Latest / M365.FM – Podcast de Microsoft 365, Copilot e IA en español / Copilot vs. desarrollador en Power BI: ¿quién gana en modelado de datos, DAX y diseño de dashboards? (Doblaje IA)

Transcript

Copilot vs. desarrollador en Power BI: ¿quién gana en modelado de datos, DAX y diseño de dashboards? (Doblaje IA) · M365.FM – Podcast de Microsoft 365, Copilot e IA en español

• 0:00
  Speaker 2: Preparado para 10 días de Microsoft 365, Copilot y Azure
• 0:04
  Speaker 2: y las personas que están dando forma al futuro del
• 0:06
  Speaker 2: trabajo y este enero M365 con Regresa y lo hace
• 0:11
  Speaker 2: a lo grande, unas a nuestras sesiones en vivo. Demos
• 0:14
  Speaker 2: reales y conocimientos prácticos compartidos por MVP y expertos del
• 0:17
  Speaker 2: sector en todo el mundo. Sin diapositivas genéricas, sin palabras
• 0:20
  Speaker 2: de modo interminable. Estamos abordando los desafíos reales. Copilot Studio,
• 0:24
  Speaker 2: agentes de IA, Fabric, Seguridad, Gobernanza y Automatización. Ya seas
• 0:30
  Speaker 2: un profesional de TI, un desarrollador o un líder empresarial,
• 0:33
  Speaker 2: hay sesiones diseñadas para ti. Con 10 días completos, puedes
• 0:37
  Speaker 2: explorar múltiples tecnologías y conectar con una comunidad global. Míralo
• 0:41
  Speaker 2: en vivo y aplica conocimientos prácticos a tu organización. Enero
• 0:45
  Speaker 2: de 2027. 10 días. Una comunidad de Microsoft. La inscripción
• 0:50
  Speaker 2: ya está abierta. Ve a tu sitio hoy mismo. sm365com.net
• 1:01
  Speaker 2: Únete ahora en m365com.net y nos vemos en vivo en enero.
• 1:05
  Speaker 2: Si Microsoft Copilot puede crear un panel de Power BI
• 1:07
  Speaker 2: más rápido que un desarrollador capacitado,¿ qué significa eso para
• 1:10
  Speaker 2: el futuro de tu trabajo? En este video ponemos a
• 1:13
  Speaker 2: prueba esa pregunta exacta con una competencia directa entre la
• 1:15
  Speaker 2: AI y la experiencia humana. Un lado se basa en
• 1:18
  Speaker 2: años de experiencia y el otro en la automatización de
• 1:19
  Speaker 2: la máquina. La verdadera pregunta es¿ cuál ofrece valor que
• 1:22
  Speaker 2: realmente podrías usar en un entorno empresarial? El gran temor
• 1:26
  Speaker 2: es los desarrolladores son reemplazables. La gran pregunta que queda
• 1:29
  Speaker 2: en el aire es simple. Si Copilot puede crear paneles
• 1:32
  Speaker 2: completos con solo presionar un botón,¿ dónde deja eso las
• 1:34
  Speaker 2: personas que han sido capacitadas durante años para hacer el
• 1:36
  Speaker 2: mismo trabajo a mano? No es el tipo de cosas
• 1:39
  Speaker 2: que puedes ignorar con indiferencia. Para los desarrolladores que han
• 1:42
  Speaker 2: construido sus carreras en torno al dominio de Power BI
• 1:44
  Speaker 2: DAX y el moderado de datos, el ritmo al que
• 1:45
  Speaker 2: Microsoft está impulsando Copilot no solo es emocionante, sino también inquietante.
• 1:49
  Speaker 2: Y esa inquietud proviene de un lugar muy real. Las
• 1:51
  Speaker 2: herramientas dentro de Microsoft 365 han estado adoptando silenciosamente la
• 1:55
  Speaker 2: IA a una velocidad vertiginosa, y cada nueva versión parece
• 1:58
  Speaker 2: trasladar más trabajo del control manual a la automatización. Las
• 2:01
  Speaker 2: funciones que antes requerían habilidad o formación ahora dependen de
• 2:04
  Speaker 2: la generación de sugerencias directamente de una máquina. Si tu
• 2:07
  Speaker 2: sustento depende de esas habilidades, por supuesto que te preguntarás
• 2:09
  Speaker 2: si te están quitando el piso de debajo de los pies.
• 2:12
  Speaker 2: No ayuda que todos hayamos visto titulares en los que
• 2:14
  Speaker 2: los sistemas de IA superan a las personas en áreas
• 2:15
  Speaker 2: que creíamos intocables para la automatización. Máquinas que escriben código.
• 2:19
  Speaker 2: Modelos de lenguaje que ganan en exámenes profesionales. IA que
• 2:22
  Speaker 2: genera diseños realistas en segundos que antes requerían horas de
• 2:24
  Speaker 2: trabajo creativo. Esas historias construyen una narrativa poderosa. Los humanos tropiezan,
• 2:29
  Speaker 2: la IA crece. La pregunta que sigue surgiendo es si
• 2:31
  Speaker 2: somos los siguientes en la lista. Con Copilot integrado directamente
• 2:34
  Speaker 2: en el ecosistema de Microsoft, los trabajadores ni siquiera eligen competir.
• 2:37
  Speaker 2: Se inserta directamente en las herramientas que utilizan para sus trabajos.
