VK presenta DataCopilot — sistema multiagente para datos corporativos y documentación

VK mostró DataCopilot — un sistema multiagente para datos corporativos y documentación

VK presentó DataCopilot — un asistente IA interno para trabajar con un repositorio de datos corporativo y documentación especializada. El proyecto creció no de una moda alrededor de LLMs, sino del análisis de solicitudes reales de analistas, gerentes e ingenieros que gastan tiempo todos los días en preguntas repetitivas.

Por dónde empezaron

El equipo no comenzó eligiendo un modelo o diseñando otro esquema RAG. Primero, VK miró la rutina alrededor de Data Office y la plataforma de datos: qué preguntas llegan al soporte, qué preguntan más los empleados en chats, dónde pierden tiempo las personas buscando el dashboard correcto, descripción de campo o proceso de aprobación. Esa auditoría proporcionó una lista clara de tareas que podrían automatizarse sin reconstruir todo el DWH y sin intentar crear "inteligencia universal" para todos los casos a la vez.

De esa lista, formaron la imagen del futuro asistente. Debería entender el catálogo de dashboards, explicar qué y dónde se almacena, proporcionar pistas sobre documentación corporativa, ayudar con accesos y generar plantillas funcionales para ETL. Es decir, no un chatbot "por el bien del chat", sino una interfaz a los datos y conocimiento interno de la empresa.

Para analistas y gerentes, esto ahorra tiempo; para ingenieros, reduce el flujo de solicitudes idénticas.

Por qué no RAG

Para algunas solicitudes, el RAG clásico realmente funciona: un usuario hace una pregunta, el sistema encuentra documentos relevantes y arma una respuesta basada en ellos. Pero en un entorno corporativo, esto rápidamente se vuelve insuficiente. Una pregunta puede requerir pasar por el catálogo de dashboards, descripciones de tablas específicas, instrucciones de acceso y una plantilla de script.

Si todo esto se entrega a una sola cadena sin especialización, la calidad de la respuesta comienza a fluctuar, y el contexto extra solo estorba. Por eso VK apuesta por una arquitectura multiagente — esencialmente, por un enjambre de asistentes especializados. Un agente puede ser responsable de buscar e interpretar documentación, otro de navegar el repositorio, un tercero de generar código, un cuarto de escenarios de provisión de acceso.

Sobre ellos hay un coordinador que entiende el tipo de solicitud, elige la ruta y arma la respuesta final. Este enfoque se alinea mejor con la estructura real de los datos corporativos, donde fuentes, reglas y acciones difieren significativamente entre sí.

Qué puede hacer el sistema

Según la descripción del proyecto, DataCopilot se construye como una herramienta de trabajo práctica, no como una demostración de capacidades del modelo. Cubre los puntos donde un empleado normalmente tiene que cambiar entre chats de soporte, el catálogo de datos, instrucciones internas y sus propios borradores. Como resultado, el usuario obtiene o una respuesta corta con el contexto necesario o un artefacto semi-preparado que puede adaptarse rápidamente a la tarea.

• Ayuda a encontrar el dashboard correcto y entender qué datos contiene
• Explica exactamente dónde se almacena la información y cómo se relaciona con otras entidades
• Aconseja cómo presentar una solicitud de acceso sin ir al soporte
• Responde preguntas específicas sobre documentación interna y reglas de operación de DWH
• Escribe scripts que pueden llevarse a procesos ETL y refinarse para tu pipeline

Un punto importante aquí es que el sistema funciona en la intersección de conocimiento y acción. No solo relata documentos sino que también ayuda a dar el siguiente paso: preparar una solicitud, esbozar un script, acortar el camino a la tabla necesaria. Esto es generalmente lo que distingue una IA corporativa útil de solo otro "búsqueda inteligente". Al mismo tiempo, la responsabilidad de la aplicación final de los resultados permanece con el humano: especialmente cuando se trata de acceso, migraciones de datos y código para procesos ETL de producción.

Qué significa esto

La historia de DataCopilot muestra hacia dónde se mueve realmente la IA corporativa: no hacia un único chatbot omnisciente, sino hacia un conjunto de agentes especializados alrededor de un flujo de trabajo específico. Para equipos que tienen un DWH, un catálogo de dashboards, regulaciones y un flujo de preguntas repetitivas, este enfoque puede entregar mucho más valor que RAG abstracto sobre todos los documentos a la vez.