Crea tareas de enriquecimiento

Las tareas de enriquecimiento de Knowledge Studio te permiten extraer automáticamente el contexto empresarial de tus esquemas, procedimientos operativos estándar (SOP), repositorios de código y registros de consultas. Cuando creas una tarea de enriquecimiento, configuras los recursos de destino, los indicadores de conocimiento, las comparativas de evaluación y un programa para generar propuestas de metadatos que fundamenten tus aplicaciones de IA.

Antes de comenzar

Sigue estos requisitos previos antes de crear una tarea de enriquecimiento.

Comprender los conceptos

Antes de ejecutar una tarea de enriquecimiento, te recomendamos que te familiarices con los componentes principales de la arquitectura de enriquecimiento:

  • Para obtener una descripción general de cómo los agentes de Knowledge Studio automatizan la generación de metadatos, consulta Acerca de las tareas de enriquecimiento.

  • Para obtener una descripción general de cómo el contexto de los metadatos fundamenta a los agentes de IA y simplifica la exploración de datos, consulta Acerca del contexto de los datos.

  • Para obtener una descripción general de la jerarquía de Knowledge Catalog, incluidos los grupos de entradas, las entradas, los aspectos y los vínculos de entrada, consulta Acerca de los metadatos en Knowledge Catalog.

Prepara los componentes obligatorios

Antes de crear una tarea de enriquecimiento, asegúrate de que tu entorno esté configurado correctamente para el enriquecimiento con IA. Para obtener instrucciones de configuración, consulta Configura los requisitos previos para las tareas de enriquecimiento.

Ten listos los siguientes componentes:

  • Cuenta de servicio: Es una cuenta de servicio de usuario dedicada con los roles necesarios. En toda esta documentación, el término cuenta de servicio de ejecución se refiere a esta cuenta de servicio administrada por el cliente para diferenciarla de los agentes de servicio de Knowledge Catalog administrados por Google. La tarea de enriquecimiento se ejecuta como esta cuenta de servicio y la usa para leer las fuentes y escribir en el conjunto de información contextual.

  • Conjunto de información contextual: Es un conjunto de información contextual de destino en el que se guardarán los metadatos enriquecidos. Los conjuntos de contexto son regionales, multirregionales o globales, y cada conjunto de contexto solo se puede enriquecer con una tarea de enriquecimiento por región. El conjunto de contexto también sirve como la fuente predeterminada de recursos para enriquecer; todo lo que se encuentra en el conjunto de contexto se enriquece de forma predeterminada, a menos que filtres los recursos predeterminados durante la configuración. También puedes crear un conjunto de contexto vacío durante la configuración de la tarea si no existe uno. Para obtener más información, consulta la sección Crea un conjunto de contexto en Administra conjuntos de contexto.

  • Recursos para enriquecer (opcional): Son los recursos de datos adicionales que deseas enriquecer y que aún no están en tu conjunto de contexto de destino. Agregar estos recursos adicionales durante la creación de la tarea los enriquece y los agrega automáticamente al conjunto de contexto de destino cuando se aprueban las propuestas de la ejecución. Los recursos de destino pueden incluir conjuntos de datos y tablas de BigQuery o catálogos, espacios de nombres y tablas de Lakehouse (hasta 500 recursos en total entre los predeterminados y los agregados). Para obtener información sobre la sintaxis de los nombres de recursos, consulta Nombres de recursos completos.

  • Indicadores de conocimiento (opcional): Si planeas proporcionarle al agente de IA documentos, glosarios o secuencias de comandos de SQL para que aprenda, asegúrate de preparar tus buckets, carpetas o archivos de Cloud Storage, dar formato a tus conjuntos de datos de evaluación de .jsonl o configurar proveedores de autenticación de terceros para las URLs de origen de terceros. Para obtener instrucciones de configuración de conectores de terceros, consulta Configura conectores externos para tareas de enriquecimiento.