• 2:40
  Speaker 2: Por tanto, la atención a mí. Si el software ya
• 2:42
  Speaker 2: está en tu panel, listo para producir resultados al instante,¿
• 2:44
  Speaker 2: cuánto tiempo pasará hasta que se considere lo suficientemente bueno
• 2:46
  Speaker 2: como para reemplazarte por completo? Pero Power BI no es
• 2:49
  Speaker 2: solo un patio de recreo de gráficos de rastro y resultado.
• 2:52
  Speaker 2: Bajo las superficies se trata de estructurar datos empresariales desordenados,
• 2:55
  Speaker 2: resolver conflictos en las definiciones y asegurarse de que los
• 2:57
  Speaker 2: números se relacionen con procesos del mundo real. Cualquiera que
• 3:00
  Speaker 2: haya tenido que depurar un modelo con varias tablas de
• 3:02
  Speaker 2: hechos sabe que existe un abismo entre el atractivo visual
• 3:05
  Speaker 2: y la fiabilidad analítica.¿ Ese contexto, ese juicio, no es
• 3:08
  Speaker 2: algo que un algoritmo logra de forma automática? Podemos pensar
• 3:11
  Speaker 2: un poco como las calculadoras que entraron en las aulas
• 3:13
  Speaker 2: de matemáticas hace décadas.¿ Eliminaron la necesidad de matemáticos?¿ Lo
• 3:16
  Speaker 2: que hicieron fue cambiar el terreno? De repente, la aritmética
• 3:20
  Speaker 2: fundamental tuvo menos peso profesional porque las máquinas la manejaban mejor.
• 3:24
  Speaker 2: Pero el razonamiento de orden superior y la lógica aplicada
• 3:26
  Speaker 2: cobraron importancia. Esa es la misma recalibración que los desarrolladores
• 3:29
  Speaker 2: temen que pase aquí. Lo que la investigación suele demostrar
• 3:32
  Speaker 2: es que la IA prospera cuando las reglas son explícitas
• 3:34
  Speaker 2: y la tarea es repetitiva. Darle una fórmula para optimizar
• 3:38
  Speaker 2: y lo hará sin fatigarse. Pero, matiz, la zona gris
• 3:41
  Speaker 2: donde la respuesta correcta depende de la cultura empresarial o
• 3:44
  Speaker 2: la estrategia local no es donde brillan las máquinas. Tomemos
• 3:47
  Speaker 2: algo tan práctico como que Copilot sugiera una nueva medida.
• 3:50
  Speaker 2: El modelo podría devolver una suma o un promedio que
• 3:52
  Speaker 2: parezca técnicamente correcto, pero un desarrollador experimentado sabe que necesita
• 3:55
  Speaker 2: un contexto de filtro o un ajuste para el significado empresarial.
• 3:58
  Speaker 2: Un colega compartió una vez ese momento exacto. Copilot generó
• 4:01
  Speaker 2: DAX en menos de tres segundos, pero aún así tuvieron
• 4:03
  Speaker 2: que pausar, probar y ajustar la medida porque la máquina
• 4:06
  Speaker 2: no podía entender lo que realmente significaban las ventas válidas
• 4:08
  Speaker 2: en la lógica empresarial. La IA era eficiente, pero la
• 4:12
  Speaker 2: eficiencia necesitaba supervisión. Entonces,¿ qué significa esto en la práctica?
• 4:16
  Speaker 2: Eso significa que no podemos tomar las suposiciones abstractas sobre
• 4:18
  Speaker 2: la IA y el empleo, literalmente. Necesitamos ver cómo se
• 4:22
  Speaker 2: desenvuelve cuando la TARA exige velocidad y comprensión. Queremos saber
• 4:26
  Speaker 2: si Copilot se derrumba cuando las tablas se complican o
• 4:28
  Speaker 2: si puede mantenerse firme frente al caos de las demandas
• 4:30
  Speaker 2: del mundo real. Y ahí es donde este experimento importa.
• 4:34
  Speaker 2: En lugar de dar vueltas alrededor del miedo, lo estamos
• 4:36
  Speaker 2: poniendo a trabajar directamente. De ahí a por un lado
• 4:38
  Speaker 2: la habilidad humana, por el otro el mismo desafío, la
• 4:40
  Speaker 2: misma entrada.¿ Demostrará Copilot que el modelado manual está obsoleto
• 4:44
  Speaker 2: o demostrará al desarrollador que la interpretación humana sigue siendo indispensable?
• 4:47
  Speaker 2: Este video es nuestra forma de sustituir la especulación por
• 4:49
  Speaker 2: la evidencia. Verás a Copilot probado bajo las mismas limitaciones
• 4:52
  Speaker 2: que un profesional, y los resultados confirmarán las sospechas o
• 4:55
  Speaker 2: las calmarán. Quizás el miedo a la sustitución sea exagerado,
• 4:58
  Speaker 2: o tal vez la preocupación esté justificada de maneras que
• 5:01
  Speaker 2: aún no hemos admitido. De cualquier manera, esta competición aportará claridad.
• 5:05
  Speaker 2: Y hablando de claridad, veamos la configuración del reto humano
• 5:07
  Speaker 2: contra Copilot. Podría un clic igualar años de práctica en
• 5:11
  Speaker 2: crear modelos de datos, escribir tags y diseñar visuales que
• 5:14
  Speaker 2: destaquen los puntos clave para quienes toman decisiones. Eso es
• 5:17
  Speaker 2: lo que vamos a poner en juego. La configuración es sencilla.
