clara de métricas, datos de prueba, permisos mínimos y criterios de aceptación. Sin eso, solo automatizamos la ambigüedad.

Lo que una empresa sí puede acelerar

• Modelado repetitivo: estructura inicial, relaciones, medidas base y documentación.
• Calidad: validación de definiciones PBIR, convenciones y errores comunes.
• Exploración: consultas DAX para contrastar resultados y detectar anomalías.
• Diseño: borradores de páginas y visuales alineados con un brief.
• Despliegue: preparación y administración de artefactos en Fabric.
• Documentación: descripciones de medidas, supuestos y decisiones técnicas.

Estas tareas consumen horas, pero no justifican delegar la responsabilidad del indicador. El agente puede construir una medida de margen; finanzas debe confirmar qué costos, devoluciones, impuestos y fechas entran en el cálculo.

La nueva brecha no es técnica: es de especificación

Cuando crear se vuelve más barato, definir bien se vuelve más valioso. Dos empresas pueden usar el mismo agente y obtener resultados opuestos. Una entrega un diccionario de métricas, un modelo de permisos, ejemplos esperados y pruebas de reconciliación. La otra escribe “hazme un dashboard gerencial”.

Power BI Agentic favorece a la primera porque convierte buenas especificaciones en ejecución rápida. La segunda recibirá un reporte plausible, probablemente vistoso y peligrosamente difícil de auditar. La ventaja competitiva no será tener acceso al agente; será saber convertir decisiones de negocio en requisitos comprobables.

Un piloto responsable para Colombia

1. Elegir un modelo no crítico, con datos conocidos y dueño funcional disponible.
2. Pasarlo a PBIP y control de versiones antes de automatizar cambios.
3. Definir métricas, seguridad, fuentes y resultados esperados.
4. Dar al agente acceso mínimo y trabajar inicialmente en una rama separada.
5. Ejecutar pruebas DAX y reconciliar totales contra la fuente.
6. Revisar visualmente el reporte y registrar evidencia.
7. Publicar solo después de aprobación humana y monitorear consumo.

Este piloto permite medir productividad sin convertir producción en laboratorio. También revela si el verdadero cuello de botella estaba en Power BI o en la falta de acuerdos sobre los datos.

El analista no desaparece: cambia de nivel

El trabajo valioso se desplaza desde repetir fórmulas hacia diseñar modelos, formular preguntas, establecer controles y explicar decisiones. Quien conozca DAX, gobierno y negocio podrá dirigir al agente y detectar respuestas técnicamente correctas pero falsas para la empresa.

Competir en cámara lenta no significa trabajar sin IA; significa usarla solo como chat mientras otros equipos la integran a proyectos versionados y ciclos de validación. La salida es preparar el terreno para automatizar con trazabilidad.