  • Registros de seguimiento (opcional): Si planeas habilitar el autoaprendizaje de agentes, configura una aplicación de Gemini Enterprise (con la instrumentación de seguimiento y el registro de instrucciones y respuestas activados en Cloud Logging) o una tabla de análisis de agentes de BigQuery de la que el agente de enriquecimiento pueda aprender las interacciones históricas. Para obtener más información, consulta Administra la configuración de observabilidad y la sección Configura los seguimientos de agentes para el autoaprendizaje en Configura los requisitos previos para las tareas de enriquecimiento.

  • Generación de perfiles de datos y estadísticas de datos (recomendado): Para mejorar la calidad de las propuestas de metadatos generadas, habilita la generación de perfiles de datos y las estadísticas de datos de IA en las tablas de destino que usas con frecuencia antes de ejecutar la tarea.

Roles obligatorios

La configuración y la ejecución de tareas de enriquecimiento involucran tres identidades, cada una de las cuales requiere roles de IAM específicos:

  • El usuario final (tu cuenta de usuario): Crea, configura y activa la tarea de enriquecimiento en Knowledge Studio.
  • La cuenta de servicio de ejecución (administrada por el cliente): Ejecuta la tarea de enriquecimiento, lee tus recursos de origen y los seguimientos de interacción opcionales, y propone actualizaciones de metadatos para tu conjunto de información contextual.
  • Agente de servicio de Knowledge Catalog (administrado por Google): Actúa en nombre de tu cuenta de servicio de ejecución durante una ejecución y ejecuta trabajos de consulta de validación, análisis del historial de consultas y muestreo de BigQuery en el backend.

El usuario final

Para obtener los permisos que necesitas para crear, modificar y ejecutar tareas de enriquecimiento, pídele a tu administrador que te otorgue los siguientes roles de IAM:

  • Crea, modifica y ejecuta tareas de enriquecimiento: Editor de DataScan de Dataplex (roles/dataplex.dataScanEditor) o Editor de Dataplex (roles/dataplex.editor) en el proyecto
  • Adjunta la cuenta de servicio de ejecución a la tarea de enriquecimiento: Usuario de la cuenta de servicio (roles/iam.serviceAccountUser) en la cuenta de servicio de ejecución

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Estos roles predefinidos contienen los permisos necesarios para crear, modificar y ejecutar tareas de enriquecimiento. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

Permisos necesarios

Se requieren los siguientes permisos para crear, modificar y ejecutar tareas de enriquecimiento:

  • Crea, visualiza, enumera, actualiza, borra y ejecuta tareas de enriquecimiento:
    • dataplex.agentTasks.create
    • dataplex.agentTasks.get
    • dataplex.agentTasks.getData
    • dataplex.agentTasks.list
    • dataplex.agentTasks.update
    • dataplex.agentTasks.delete
    • dataplex.agentTasks.run
  • Adjunta la cuenta de servicio de ejecución: iam.serviceAccounts.actAs

También puedes obtener estos permisos con roles personalizados o con otros roles predefinidos.

La cuenta de servicio de ejecución

La cuenta de servicio de ejecución es la identidad administrada por el cliente con la que se ejecuta la tarea de enriquecimiento y se realizan todas las operaciones.

Para garantizar que la cuenta de servicio de ejecución tenga los permisos necesarios para ejecutar la tarea de enriquecimiento, leer los datos de destino y proponer actualizaciones de metadatos, pídele a tu administrador que otorgue los siguientes roles de IAM a la cuenta de servicio de ejecución:

  • Consume APIs durante la ejecución de la tarea: Consumidor de Service Usage (roles/serviceusage.serviceUsageConsumer) en el proyecto que contiene la tarea de enriquecimiento
  • Visualiza los conjuntos de datos y las tablas de BigQuery de destino: Visualizador de datos de BigQuery (roles/bigquery.dataViewer) en los conjuntos de datos y las tablas de BigQuery de destino
  • Ver los recursos de Lakehouse de destino (cuando se enriquecen los recursos de Lakehouse): Visualizador de BigLake (roles/biglake.viewer) en los catálogos, espacios de nombres y tablas de Lakehouse de destino
  • Propón y escribe metadatos en conjuntos de contexto:
  • (Opcional) Ejecuta trabajos de BigQuery en el proyecto de tareas (solo es necesario si la creación de trabajos se mueve dentro de un perímetro de Controles del servicio de VPC): Usuario de trabajo de BigQuery (roles/bigquery.jobUser) en el proyecto de tareas
  • (Opcional) Aprueba y publica automáticamente los cambios propuestos (si habilitas la publicación automática): Responsable de aprobación de flujos de trabajo de Dataplex (roles/dataplex.workflowApprover) en el proyecto
  • (Opcional) Aprende de los registros de seguimiento de Logging existentes (autoaprendizaje): Visor de registros privados (roles/logging.privateLogViewer) en el proyecto que posee la app de Gemini Enterprise
  • (Opcional) Aprende de una tabla de análisis de agentes de BigQuery (autoaprendizaje):

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Estos roles predefinidos contienen los permisos necesarios para ejecutar la tarea de enriquecimiento, leer los datos de destino y proponer actualizaciones de metadatos. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

Permisos necesarios

Se requieren los siguientes permisos para ejecutar la tarea de enriquecimiento, leer los datos de destino y proponer actualizaciones de metadatos:

  • Consume cuotas y servicios: serviceusage.services.use
  • Visualiza los metadatos del conjunto de datos y de la tabla de BigQuery, y lee los datos de la tabla:
    • bigquery.datasets.get
    • bigquery.tables.get
    • bigquery.tables.getData
  • Consulta los catálogos, los espacios de nombres y las tablas de Lakehouse:
    • biglake.catalogs.get
    • biglake.namespaces.get
    • biglake.tables.get
    • biglake.tables.list
  • Consulta y propone cambios en los conjuntos de contexto y las entradas:
    • dataplex.entryGroups.getContextSet
    • dataplex.entryGroups.requestContextChanges
    • dataplex.entries.createContext
    • dataplex.entries.updateContext
    • dataplex.entries.getContext
    • dataplex.entries.listContext
    • dataplex.entryLinks.create
  • Crear, actualizar, ver y enumerar entradas y grupos de entradas del catálogo:
    • dataplex.entries.create
    • dataplex.entries.update
    • dataplex.entries.get
    • dataplex.entries.list
    • dataplex.entryGroups.create
    • dataplex.entryGroups.update
    • dataplex.entryGroups.requestChanges
  • (Opcional) Ejecuta trabajos de BigQuery (para perímetros de Controles del servicio de VPC o tablas de análisis de agentes de BigQuery): bigquery.jobs.create
  • (Opcional) Aprueba automáticamente las solicitudes de cambio: dataplex.changeRequests.use
  • (Opcional) Lee las vistas de Logging y las entradas de registro:
    • logging.views.access
    • logging.logEntries.list

Es posible que tu administrador también pueda otorgar estos permisos a la cuenta de servicio de ejecución con roles personalizados o con otros roles predefinidos.

El agente de servicio de Dataplex

El agente de servicio de Knowledge Catalog es una cuenta de servicio administrada por Google que Knowledge Catalog usa para realizar operaciones de backend en tu nombre, como actuar en nombre de tu cuenta de servicio de ejecución durante una ejecución de enriquecimiento y ejecutar trabajos de muestreo, análisis del historial de consultas y consultas de validación de BigQuery.

El agente de servicio de Knowledge Catalog usa el siguiente formato de correo electrónico:

service-PROJECT_NUMBER@gcp-sa-dataplex.iam.gserviceaccount.com

Reemplaza PROJECT_NUMBER por el número del proyecto de Google Cloud.

Otorgar acceso al historial de consultas (recomendado) permite que el agente de enriquecimiento analice las consultas en SQL históricas (INFORMATION_SCHEMA.JOBS_BY_PROJECT) para identificar filtros y claves de unión comunes. Si no se otorga el rol de Visualizador de recursos de BigQuery (roles/bigquery.resourceViewer), el agente omite el análisis del historial de consultas sin que falle la ejecución.