• 5:20
  Speaker 2: Dos participantes a un reto del mismo conjunto de datos.
• 5:22
  Speaker 2: Por un lado, un desarrollador que conoce los pormenores de
• 5:24
  Speaker 2: Power BI, que ha solucionado innumerables problemas de relaciones rotas
• 5:27
  Speaker 2: y medidas desalineadas en sistemas de producción. Por otro lado, Copilot.
• 5:32
  Speaker 2: En lugar de escribir fórmulas o arrastrar campos, escucha las
• 5:34
  Speaker 2: indicaciones y envía código y gráficos automáticamente. Es velocidad contra juicio,
• 5:38
  Speaker 2: automatización contra artesanía. Y la pregunta clave es,¿ qué método
• 5:42
  Speaker 2: funciona mejor cuando necesitas algo en lo que una empresa confiaría?
• 5:45
  Speaker 2: Para que esto sea algo más que teoría, hemos elegido
• 5:47
  Speaker 2: una tarea que se encuentra justo en el medio de
• 5:49
  Speaker 2: lo que la mayoría de los profesionales enfrentan cada día.
• 5:52
  Speaker 2: No es tan trivial para resolverlo con datos de demo
• 5:54
  Speaker 2: en segundos, pero no tan personalizado como para que ninguna
• 5:56
  Speaker 2: máquina lo intente. Ambas partes reciben un conjunto de datos
• 5:59
  Speaker 2: de ventas, con varias tablas, pedidos, clientes, productos y periodos.
• 6:03
  Speaker 2: La solicitud es lo suficientemente simple como para anunciarla, conectar
• 6:05
  Speaker 2: la fuente de datos, establecer relaciones, crear medidas para los
• 6:08
  Speaker 2: ingresos y los beneficios y una vista de beneficios y
• 6:09
  Speaker 2: monta de panel. Pero cualquiera que haya tocado Power BI
• 6:12
  Speaker 2: sabe que esta formulación esconde una serie de desafíos. Las
• 6:14
  Speaker 2: relaciones no siempre se alinean de forma clara. Los cálculos
• 6:17
  Speaker 2: de beneficios resultan ser más complejos de lo que parecen,
• 6:19
  Speaker 2: los gráficos lucen bien por defecto pero carecen de valor
• 6:21
  Speaker 2: sin contexto. El desarrollador lo abordará como lo hacen los
• 6:25
  Speaker 2: proyectos de los clientes. Paso 1. Comprobar la integridad de
• 6:28
  Speaker 2: las tablas de origen. Paso 2. Definir las relaciones deliberadamente
• 6:31
  Speaker 2: en lugar de asumir valores predeterminados. Paso 3. Diseñar medidas
• 6:34
  Speaker 2: que se ajusten a los requisitos empresariales en lugar de
• 6:36
  Speaker 2: aritmética pura. Es un trabajo constante y metódico. El enfoque
• 6:40
  Speaker 2: de Copilot parece que es extraño en comparación. Escribes una indicación,
• 6:42
  Speaker 2: como mostrar ventas por región de cliente o crear una
• 6:44
  Speaker 2: medida para el beneficio neto, y unos segundos después genera
• 6:47
  Speaker 2: un resultado. En teoría, una indicación puede ahorrar varios minutos
• 6:50
  Speaker 2: de esfuerzo manual, pero la velocidad por sí sola no
• 6:52
  Speaker 2: lo hace correcto. Si Copilot crea una relación basándose únicamente
• 6:56
  Speaker 2: en los nombres de las columnas, es posible que no
• 6:57
  Speaker 2: capture la lógica empresarial real. Una discrepancia de clave externa
• 7:01
  Speaker 2: que un humano detectaría rápidamente podría pasar silenciosamente a la
• 7:03
  Speaker 2: sugerencia de Copilot. Ahí es donde entra el juego lo importante.
• 7:06
  Speaker 2: No se trata solo de quién es más rápido, sino
• 7:08
  Speaker 2: de quién tiene razón. Un fallo de cálculo en una
• 7:10
  Speaker 2: demo de aprendizaje inofensivo. Un error de cálculo en la
• 7:12
  Speaker 2: revisión empresarial trimestral puede cambiar las decisiones con costes reales asociados.
• 7:15
  Speaker 2: Y sin embargo no se puede negar el atractivo de
• 7:18
  Speaker 2: pulsar un botón y obtener resultados al instante. Es como
• 7:20
  Speaker 2: ver a dos atletas compitiendo en la misma prueba, pero
• 7:23
  Speaker 2: uno de ellos tiene una máquina que la empuja detrás.
• 7:25
  Speaker 2: En el deporte la tecnología transforma la competición, zapatillas, trajes
• 7:28
  Speaker 2: de baño e incluso el análisis del rendimiento. Que el
• 7:31
  Speaker 2: paralelismo es el mismo. Copilot es la tecnología de ingeniería
• 7:34
  Speaker 2: que modifica el proceso en sí. Si bien el desarrollador
• 7:37
  Speaker 2: confía en su propia disciplina entrenada, la fascinación radica en
• 7:40
  Speaker 2: ver si la fortaleza de la ingeniería realmente supera a
• 7:42
  Speaker 2: la experiencia. Lo que hace que esta comparación sea especialmente
• 7:45
  Speaker 2: interesante es el ritmo inicial. Copales se pone en marcha rápidamente.
