Microsoft Fabric sumó esta semana un Copilot que arma dashboards en tiempo real con una instrucción escrita en lenguaje natural, sin tocar una fórmula DAX. Si trabajas con datos en una empresa que ya usa el stack de Microsoft, esto no es un parche más entre tantos: cambia cuánto tiempo le dedicas a construir un reporte y cuánto a interpretarlo.
Qué cambió exactamente esta semana
El 3 de noviembre, Microsoft publicó en preview un Copilot dentro de Fabric que genera Dashboards en Tiempo Real editables a partir de una petición en lenguaje natural, conectado directo a los datos de un Eventhouse. Le pides algo como "muéstrame las transacciones fallidas de la última hora agrupadas por región" y te devuelve un tablero que después puedes seguir ajustando a mano, como cualquier otro dashboard de Fabric. Dos días antes, el 2 de noviembre, Fabric empezó a llevar al runtime estándar dos funciones que venían en beta desde hace meses: NL2SQL avanzado, para traducir preguntas en español o inglés a consultas SQL sobre el Lakehouse, y generación de DAX avanzada para Power BI. Microsoft estima que el despliegue completo de ambas termina el 10 de noviembre.
Por qué esto importa más allá del anuncio
Durante años, el cuello de botella real de Power BI no fue conseguir los datos: fue escribir el DAX correcto para la medida que el área de negocio estaba pidiendo. Con DAX generado por IA, la pregunta deja de ser "¿sé escribir un CALCULATE anidado con FILTER?" y pasa a ser "¿sé revisar si lo que generó la IA mide en verdad lo que me preguntaron?". Ese cambio de habilidad ya lo veníamos viendo en Databricks y en BigQuery con sus propios copilotos — Fabric llegaba un poco atrás en esto y ahora se pone al día de golpe, con tres funciones nuevas en el mismo mes.
Para un equipo de datos chico, esto se traduce en menos tiempo perdido en la parte mecánica del reporte. Para uno grande, el riesgo es distinto: si cualquier persona de negocio puede pedirle un dashboard a un Copilot sin pasar por el equipo de datos, alguien tiene que decidir quién valida esos números antes de que lleguen a un comité. Ese problema de gobierno de datos no lo resuelve Microsoft con este anuncio — lo abre.
Vale la pena compararlo con lo que ya pasó en otros stacks. Databricks metió su asistente de IA dentro del notebook hace más de un año, y lo que aprendimos ahí es que el copiloto acelera a quien ya sabe lo que está pidiendo, y confunde a quien no. BigQuery, con Gemini como copiloto, tuvo el mismo patrón: el analista junior que no entiende de particionamiento de tablas termina generando consultas carísimas sin darse cuenta, porque el copiloto no le va a decir "esto te va a costar caro" a menos que se lo preguntes explícitamente. Fabric no debería ser distinto. El copiloto resuelve la sintaxis, no el criterio.
- ▸NL2SQL avanzado: consultas en lenguaje natural sobre el Lakehouse, sin pasar por el editor SQL para una primera versión.
- ▸DAX avanzado: medidas complejas generadas a partir de una descripción en texto, no de memoria pura.
- ▸Dashboards en tiempo real: visualizaciones sobre datos de Eventhouse armadas por Copilot y editables después a mano.
Lo que el comunicado no dice: el DAX que genera un copiloto todavía falla con medidas que cruzan varias tablas de hechos o que necesitan un contexto de filtro específico. Lo he visto pasar con Copilot en Excel y con el asistente de Databricks — la IA te da un punto de partida razonable, no el resultado final. Revisarlo sigue siendo trabajo de alguien que entiende DAX de verdad, no un paso que puedas saltarte.
Qué es un Eventhouse y por qué el dato "en tiempo real" cambia la ecuación
Un Eventhouse en Fabric guarda datos que llegan continuamente — logs, eventos de IoT, transacciones, clics — optimizados para consultarlos casi al instante, no en un batch nocturno. Hasta ahora, armar un dashboard sobre esa fuente te obligaba a escribir KQL (el lenguaje de consulta de Eventhouse) a mano, algo que la mayoría de los analistas de un equipo de BI nunca aprendió porque no es lo mismo que SQL ni que DAX. Con el Copilot nuevo, esa barrera de entrada baja de golpe: describes qué quieres ver y Fabric arma la consulta KQL por detrás, sin que tengas que tocarla directamente la primera vez.
Eso no quiere decir que KQL deje de importar. Si el Copilot interpreta mal tu pregunta — y con datos en tiempo real, ambigüedades como "última hora" versus "últimas 60 transacciones" son comunes — quien sepa leer la consulta generada va a detectar el error en segundos. Quien no, va a confiar en un número que puede estar mal armado desde la base.
Qué significa si te estás preparando para el DP-700
Si estás estudiando para la certificación Microsoft Fabric Data Engineer (DP-700), estos tres cambios todavía no entran al temario oficial del examen, pero sí a lo que te van a pedir el primer día que trabajes con Fabric en una empresa real. Nuestro curso de preparación para el DP-700 cubre el Lakehouse, los pipelines de datos y Delta Lake — la base que necesitas antes de apoyarte en cualquier copiloto, porque para corregir lo que la IA genera mal primero tienes que entender lo que debería generar en su lugar.
Si tu trabajo es más de Power BI que de ingeniería de datos
Si tu día a día es armar reportes y no pipelines, el ángulo es otro: usar el DAX generado por IA como borrador y dedicar tu tiempo a validar que la lógica de negocio sea correcta, no a memorizar sintaxis. En el curso de certificación Power BI practicamos justo eso — medidas DAX de las que te piden resolver en una entrevista real, no ejercicios de juguete que nunca vas a usar en un trabajo.
Lo que conviene probar antes de confiar en el Copilot a ciegas
Antes de dejar que un área de negocio pida sus propios dashboards sin pasar por el equipo de datos, vale la pena correr una prueba simple: pídele al Copilot tres medidas que ya conoces la respuesta correcta — una suma con filtro, un promedio móvil, un porcentaje de cambio período contra período — y compara. Si falla en una de las tres, ya sabes dónde necesitas poner un revisor humano antes de publicar nada a un comité o a una gerencia. Esa prueba te toma veinte minutos y te ahorra el problema de corregir un número mal calculado después de que alguien tomó una decisión con él.
Si quieres ver cómo otros equipos están usando estos copilotos de Fabric y Power BI en proyectos reales, cada semana hacemos un taller en vivo en la Comunidad AI Builders — sirve para resolver dudas puntuales sin esperar a terminar un curso completo.
Microsoft va a seguir empujando IA generativa dentro de Fabric el resto del año — lo que aprendas ahora sobre Lakehouse, Delta Lake y DAX es justo lo que te permite usar esas herramientas sin depender de que adivinen bien. Si quieres armar tu propia ruta, revisa el catálogo completo de cursos de datos.
