Calibración de Preguntas y Respuestas: mejora las respuestas de Tableau Next Concierge

La analítica conversacional promete algo muy atractivo: que cualquier persona pueda preguntar a sus datos en lenguaje natural y recibir una respuesta confiable. Pero esa promesa solo se cumple si el agente entiende tu negocio. ¿Qué pasa cuando preguntas por las regiones “más relevantes” y el agente no sabe si te refieres a las de mayor ingreso, más clientes o mayor crecimiento? Ahí entra en juego la Calibración de Preguntas y Respuestas (PyR) de Tableau Next, una función que pone la validación y el ajuste fino del agente Concierge en manos de tus expertos en datos.

En este artículo descubrirás por qué la calibración de PyR es clave para obtener respuestas precisas y consistentes, y aprenderás paso a paso cómo probar, clasificar y calibrar las preguntas de tu modelo semántico para que Concierge responda como lo haría tu mejor analista.

¿Qué es la calibración de Preguntas y Respuestas?

La calibración de PyR es una herramienta de Tableau Next que permite crear, gestionar y probar preguntas contra tu modelo semántico para evaluar la calidad de las respuestas del agente. Cuando una respuesta es correcta, la marcas como verificada y se guarda como referencia; cuando es imprecisa, la diagnosticas y aplicas calibraciones que corrigen el comportamiento del agente. Así, Concierge —la habilidad de analítica de Agentforce en Tableau Next— aprende a responder de forma coherente a preguntas similares de tus usuarios de negocio.

¿Cuáles son los beneficios de calibrar las Preguntas y Respuestas?

Dedicar tiempo a calibrar tu agente no es un lujo: es lo que separa un asistente que “a veces acierta” de uno en el que tu organización puede confiar. Estos son los beneficios más relevantes:

• Respuestas más precisas y confiables: al validar preguntas reales contra el modelo semántico, reduces las interpretaciones erróneas y aumentas la exactitud de los resultados.
• Consistencia en toda la organización: una pregunta verificada se convierte en referencia, de modo que distintas formas de preguntar lo mismo obtienen la misma respuesta correcta.
• El conocimiento del negocio queda capturado: defines qué significan tus términos (“relevante”, “activo”, “en riesgo”) para que el agente hable el idioma de tu empresa, no uno genérico.
• Control en manos de los expertos en datos: son tus analistas y SMEs quienes deciden qué es una buena respuesta, en lugar de dejarlo todo a la interpretación del modelo.
• Calidad sostenible en el tiempo: a medida que tus datos y modelos evolucionan, puedes volver a probar las preguntas y mantener la precisión sin sorpresas.
• Más confianza, más adopción: cuando los usuarios comprueban que el agente responde bien, lo usan más, y la analítica conversacional cumple por fin su promesa.

Requisitos previos

Antes de empezar a calibrar, asegúrate de cumplir estas condiciones:

• Agentforce for Analytics y el agente Concierge habilitados en tu organización de Tableau Next.
• Los conjuntos de permisos adecuados: Tableau Next Administrator, Tableau Next Platform Analyst o Tableau Next Analyst.
• Permiso de edición sobre el modelo semántico que vas a calibrar.
• Ten presente el límite: puedes guardar hasta 100 preguntas verificadas por modelo semántico, así que prioriza las más representativas.

¿Cómo usar la calibración de PyR paso a paso?

El flujo es sencillo y muy visual. Sigue estos pasos para probar y mejorar las respuestas de tu agente:

• En el menú lateral de Tableau Next, abre Calibración de PyR y selecciona el agente que quieres validar (por ejemplo, Analytics and Visualization).

• Haz clic en Agregar pregunta, elige el modelo semántico y escribe la pregunta en lenguaje natural que quieras probar. Pulsa Agregar.

• Abre la pregunta para ver la previsualización de PyR: la consulta semántica generada y la respuesta del agente.
• En el panel Clasificación, indica cómo clasificarías la respuesta:
  • Verificado: la respuesta es correcta. Se guardará como referencia verificada para orientar respuestas futuras.
  • Impreciso: la respuesta es incorrecta. Usarás este ejemplo para diagnosticar el problema y calibrar el modelo semántico.

• Si la marcas como Impreciso, elige el motivo, escribe el término no reconocido y proporciona su definición (como texto o como fórmula). Luego pulsa Guardar y sugerir calibraciones.
• Revisa el panel Sugerencia de calibración: Tableau Next analiza la causa raíz y propone, por ejemplo, definir el término con una Preferencia de negocio para una interpretación coherente en todas las consultas. Pulsa Calibrar.

• Tras calibrar, usa Volver a probar para hacer de nuevo la pregunta y comprobar que la respuesta ahora es correcta. Cuando lo sea, márcala como Verificado.
• Gestiona todo desde el banco de preguntas: revisa el total y su estado (verificado, nuevo, impreciso), busca, filtra por modelo o clasificación, y mantén tu repositorio al día.

Motivos por los que una respuesta puede ser imprecisa

Cuando clasificas una respuesta como Impreciso, Tableau Next te pide identificar la causa. Conocer estos motivos te ayuda a calibrar más rápido:

• Término no reconocido utilizado en la pregunta: uno o varios términos no se han podido asignar a un campo, medición o entidad conocidos. La solución suele ser definir ese término (por ejemplo, con una preferencia de negocio).
• Cálculo no admitido: el cálculo solicitado no se puede realizar con los datos disponibles o con la lógica admitida. Aquí conviene revisar el modelo semántico o reformular la métrica.
• Campos incorrectos o faltantes: el agente usó campos que no correspondían o necesitaba campos adicionales para responder bien.

Buenas prácticas

Para sacar el máximo partido a la calibración de PyR, ten en cuenta estas recomendaciones:

• Empieza por las preguntas más frecuentes: calibra primero lo que tus usuarios realmente preguntan; es donde más impacto tendrás con el límite de 100 preguntas verificadas.
• Define bien tus términos de negocio: un glosario claro (“relevante”, “en riesgo”, “activo”) evita ambigüedades y mejora todas las respuestas a la vez.
• Prueba variaciones de la misma pregunta: asegúrate de que el agente responde igual aunque cambie la redacción.
• Vuelve a probar tras cada cambio del modelo: cuando el modelo semántico evolucione, revalida tus preguntas verificadas para no perder precisión.
• Trabaja en equipo con los expertos del negocio: quien conoce el significado real de los datos es quien mejor decide si una respuesta es correcta.

Conclusión

La calibración de Preguntas y Respuestas es la pieza que convierte a Concierge en un agente realmente confiable: en lugar de esperar que la IA adivine lo que tu negocio quiere decir, le enseñas activamente cuál es la respuesta correcta y por qué. Con un flujo claro —probar, clasificar, calibrar y volver a probar— y el conocimiento de tus expertos en datos, tus usuarios obtendrán respuestas precisas y consistentes en lenguaje natural. El resultado es analítica conversacional en la que de verdad se puede confiar.

Adaptado de: https://help.salesforce.com/s/articleView?id=analytics.tua_data_sdm_qa_calibration.htm&type=5