• 7:49
  Speaker 2: A los pocos segundos de elegir un conjunto de datos,
• 7:51
  Speaker 2: genera los primeros elementos visuales, arroja algunos campos calculados y
• 7:54
  Speaker 2: rellena un lienzo vacío con color. A simple vista parece
• 7:57
  Speaker 2: una ventaja que el humano nunca podría aprovechar. Pero la
• 8:00
  Speaker 2: velocidad puede ser engañosa. Sus primeros gráficos parecen ordenados pero
• 8:03
  Speaker 2: están desconectados de los KPIs reales. Quizá la cifra de
• 8:05
  Speaker 2: ingresos se extrae de forma incorrecta, o los filtros no
• 8:08
  Speaker 2: se alinean con las expectativas de los informes. El destello
• 8:10
  Speaker 2: inicial puede mascarar grietas profundas. Para el desarrollador, el lanzamiento
• 8:13
  Speaker 2: parece más lento porque están validando sobre la marcha. No
• 8:16
  Speaker 2: muestran fuegos artificiales inmediatos, pero sientan las bases que resisten
• 8:19
  Speaker 2: el escrutinio. Entonces,¿ qué mediremos exactamente para decidir el ganador?
• 8:24
  Speaker 2: Tres cosas. Velocidad, porque terminar más rápido tiene un valor
• 8:26
  Speaker 2: obvio cuando se ve sin amplazos. Precisión, porque los números
• 8:29
  Speaker 2: erróneos no solo son inútiles, sino peligrosos. Y calidad. Es decir,
• 8:31
  Speaker 2: cuán utilizable y comprensible le parece el panel final a
• 8:33
  Speaker 2: un gerente o responsable de la toma de decisiones. Esos
• 8:36
  Speaker 2: tres puntos nos dan un equilibrio justo entre potencia bruta
• 8:39
  Speaker 2: y diseño reflexivo. Como en un partido deportivo donde las
• 8:42
  Speaker 2: jugadas rápidas ganan puntos, pero la consistencia hace campeones, aquí
• 8:46
  Speaker 2: importan los momentos llamativos y la ejecución constante. Ese es
• 8:48
  Speaker 2: el escenario que hemos preparado. Dos jugadores, un conjunto de
• 8:51
  Speaker 2: datos compartido, una mezcla de mecánica, lógica y presentación. Con
• 8:54
  Speaker 2: el marco claro, es hora de dejar de especular y
• 8:56
  Speaker 2: empezar a observar. Veamos cómo Copilot supera el primer obstáculo importante,
• 9:00
  Speaker 2: pasar del conjunto de datos a la producción funcional, sin tropezar,
• 9:03
  Speaker 2: sin tropezar. Velocidad frente a precisión, llegan los primeros resultados.
• 9:07
  Speaker 2: Rápido no siempre significa correcto, y los primeros resultados lo
• 9:10
  Speaker 2: dejan claro. Copilot entra en acción directamente. A los pocos
• 9:13
  Speaker 2: segundos de recibir el conjunto de datos, ya ha generado
• 9:16
  Speaker 2: gráficos de barras, gráficos de líneas y un puñado de
• 9:18
  Speaker 2: medidas DAX que parecen sorprendentemente pulidas a primera vista. Para
• 9:22
  Speaker 2: alguien que lo ve en directo, la impresión inicial es
• 9:24
  Speaker 2: que está creando en cuestión de segundos, lo que normalmente
• 9:26
  Speaker 2: le lleva a un desarrollador humano una buena cantidad de
• 9:28
  Speaker 2: tiempo a organizar. Ese tipo de velocidad es impresionante, sin duda.
• 9:32
  Speaker 2: El desafío que estamos probando no es sólo si algo
• 9:33
  Speaker 2: aparece rápidamente en la pantalla. La verdadera prueba es si
• 9:37
  Speaker 2: esos resultados son realmente fiables cuando se someten a presión empresarial.¿
• 9:41
  Speaker 2: El desarrollador humano en comparación se siente casi lento? Se
• 9:44
  Speaker 2: toma el tiempo para explorar las tablas, rastrear relaciones y
• 9:46
  Speaker 2: verificar dos veces los tipos de datos antes incluso de
• 9:48
  Speaker 2: colocar un elemento visual. Al principio esto parece ineficiente, sobre
• 9:52
  Speaker 2: todo comparado con la productividad instantánea de Copilot. Pero esto
• 9:56
  Speaker 2: es lo importante, ese impulso más lento es deliberado. Cada
• 9:59
  Speaker 2: acción se basa en garantías. que los números no se
• 10:01
  Speaker 2: rompan más adelante con consultas o filtros complejos. Puede que
• 10:05
  Speaker 2: no parezca glamoroso, pero el trabajo de base garantiza que
• 10:07
  Speaker 2: lo que se está construyendo se apoye en algo sólido,
• 10:09
  Speaker 2: en lugar de una estructura que se derrumba en el
• 10:11
  Speaker 2: momento en que se ponen a prueba los supuestos. Y
• 10:13
  Speaker 2: aquí es donde vemos que empieza a aumentar la tensión.
