Puntos clave:
- Nuevo agente DS-STAR supera a la competencia y establece récords en benchmarks de la industria.
- Tecnología multiagente permite manejar archivos y formatos diversos, no solo bases de datos organizadas.
- Google se posiciona a la vanguardia de la automatización en ciencia de datos para empresas.
La equipo de investigación de Google ha revelado el DS-STAR, un agente de inteligencia artificial diseñado para automatizar tareas complejas de ciencia de datos de extremo a extremo.
Este avance representa un salto significativo en los esfuerzos de la empresa por modernizar el análisis de datos corporativos, logrando resultados récord en benchmarks del sector y demostrando un importante avance tecnológico en el ecosistema de Google Cloud.
Rendimiento líder en benchmarks
En septiembre de 2025, el DS-STAR alcanzó el primer puesto en el ranking DABStep, con un 45,2% de precisión en tareas difíciles, según el anuncio oficial del 6 de noviembre.
El sistema superó a rivales como AutoGen y DA-Agent en otras pruebas clave, como KramaBench y DA-Code, consolidando un desempeño superior en múltiples escenarios.
El avance más impresionante fue el salto en la precisión de tareas complejas del DABStep, que pasó del 12,7% al 45,2%, gracias al uso del modelo Gemini 2.5 Pro.
Esto representa una mejora de más de 32 puntos porcentuales, superando ampliamente soluciones comerciales como Open Data Scientist, Mphasis-I2I-Agents y Amity DA Agent, y reforzando el liderazgo tecnológico de Google en el campo de la IA aplicada a la ciencia de datos.
Estructura multiagente que simula un equipo de analistas
El diferencial del DS-STAR radica en su arquitectura multiagente, diseñada para trabajar con una variedad de formatos de datos, como CSV, JSON, Markdown y archivos de texto no estructurados. En lugar de depender únicamente de bases de datos SQL, el nuevo enfoque combina cuatro roles automatizados:
- Analista de Archivos
- Planificador
- Programador (genera código en Python)
- Verificador (garantiza la calidad del plan creado)
Esta estructura permite refinamientos iterativos, simulando el ciclo de revisión de un equipo humano. En pruebas, el sistema requirió alrededor de 5,6 iteraciones para resolver tareas complejas, mientras que las cuestiones simples se completaron en un promedio de 3 rondas.
Además, el DS-STAR incluye mecanismos de depuración automática y recuperación de datos relevantes, lo que lo hace más robusto en escenarios con información incompleta o poco estandarizada.
Implicaciones para empresas y el mercado de IA
El lanzamiento del DS-STAR se produce en un contexto de creciente interés corporativo por soluciones de análisis de datos basadas en IA.
Este avance forma parte de la estrategia de Google Cloud, que en agosto de 2025 también presentó el Data Science Agent para BigQuery Notebooks, enfocado en flujos de trabajo autónomos e integrados.
Según estimaciones de Gartner, para 2026, el 40% de los sistemas empresariales incluirán agentes de IA especializados, un aumento notable frente al menos del 5% actual.
Con el DS-STAR, Google busca democratizar la ciencia de datos, permitiendo que equipos no técnicos puedan interpretar y modelar datos complejos sin depender exclusivamente de analistas especializados.