Para garantizar que el agente de servicio de Knowledge Catalog tenga los permisos necesarios para actuar en nombre de la cuenta de servicio de ejecución y realizar la generación de perfiles de BigQuery en el backend, pídele a tu administrador que otorgue los siguientes roles de IAM al agente de servicio de Knowledge Catalog:

  • Actúa en nombre de la cuenta de servicio de ejecución para ejecutar la tarea: Creador de tokens de cuenta de servicio (roles/iam.serviceAccountTokenCreator) en la cuenta de servicio de ejecución
  • Realiza consultas de validación y generación de perfiles de BigQuery de backend: Visualizador de datos de BigQuery (roles/bigquery.dataViewer) en los proyectos o conjuntos de datos que contienen las tablas de destino
  • (Recomendado) Lee el historial de consultas de BigQuery a nivel del proyecto: Visualizador de recursos de BigQuery (roles/bigquery.resourceViewer) en los proyectos en los que se ejecutan las consultas

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Estos roles predefinidos contienen los permisos necesarios para actuar en nombre de la cuenta de servicio de ejecución y realizar la generación de perfiles de BigQuery de backend. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

Permisos necesarios

Se requieren los siguientes permisos para actuar en nombre de la cuenta de servicio de ejecución y realizar la generación de perfiles de BigQuery de backend:

  • Genera tokens y firma cargas útiles para la identidad temporal como cuenta de servicio:
    • iam.serviceAccounts.getAccessToken
    • iam.serviceAccounts.getOpenIdToken
    • iam.serviceAccounts.signJwt
    • iam.serviceAccounts.signBlob
  • Visualiza los metadatos del conjunto de datos y de la tabla de BigQuery, y lee los datos de la tabla:
    • bigquery.datasets.get
    • bigquery.tables.get
    • bigquery.tables.getData
  • (Recomendado) Enumera los trabajos de BigQuery y visualiza los metadatos del proyecto:
    • bigquery.jobs.listAll
    • resourcemanager.projects.get

Es posible que tu administrador también pueda otorgarle estos permisos al agente de servicio de Knowledge Catalog con roles personalizados o con otros roles predefinidos.

Abre el espacio de trabajo de Knowledge Studio

Para abrir el asistente de creación de tareas, sigue estos pasos:

  1. En la consola de Google Cloud , ve a la página Knowledge Studio.

    Ir a Knowledge Studio

  2. En el panel de navegación, selecciona Enriquecimientos.

  3. Haz clic en + Crear tarea de enriquecimiento.

Asigna un nombre a la tarea de enriquecimiento

En el panel Definir, sigue estos pasos:

  1. En el campo Nombre visible, proporciona un nombre descriptivo para la tarea (por ejemplo, Finance Dataset enrichment).
  2. En el campo ID de tarea, proporciona un ID único o usa el ID generado de forma automática.

  3. En el campo Objetivo, describe el objetivo de la tarea de enriquecimiento para guiar el proceso de extracción. Proporciona orientación en lenguaje natural que detalle la misión empresarial y los objetivos de capacidad de IA para este conjunto de contexto.

    Por ejemplo:

    Curate and maintain the authoritative context set for the
`subscription_revenue` domain. Focus on resolving metric discrepancies
between `gross_sales`, `net_billed_revenue`, and `discount_applied`.
Ensure all customer join keys (e.g. `customer_id`, `subscription_fk`)
have explicit column documentation, and establish parameterized query
templates for Monthly Recurring Revenue (MRR) and Churn Rate calculations.

  4. Haz clic en Continuar.

Configura los parámetros de la tarea de enriquecimiento

El alcance especifica qué se enriquece y qué lee el agente.

En el panel Alcance, sigue estos pasos:

  1. En el campo Proyecto, selecciona el proyecto que contiene el conjunto de contexto.

  2. En el campo Conjunto de contexto, selecciona el conjunto de contexto que enriquece la tarea y en el que la tarea guarda sus resultados. Si no tienes un conjunto de información contextual, haz clic en Crear un nuevo conjunto de información contextual.