• 10:15
  Speaker 2: Copilot tiene fácil con ese aspecto básico. Calcular los ingresos totales,
• 10:18
  Speaker 2: por ejemplo, no supone ningún problema. Reconoce el campo correcto,
• 10:21
  Speaker 2: lo suma y genera una medida de trabajo limpia. Para
• 10:25
  Speaker 2: principiantes o gerentes que solo quieren una vista de alto nivel,
• 10:27
  Speaker 2: eso ya es valioso. Pero en cuanto los requisitos superan
• 10:30
  Speaker 2: lo simple, las grietas se muestran. Tomamos por ejemplo el
• 10:32
  Speaker 2: margen de beneficio anual. Copilot crea una medida que parece
• 10:35
  Speaker 2: correcta en forma de fórmula, pero cuando se aplica a
• 10:37
  Speaker 2: los totales en realidad no reflejan la lógica empresarial prevista.
• 10:40
  Speaker 2: Los filtros atraviesan las tablas de forma inconsistente. Algunas categorías
• 10:43
  Speaker 2: se inflan, otras sin forma insuficiente. Primera vista sigue pareciendo
• 10:45
  Speaker 2: un gráfico de trabajo, pero si profundizamos un poco más
• 10:47
  Speaker 2: los resultados son engañosos. El desarrollador es más lento con
• 10:49
  Speaker 2: la misma solicitud. En lugar de crear una medida al instante,
• 10:52
  Speaker 2: verifican qué columnas definen el margen de beneficio. Ajustan los
• 10:55
  Speaker 2: descuentos de productos de forma explícita. Se aseguran de que
• 10:58
  Speaker 2: las funciones de inteligencia de tiempo hagan referencia a la
• 11:00
  Speaker 2: tabla de calendario adecuada. Estas pruebas adicionales implican que no
• 11:02
  Speaker 2: envían ningún elemento visual hasta que están seguros de que
• 11:04
  Speaker 2: refleja cómo mide realmente el margen de la empresa. El
• 11:06
  Speaker 2: proceso parece cauteloso porque lo es. Esa es la diferencia.
• 11:09
  Speaker 2: Copilot busca resultados inmediatos, mientras que el humano prioriza la
• 11:12
  Speaker 2: validación paso a paso, paso a paso. Si alguna vez
• 11:15
  Speaker 2: has intentado escribir tú mismo una expresión DAX más avanzada,
• 11:17
  Speaker 2: este escenario debería resultarte familiar. Al principio las cosas parecen sencillas,
• 11:21
  Speaker 2: pero pronto se vuelven puro prueba y error cuando entran
• 11:23
  Speaker 2: en juego los filtros, las relaciones y la lógica. Y
• 11:25
  Speaker 2: resulta que la IA lucha con las mismas trampas que
• 11:27
  Speaker 2: hacen tropezar a los estudiantes humanos. Aritmética básica, sin problema.
• 11:31
  Speaker 2: Si algo requiere cambios de contexto de filtro o agregaciones personalizadas,
• 11:33
  Speaker 2: de pronto se vuelve inestable. Ver a Copilot malinterpretar lo
• 11:37
  Speaker 2: que cuenta como ingresos de clientes activos es casi un
• 11:39
  Speaker 2: error del libro de texto. Uno que reconocerá si alguna
• 11:42
  Speaker 2: vez has depurado un cálculo mal aplicado. Esa diferencia es
• 11:45
  Speaker 2: importante porque si bien la creación rápida de prototipos tiene
• 11:47
  Speaker 2: un valor real, los entornos de producción exigen fiabilidad. Los
• 11:50
  Speaker 2: gerentes no solo quieren números que aparezcan rápidamente, sino que
• 11:52
  Speaker 2: quieren números que puedan defender en una reunión, números que
• 11:54
  Speaker 2: puedan confiar para tomar una decisión sin cuestionar las matemáticas subyacentes.
• 11:59
  Speaker 2: El liderazgo de Copilot en la preparación de borradores sería
• 12:01
  Speaker 2: fantástico para la lluvia de ideas o la exploración inicial.
• 12:04
  Speaker 2: Pero en producción, el riesgo de que pequeños desajustes se
• 12:06
  Speaker 2: conviertan en errores importantes en los informes se convierte en
• 12:08
  Speaker 2: un factor limitante. La compensación es obvia en la pantalla.
• 12:11
  Speaker 2: La velocidad da prestigio inicial, pero la precisión asegura el
• 12:14
  Speaker 2: valor a largo plazo. Todos los espectadores pueden ver que
• 12:17
  Speaker 2: Copilot gana cómodamente esta primera ronda en velocidad. Es difícil
• 12:20
  Speaker 2: discutir con imágenes instantáneas y mediciones generadas automáticamente que técnicamente
• 12:24
  Speaker 2: se ejecutan sin esfuerzo. Pero lado a lado surgen dudas.
• 12:27
  Speaker 2: Si todos los gráficos necesitan una doble verificación, de todos modos,¿
• 12:29
  Speaker 2: cuánto tiempo se ahorrarán? Por ahora Copilot ha cruzado la
• 12:32
  Speaker 2: primera línea de meta más rápido, pero da la impresión
• 12:34
  Speaker 2: de un atleta que espinta pronto, pero no parece lo
• 12:36
  Speaker 2: suficientemente estable como para ganar toda la carrera. Y la
• 12:39
  Speaker 2: verdadera prueba aún no ha llegado. Crear visualizaciones rápidas es
• 12:43
  Speaker 2: una cosa, pero cuando se trata de conectar tablas, gestionar
• 12:45
  Speaker 2: múltiples relaciones y preservar un contexto de filtro preciso, la
• 12:48
  Speaker 2: presión aumenta. Ahí es donde la velocidad a nivel superficial
• 12:51
  Speaker 2: no importa tanto como la adaptabilidad a la complejidad del negocio,
• 12:54
  Speaker 2: lo que plantea la siguiente pregunta crítica. Una vez que
• 12:56
  Speaker 2: lleguemos al modelado de datos relacionales, la automatización empezará a
• 12:59
  Speaker 2: mostrar sus límites o podrá Copilot mantener su impulso. El
• 13:03
  Speaker 2: punto de ruptura del modelado de datos complejos. Las demostraciones
• 13:06
  Speaker 2: son fáciles. La verdadera prueba llega cuando los datos dejan
• 13:08
  Speaker 2: de ser ordenados y empiezan a comportarse como el mundo real.
