Desafío
Cifras financieras al alcance de la mano, detrás de un lenguaje que las áreas de negocio no hablan.
Los equipos de finanzas de la Maison conservan sus cifras en un cubo OLAP alojado on-premise, en Analysis Services. Consultarlo exige escribir consultas MDX, un lenguaje que los usuarios de negocio no manejan.
Cada pregunta pasaba por un intermediario técnico. Las expectativas de finanzas se resumían en tres puntos.
- Formular sus preguntas en lenguaje natural. Sin pasar por una consulta ni por un experto.
- Obtener respuestas legibles. Tablas o gráficos directamente aprovechables.
- Calcular sobre el resultado. Aplicar los cálculos financieros del día a día, como el crecimiento o las participaciones.
La necesidad: hacer accesibles los datos financieros a quienes los gestionan, sin sacar el cubo del centro de datos.
Solución
Un workflow agéntico que traduce la pregunta de negocio en consulta y luego en respuesta.
Construimos un asistente que habla el idioma de las finanzas. Tres principios estructuran la solución.
- De la pregunta a la consulta. Un workflow agéntico en LangGraph traduce la pregunta a MDX, la ejecuta sobre el cubo y aplica los cálculos de crecimiento y participaciones.
- Las reglas de negocio en el centro del modelo. Los prompts codifican las reglas de gestión, las definiciones y la estructura del cubo, a partir de talleres realizados con el equipo de finanzas.
- Los datos permanecen on-premise. Un conector a medida une la aplicación en la nube con el centro de datos, sin mover el cubo.
Dispositivo
Comprender las finanzas, codificar sus reglas, conectar el cubo, entregar la aplicación.
- Talleres de negocio. Recopilación de las reglas de gestión, las definiciones y la estructura del cubo con el equipo de finanzas.
- Workflow agéntico. Traducción de las preguntas a MDX, ejecución sobre el cubo y cálculos financieros sobre el resultado, orquestados con LangGraph.
- Conector on-premise. Conector a medida, alojado en una máquina virtual de Azure, entre la aplicación en la nube y el centro de datos.
- Aplicación web. Back end en Python y front end en React desplegados en Azure.
- Mejora continua. Comentarios de los usuarios y seguimiento del uso integrados en la aplicación.
Entorno técnico: LangGraph, Azure, Analysis Services, MDX, Python, React.
Resultados
En producción desde enero de 2026 y utilizado cada día por el CFO.
Los equipos de finanzas formulan sus preguntas en lenguaje natural y obtienen tablas y gráficos, con los cálculos de crecimiento y participaciones incluidos. El cubo permanece en el centro de datos de la Maison.
El asistente está en producción desde enero de 2026 y el CFO lo utiliza cada día.
Dos efectos prolongan el proyecto.
- Finanzas autónomas con sus datos. Las áreas de negocio acceden directamente a sus cifras, sin intermediario técnico.
- Un asistente que mejora con el uso. Los comentarios de los usuarios y el seguimiento del uso guían las evoluciones.
Expertises mobilisées
Savoir-faire
- Agentes de IA
- Talk-to-your-data
- Context engineering
- Text-to-MDX
- Finanzas
Technologies
- LangGraph
- Azure
- Analysis Services
- Python
- React
Sello
Cuatro mecanismos que marcan la diferencia.
- Un asistente que conoce las finanzas. Las reglas de gestión y las definiciones se recopilan con los equipos, no se suponen.
- Cálculos confiables sobre el resultado. El workflow calcula el crecimiento y las participaciones; el modelo no los improvisa.
- Datos que no salen de las instalaciones. El conector a medida une la nube con el cubo sin moverlo.
- El uso como criterio de éxito. Los comentarios y el seguimiento del uso se integran desde la puesta en servicio.
Para usted
Sus datos financieros accesibles en lenguaje natural.
Este enfoque responde a cuatro situaciones.
- Sus cifras viven en un cubo OLAP o en un data warehouse que solo los expertos saben consultar.
- Sus equipos de negocio esperan respuestas en lugar de consultas.
- Sus datos deben permanecer on-premise, pero usted quiere una aplicación moderna.
- Usted quiere un asistente de IA que respete sus reglas de gestión y sus definiciones.
Recopilamos sus reglas de negocio con sus equipos, conectamos el asistente a sus datos allí donde se encuentran y lo ponemos en producción con un seguimiento del uso.