    Los conjuntos de contexto son regionales, multirregionales o globales, y cada conjunto de contexto solo se puede enriquecer con una tarea de enriquecimiento por región. Si seleccionas un conjunto de contexto que ya está adjunto a una tarea de enriquecimiento existente en esa región, el asistente mostrará un mensaje de error con un vínculo a la tarea existente y te pedirá que selecciones un conjunto de contexto diferente. Después de crear una tarea de enriquecimiento, no puedes cambiar su conjunto de contexto.

  3. Si el conjunto de información contextual que seleccionaste se encuentra en una multirregión (como us o eu) o en global, selecciona una sola región en el campo Región de la tarea de enriquecimiento en la que se ejecuta la tarea de enriquecimiento (por ejemplo, us-central1). Si el conjunto de información contextual se encuentra en una sola región, la tarea usa automáticamente la región del conjunto de información contextual.

  4. En la sección Recursos para enriquecer, revisa los recursos predeterminados y, de manera opcional, agrega más recursos de BigQuery o Lakehouse:

    • Recursos predeterminados: Todo el conjunto de contexto seleccionado se enriquece de forma predeterminada. Expande Recursos predeterminados para revisar o filtrar las tablas completadas previamente de tu conjunto de contexto.
    • Agrega más recursos de BigQuery o Lakehouse: Agrega conjuntos de datos o tablas de BigQuery, o catálogos, espacios de nombres o tablas de Lakehouse que quieras enriquecer, además del conjunto de información contextual. Cuando se agregan estos recursos, también se agregan al conjunto de contexto cuando se aprueban las propuestas de la ejecución. Una tarea de enriquecimiento admite hasta 500 recursos en total entre los recursos predeterminados y los agregados.

    Todos los recursos que agregues deben coincidir con la ubicación de tu conjunto de contexto. Un conjunto de contextos multirregionales (como us) coincide con regiones individuales dentro de esa ubicación (como us-central1), y un conjunto de contextos global acepta recursos de cualquier región. Las regiones que no coinciden provocan que falle la creación de la tarea.

    Si seleccionas un conjunto de contexto vacío y no agregas ningún recurso adicional en esta sección, Knowledge Studio mostrará una advertencia. Si ejecutas la tarea con esta configuración, se genera una base de conocimiento semántica según tus instrucciones, pero no se enriquece ninguna entrada de la tabla.

    Para agregar recursos por su nombre completo, ingresa el nombre del recurso en el campo de texto (usa comas para separar varios nombres de recursos):

    • Tabla de BigQuery: //bigquery.googleapis.com/projects/PROJECT_ID/datasets/DATASET_ID/tables/TABLE_ID

    • Recurso de Lakehouse: //dataplex.googleapis.com/projects/PROJECT_ID/locations/LOCATION/lakes/LAKE_ID/zones/ZONE_ID/assets/ASSET_ID

    Como alternativa, para seleccionar recursos de forma visual, sigue estos pasos:

    1. Haz clic en Explorar para abrir el diálogo Seleccionar fuentes.
    2. Para seleccionar recursos usados recientemente, haz clic en la pestaña Recientes y selecciona los recursos que deseas agregar.
    3. Para explorar o buscar todos los recursos, haz clic en la pestaña Todos y haz lo siguiente:
      1. En el campo Buscar, ingresa un término de búsqueda para tu recurso de BigQuery o Lakehouse.
      2. En el árbol de recursos, expande la jerarquía del proyecto y del conjunto de datos para ubicar tu recurso.
      3. Selecciona la casilla de verificación junto a uno o más recursos. Puedes obtener una vista previa del esquema y los detalles del recurso seleccionado en el panel de detalles.
      4. Haz clic en Confirmar.

  5. Opcional: En la sección Indicadores de conocimiento, conecta el agente de IA a fuentes adicionales para que las lea y obtenga contexto. Estos recursos son de solo lectura y no se enriquecen.

    • Buckets, carpetas o archivos de Cloud Storage: Ingresa un nombre de bucket, una ruta de acceso de carpeta que termine con una barra (como bucket-name/folder/) o una ruta de acceso individual, o haz clic en Explorar para seleccionar buckets, carpetas o archivos (hasta 1,000 fuentes de Cloud Storage). Presiona Intro, una coma o la barra espaciadora después de cada entrada.