• 13:11
  Speaker 2: En esta ronda, el desafío y el enfoque cambian al
• 13:13
  Speaker 2: modelado complejo. En lugar de trabajar con una tabla ordenada
• 13:16
  Speaker 2: de transacciones, tanto Copilot como nuestro desarrollador lidian con un
• 13:19
  Speaker 2: conjunto de datos múltiple. Hay registros de clientes, jerarquías de productos,
• 13:23
  Speaker 2: pedidos de ventas, tablas de descuentos, devoluciones y una tabla
• 13:26
  Speaker 2: de calendario independiente para la inteligencia temporal. Cualquiera que haya
• 13:29
  Speaker 2: creado un modelo de Power BI no trivial sabe que
• 13:31
  Speaker 2: aquí es donde las cosas suelen fallar. Un gráfico llamativo
• 13:35
  Speaker 2: no significa mucho menos que la base, las relaciones y
• 13:37
  Speaker 2: los campos calculados puedan hacer frente a la lógica empresarial real.
• 13:41
  Speaker 2: El enfoque de Copilot aquí es automatizar. Observa los nombres
• 13:43
  Speaker 2: de las columnas, busca claves similares y propone relaciones como
• 13:46
  Speaker 2: si fueran coincidencias obvias, obvias. A primera vista eso suena útil,
• 13:50
  Speaker 2: pero la realidad es que los datos empresariales rara vez
• 13:52
  Speaker 2: se asignan bien solo por su columna. Por ejemplo, Copilot
• 13:54
  Speaker 2: detecta el ID del cliente en dos tablas y crea
• 13:57
  Speaker 2: una combinación. Técnicamente funciona, pero una vez que el modelo
• 14:00
  Speaker 2: se prueba con clientes activos frente a clientes que han
• 14:03
  Speaker 2: abandonado la tabla, la combinación infla los totales porque ignora
• 14:05
  Speaker 2: los campos de estado que deberían haberse tenido en cuenta.
• 14:08
  Speaker 2: Produce un resultado, pero no el resultado correcto. Y el
• 14:10
  Speaker 2: problema real es que el resultado parece correcto hasta que
• 14:12
  Speaker 2: investigas por qué los números no terminan de encajar bien.
• 14:15
  Speaker 2: Por el contrario, el desarrollador no asume que el ID
• 14:17
  Speaker 2: del cliente siempre debe vincularse directamente. Se detienen y comprueban
• 14:20
  Speaker 2: cómo define la empresa el cliente activo en el conjunto
• 14:22
  Speaker 2: de datos. Ese conocimiento cambia la forma en que modelan
• 14:25
  Speaker 2: la relación. En lugar de permitir que cada cliente se
• 14:27
  Speaker 2: vincule de nuevo, introducen filtros para que solo los clientes
• 14:30
  Speaker 2: activos cuenten para la medida. Lleva más tiempo, pero ahora
• 14:33
  Speaker 2: los totales se alinean con las expectativas. Esta diferencia ilustra
• 14:36
  Speaker 2: el principal desafío al que se enfrenta Copaer. Las máquinas
• 14:39
  Speaker 2: pueden adivinar las uniones, pero no pueden aplicar fácilmente los
• 14:41
  Speaker 2: matices de las reglas organizativas que no están escritas pistamente
• 14:43
  Speaker 2: en el esquema. Otro ejemplo se desarrolla con el cálculo
• 14:46
  Speaker 2: de beneficios en varias tablas de hechos. Copilot genera una
• 14:49
  Speaker 2: relación automatizada entre la tabla de descuentos, pero de forma
• 14:52
  Speaker 2: predeterminada se establece una unión de varios a varios porque
• 14:55
  Speaker 2: ambas tablas incluyen claves superpuestas. Quien haya trabajado con relaciones
• 14:58
  Speaker 2: de varios a varios en Power BI sabe que esto
• 15:00
  Speaker 2: puede causar agregaciones infladas si los filtros no se aplican bien.
• 15:03
  Speaker 2: Copilot no marca ninguna advertencia. El gráfico que crea parece impecable.
• 15:07
  Speaker 2: pero al compararlo con la versión del desarrollador, los márgenes
• 15:09
  Speaker 2: de beneficio se disparan de forma poco realista. Desde una
• 15:11
  Speaker 2: perspectiva empresarial, estas cifras infladas podrían inducir error a la dirección,
• 15:15
  Speaker 2: haciéndole creer que el rendimiento es mucho mejor de lo
• 15:16
  Speaker 2: que es en realidad. El desarrollador detecta el problema rápidamente.
• 15:19
  Speaker 2: Reestructura el modelo, normalizando los datos de descuento y separándolos
• 15:23
  Speaker 2: en una tabla puente. Ese movimiento convierte la relación de
• 15:27
  Speaker 2: uno a muchos, lo que permite una agregación precisa que
• 15:29
  Speaker 2: representa adecuadamente las condiciones del negocio. Este momento pone de
• 15:32
  Speaker 2: manifiesto por qué el contexto de esto. Para Copilot, una unión, ¿no?
• 15:35
  Speaker 2: Para un desarrollador de BI, una unión es una decisión
• 15:37
  Speaker 2: con un impacto directo en cómo la dirección ve el
• 15:39
  Speaker 2: rendimiento de la empresa. Esa diferencia es el punto de
• 15:41
  Speaker 2: inflexión que empezamos a notar al pasar de tareas sencillas
• 15:44
  Speaker 2: a un modelado significativo. También está la cuestión de los
• 15:46
  Speaker 2: campos calculados. Copilot puede redactar expresiones DAX, pero cuando necesitan
• 15:50
  Speaker 2: inteligencia temporal las cosas se complican. Por ejemplo, propone una
• 15:53
  Speaker 2: medida interanual mediante una función integrada, pero le aplica la
• 15:56
  Speaker 2: fecha de la transacción en la tabla de pedidos en
• 15:58
  Speaker 2: lugar de la tabla de calendario específica. El resultado muestra
• 16:02
  Speaker 2: cifras que parecen plausibles pero que varían ligeramente debido a
• 16:04
  Speaker 2: la falta de periodos. En escenarios reales, errores sutiles como
• 16:08
  Speaker 2: ese suelen pasar desapercibidos hasta que una revisión trimestral revela discrepancias.
• 16:12
  Speaker 2: El desarrollador, por supuesto, lo sabe mejor. Valida que los
• 16:14
  Speaker 2: cálculos utilicen la tabla de calendario adecuada y se alineen
• 16:16
  Speaker 2: con la lógica del año fiscal. No se trata solo
• 16:19
  Speaker 2: de escribir una fórmula, se trata de saber qué referencia
• 16:21
  Speaker 2: produce los resultados de los que depende el liderazgo. Observar
• 16:24
  Speaker 2: ambos en paralelo es revelador. Copilot produce resultados llamativos a
• 16:27
  Speaker 2: un ritmo récord, pero su confianza oculta errores fundamentales. El
• 16:31
  Speaker 2: desarrollador puede parecer más lento, pero la precisión de su
• 16:33
  Speaker 2: modelo elimina el riesgo de informes engañosos. Subraya una verdad simple.
• 16:37
  Speaker 2: La IA lee patrones, pero no entiende el significado a
• 16:39
  Speaker 2: menos que las reglas ya se hayan introducido de forma explícita.
• 16:42
  Speaker 2: La lógica empresarial suele residir fuera del conjunto de datos
• 16:45
  Speaker 2: en conversaciones políticas y contextos que Copilot no puede inferir.
• 16:48
  Speaker 2: Ahí es donde la experiencia humana sigue teniendo ventaja. El
• 16:51
  Speaker 2: flujo de trabajo automatizado parece fluido hasta que las reglas
• 16:53
  Speaker 2: cambian o surgen vihuedad. Y se ven las grietas. El
• 16:56
  Speaker 2: modelado complejo no trata de la rapidez de renderizado, sino
• 16:59
  Speaker 2: de asegurar que la lógica detrás de ese gráfico resista
• 17:01
  Speaker 2: cualquier escrutinio. En esta ronda, el desarrollador demuestra exactamente eso. Copilot, tropieza,
• 17:07
  Speaker 2: el humano corrige. Y el modelo final refleja el negocio
• 17:09
  Speaker 2: con mayor precisión. Ahora que se han establecido los cimientos,
• 17:12
  Speaker 2: el enfoque cambia. Tras crear los modelos y probar los cálculos,
• 17:15
  Speaker 2: el foco pasa a la etapa final, convertir todo esto
• 17:17
  Speaker 2: en paneles de control que los responsables puedan realmente usar.
• 17:20
  Speaker 2: El tablero final, la calidad y la facilidad de uso.
• 17:23
  Speaker 2: No se trata solo de si los números cuadran. Un
• 17:25
  Speaker 2: dashboard funcional debe hacer más que mostrar data. Debe hablar
• 17:27
  Speaker 2: directamente a las personas que lo utilizan. En esta etapa,
• 17:30
  Speaker 2: la cuestión pasa a ser menos sobre los cálculos totales
• 17:32
  Speaker 2: y más sobre la facilidad de uso. Puedes tener el
• 17:35
  Speaker 2: más preciso del mundo, pero si los líderes no pueden
• 17:37
  Speaker 2: ver rápidamente lo que importa, el valor disminuye. Ahí es
• 17:40
  Speaker 2: donde empezamos a notar una brecha muy diferente entre Copilot
• 17:42
  Speaker 2: y el desarrollador. Copilot vuelve a tomar la delantera con
• 17:45
  Speaker 2: gran rapidez. En cuestión de minutos, el lienzo se llena
• 17:47
  Speaker 2: de gráficos, segmentaciones y diseños generados automáticamente. Cubre aspectos básicos,
• 17:51
  Speaker 2: ventas por región, ingresos por tiempo y desgloses de categorías
• 17:54
  Speaker 2: de productos. Es indiscutiblemente más rápido que crear cada elemento
• 17:57
  Speaker 2: visual a mano. La automatización impresiona porque los paneles de
• 18:00
  Speaker 2: control que tardarían una tarde aparecen casi al instante. Pero
• 18:03
  Speaker 2: una vez que observa los resultados más de cerca, la
• 18:04
  Speaker 2: emoción se desvanece. Los elementos visuales se alinean, pero aparecen genéricos,
• 18:08
  Speaker 2: casi como plantilla. No hay una priorización real. Los ingresos
• 18:11
  Speaker 2: aparecen con el mismo peso que las métricas menos críticas,
• 18:14
  Speaker 2: y se aprecian lagunas en la narración. Un gerente que
• 18:16
  Speaker 2: examina el panel obtendría información, pero no una narrativa. Esa
• 18:20
  Speaker 2: narrativa es exactamente lo que enfatiza al desarrollador humano. En
• 18:23
  Speaker 2: lugar de dejar que Power BI ponga gráficos en marcadores,
• 18:25
  Speaker 2: el desarrollador pregunta¿ qué es lo primero que necesita ver
• 18:28
  Speaker 2: un directivo? Tendencia de beneficios arriba, abandonar clientes antes del
• 18:31
  Speaker 2: detalle regional. El contexto se refleja al ordenar, dimensionar y
• 18:34
  Speaker 2: etiquetar los elementos visuales. Los títulos usan un lenguaje empresarial
• 18:37
  Speaker 2: claro en lugar de nombres técnicos de base de datos.