    • Glosarios: Ingresa el nombre del glosario o haz clic en Explorar para buscar un glosario. Presiona Intro, una coma o la barra espaciadora después de cada nombre de glosario.

      Asegúrate de que los glosarios conectados se encuentren en una región compatible o en el permiso global.

    • Fuentes externas: Para conectar plataformas de terceros, como Google Workspace, Microsoft SharePoint, GitHub o Atlassian (espacios de Confluence y proyectos de Jira), puedes configurarlas de forma individual o proporcionar un archivo de configuración YAML.

      Para configurar fuentes con un archivo YAML, haz lo siguiente:

      1. En el campo Archivo de configuración de origen (opcional), haz clic en Explorar y selecciona tu archivo YAML.

      Para configurar una fuente de forma manual, sigue estos pasos:

      1. En Fuentes conectadas, haz clic en Configurar junto a la plataforma que quieres configurar.
      2. En el campo URLs de origen, ingresa las URLs de tus documentos, repositorios, espacios o proyectos de Jira y, luego, presiona Intro o una coma después de cada URL.

      3. Si la plataforma requiere autenticación (como GitHub, Atlassian o Microsoft), adjunta tus credenciales de la siguiente manera:

        1. Haz clic en + Agregar conexión.
        2. En el panel Nueva conexión, ingresa el nombre completo del recurso de tu proveedor de autenticación en el campo Proveedor de autenticación. Usa el siguiente formato:
          projects/PROJECT_ID/locations/LOCATION/authProviders/PROVIDER_NAME
        3. En Patrones de URI, haz clic en + Agregar patrón de URI para especificar a qué URLs tiene permiso de acceso esta credencial. Puedes usar asteriscos (*) como comodines (por ejemplo, https://github.com/test-org/*).
        4. Haz clic en Listo.

        Los recursos de Google Workspace se conectan directamente con los permisos de IAM de la cuenta de servicio de ejecución de tu tarea, por lo que no requieren una conexión de proveedor de autenticación.

  6. Haz clic en Continuar.

Configura la evaluación y el autoaprendizaje

La configuración del panel Mejorar es opcional. Para obtener información sobre cómo dar formato a los conjuntos de datos de evaluación y selección, consulta Configura los requisitos previos para las tareas de enriquecimiento. Para obtener información sobre cómo seleccionar un modelo en Gemini Enterprise, consulta la sección "Crea un agente con el compilador de flujos" en Diseña agentes en Agent Studio.

En el panel Mejorar, sigue estos pasos:

  1. Opcional: En la sección Evaluación, configura los siguientes campos:

    • Conjunto de evaluación: Para medir el impacto de los cambios de contexto propuestos, ingresa un URI de Cloud Storage o haz clic en Explorar para seleccionar tu archivo .jsonl.

    • Conjunto de selección: Para proporcionar un conjunto de preguntas iniciales para la optimización iterativa, ingresa un URI de Cloud Storage o haz clic en Explorar para seleccionar tu archivo .jsonl.

  2. Opcional: En la sección Publicación, especifica la cadencia de publicación:

    Cuando habilitas la publicación automática, el agente almacena las propuestas como solicitudes de cambio y aprueba automáticamente la ejecución si cumple con todos los criterios de publicación, lo que deja un registro de auditoría. Las propuestas de eliminación siempre se retienen para su revisión manual. Cuando inhabilitas la publicación automática, un revisor manual debe aprobar las solicitudes de cambio antes de que se publiquen en el conjunto de contexto.

    • Para exigir una revisión manual antes de que los metadatos se combinen en tu conjunto de contexto de producción, desmarca la casilla de verificación Habilitar publicación automática.