• 18:39
  Speaker 2: El producto final es más conocido de gráfico. Es una historia.
• 18:42
  Speaker 2: Guía al usuario de lo general a lo específico de
• 18:44
  Speaker 2: una manera coherente. Se puede ver que el tiempo y
• 18:47
  Speaker 2: el razonamiento dan forma al panel en lugar de solo
• 18:49
  Speaker 2: la velocidad. Aquí es donde el contraste realmente se aguda.
• 18:51
  Speaker 2: Copilot puede generar mucho contenido muy rápidamente, pero la cantidad
• 18:54
  Speaker 2: no es calidad, especialmente en el análisis. Por ejemplo, en
• 18:57
  Speaker 2: su primera versión, Copilot muestra los importes totales de los
• 19:00
  Speaker 2: descuentos en un gráfico independiente y llamativo. Sobre el papel
• 19:02
  Speaker 2: es una métrica válida. En contexto no significa mucho si
• 19:05
  Speaker 2: no se vincula a los márgenes. A la dirección no
• 19:08
  Speaker 2: importa cuántos descuentos se aplicaron en la suma bruta. Les
• 19:10
  Speaker 2: importa si esos descuentos repercutieron en la rentabilidad o aumentaron
• 19:13
  Speaker 2: el volumen de ventas de forma adecuada. Ese vínculo es
• 19:16
  Speaker 2: algo que la IA no suele detectar porque requiere razonar
• 19:19
  Speaker 2: sobre cómo una métrica influye en otra. Sin embargo, el
• 19:22
  Speaker 2: desarrollador modela esa comparación directamente aplicando descuentos al beneficio bruto
• 19:25
  Speaker 2: y neto a lo largo del tiempo. La historia se
• 19:27
  Speaker 2: vuelve más clara al instante porque explica en lugar de
• 19:29
  Speaker 2: limitarse a mostrar. Las investigaciones sobre visualización y diseño de
• 19:32
  Speaker 2: inteligencia empresarial señalan repetidamente que los mejores paneles de control
• 19:35
  Speaker 2: no son los que tienen más elementos, sino los que
• 19:37
  Speaker 2: tienen más elementos y una comunicación más sólida. Las mejores
• 19:39
  Speaker 2: prácticas sugieren evitar el desorden gráfico, destacar comparaciones y presentar
• 19:43
  Speaker 2: los KPI de forma alineada con los objetivos organizacionales. Copilot
• 19:47
  Speaker 2: puede imitar estas prácticas cuando se basan en reglas como
• 19:49
  Speaker 2: alinear números para facilitar la lectura o sugerir un gráfico
• 19:52
  Speaker 2: de barras en lugar de un gráfico circular cuando las
• 19:54
  Speaker 2: categorías superan un recuento determinado. Sin embargo, al codificar prácticas
• 19:57
  Speaker 2: recomendadas útiles, el arte de elegir lo que más importa
• 19:59
  Speaker 2: sigue estando fuera de su alcance. Esto requiere familiaridad tanto
• 20:01
  Speaker 2: con los datos como con la cuestión empresarial. La diferencia
• 20:04
  Speaker 2: práctica se aprecia en cómo los paneles de control perciben
• 20:06
  Speaker 2: los distintos públicos. El resultado de Copilot parece un borrador
• 20:09
  Speaker 2: pulido que podría ser útil para la exploración interna o
• 20:11
  Speaker 2: las sesiones iniciales de lluvia de ideas. Un equipo podría tomarlo,
• 20:14
  Speaker 2: modificarlo y avanzar hacia algo mejor. Pero pregúntese,¿ entraría en
• 20:17
  Speaker 2: una sala de juntas y lo presentaría sin cambios? Probablemente no.
• 20:21
  Speaker 2: En comparación, el panel de control del desarrollador tarda más
• 20:23
  Speaker 2: en emerger pero parece estar listo para la revisión ejecutiva
• 20:25
  Speaker 2: de inmediato. Tiene estructura. Comunica la intención. La elección podría
• 20:28
  Speaker 2: ver los gráficos principales y entender las tendencias críticas en
• 20:31
  Speaker 2: pocos segundos. Lo que vemos entonces es una división al útil.
• 20:34
  Speaker 2: Copilot es explícito.