    • Para publicar automáticamente las ejecuciones que cumplan con tus criterios de calidad, selecciona la casilla de verificación Habilitar la publicación automática. Usa el control deslizante Publicar automáticamente por encima de para establecer la puntuación de confianza general mínima requerida para que una ejecución se publique automáticamente (el valor predeterminado es 85%). Cada propuesta también debe pasar las verificaciones de validez (como la sintaxis de SQL válida). Si se configura un conjunto de datos de evaluación, también puedes usar el control deslizante Disminución máxima de la calidad para restringir la publicación cuando la exactitud de la evaluación disminuya más que el umbral especificado (el valor predeterminado es 5%). Si una ejecución no cumple con todas estas condiciones, todas las propuestas permanecen en etapa de pruebas como solicitudes de cambio para su revisión manual.

  3. Opcional: Para encontrar brechas en las conversaciones reales de los agentes y mantener el contexto actualizado, en la sección Autoaprendizaje, selecciona el botón de activación Habilitar autoaprendizaje.

  4. Opcional: Si habilitaste el autoaprendizaje, en la sección Aprender de, agrega cualquiera de las siguientes fuentes:

    • Apps de Gemini Enterprise: En la lista ID del proyecto, selecciona el proyecto. En la lista App de Gemini Enterprise, selecciona la app que genera seguimientos de conversaciones y, luego, haz clic en Listo. Puedes agregar varias apps de Gemini Enterprise. Para optimizar las capacidades de enriquecimiento y autoaprendizaje, te recomendamos que especifiques un modelo Gemini 3.8 Flash o posterior en la aplicación de Gemini Enterprise.

    • Análisis de agentes de BigQuery: En el campo Tabla, ingresa el nombre de la tabla que contiene los eventos de chat de agentes o haz clic en Explorar para seleccionarla visualmente y, luego, haz clic en Listo. Puedes agregar varias tablas.

  5. Haz clic en Continuar.

Configura los parámetros de ejecución

En el panel Ejecutar, sigue estos pasos:

  1. En la sección Ejecutar como, haz clic en la lista Cuenta de servicio y selecciona la cuenta de servicio de ejecución que usa la tarea para leer las fuentes y escribir en el conjunto de contexto.

    Cuando seleccionas una cuenta de servicio, Knowledge Studio ejecuta automáticamente el Solucionador de problemas de políticas para verificar la cuenta de servicio de ejecución, el agente de servicio de Knowledge Catalog y tus recursos de destino:

    • Si falta algún rol obligatorio y tienes permiso para modificar las políticas de IAM en esos recursos, haz clic en Otorgar todo para otorgar los roles faltantes automáticamente.
    • (Recomendado) Selecciona Otorgar acceso al historial de consultas de BigQuery para otorgar el rol (bigquery.jobs.listAll) de visualizador de recursos de BigQuery (roles/bigquery.resourceViewer) y, de manera opcional, especifica IDs del proyecto adicionales en el campo IDs del proyecto del historial de consultas en el que se ejecutan las consultas de BigQuery.

  2. En Activador, selecciona la condición de activación:

    • On demand: Se ejecuta solo cuando haces clic en Run.
    • Programado: Se ejecuta automáticamente según un programa recurrente (como diario, semanal o mensual). Todas las horas de ejecución programadas usan el tiempo universal coordinado (UTC).

  3. Opcional: En Notificaciones, haz clic en + Agregar destinatario para especificar hasta cinco direcciones de correo electrónico que recibirán un informe después de cada ejecución.

  4. Verifica los parámetros en el panel Resumen y, luego, haz clic en Crear.

Se guardó tu nueva tarea de enriquecimiento. Según la configuración del activador, la tarea espera su primera ejecución programada o está lista para ejecutarse de inmediato. Las ejecuciones de enriquecimiento suelen tardar entre 20 y 60 minutos en completarse, o hasta varias horas para conjuntos de datos grandes con conjuntos de selección y evaluación habilitados. Los registros de ejecución pueden tardar entre 20 y 30 minutos en aparecer mientras el agente se inicializa y extrae indicadores. Cuando la tarea finaliza una ejecución, el agente pone en cola las propuestas de metadatos de IA generadas en uno o más lotes de solicitudes de cambio para que las revises.

¿Qué sigue?