Microsoft Fabric ha introducido en Preview una nueva experiencia para crear y editar visuales en Real-Time Dashboards, el componente orientado a construir paneles con visualizaciones en vivo sobre datos en streaming. La novedad no cambia el objetivo principal del producto: seguir ofreciendo dashboards operativos para observar información en tiempo real. Lo relevante es cómo se rediseña el trabajo dentro de cada tile, combinando Copilot, edición manual con KQL, una vista previa más amplia y un flujo de iteración más guiado.
La propuesta apunta a dos perfiles que suelen convivir en este tipo de soluciones. Por un lado, usuarios que quieren describir lo que necesitan y obtener rápidamente una primera visualización. Por otro, perfiles técnicos que prefieren controlar la consulta, revisar resultados, validar esquema y ajustar parámetros. La nueva experiencia permite trabajar con IA, manualmente o en un modo híbrido, lo que la hace especialmente interesante para equipos donde negocio, analítica y plataforma comparten el mismo dashboard.
Qué cambia en la edición de tiles
La mejora se centra en la experiencia de creación y edición de tiles dentro de un Real-Time Dashboard. A partir de ahora, al crear un dashboard nuevo o al editar uno existente, se puede añadir o modificar un tile usando un editor más completo. Este editor integra Copilot para ayudar a crear y refinar visuales, pero también mantiene el acceso al código KQL y a controles de formato.
El flujo general es más iterativo. Primero se elige el tipo de visual. Después, el usuario puede describir lo que necesita mediante lenguaje natural o escribir directamente una consulta KQL. A continuación, el editor muestra la vista previa del visual y los datos asociados. Si el resultado no es el esperado, se puede refinar mediante un nuevo prompt, ajustar el código, modificar el formato o cambiar colores. Cuando el visual está listo, se aplica con Apply, se finaliza con Done y luego se puede mover o redimensionar en el canvas del dashboard.
Este enfoque reduce la distancia entre exploración y publicación. Antes de colocar definitivamente el tile, el usuario puede validar tanto la visualización como los datos que la alimentan. En dashboards de tiempo real, esta validación es importante porque un visual puede ser correcto en apariencia, pero no necesariamente representar la consulta o agregación deseada.
Copilot como apoyo, no como sustituto del control técnico
Uno de los puntos más interesantes es que Copilot no se plantea como una vía única. La experiencia admite tres formas de trabajo:
- Asistida por IA: el usuario describe la necesidad y Copilot ayuda a generar o refinar el visual.
- Manual: el usuario escribe o ajusta la consulta KQL y configura el tile directamente.
- Híbrida: Copilot genera una base inicial y el usuario técnico revisa, modifica o mejora la consulta y el formato.
Este último modo probablemente será el más práctico en entornos profesionales. Copilot puede acelerar la primera versión, pero el equipo sigue pudiendo revisar el código KQL, comprobar los resultados de la query y validar el esquema. Además, el historial de Copilot por visual permite mantener contexto dentro del proceso de refinamiento de cada tile, algo útil cuando se realizan varias iteraciones sobre una misma representación.
Capacidades para usuarios avanzados
La nueva experiencia no se limita a “prompt y gráfico”. Para usuarios avanzados, el editor incorpora elementos necesarios para trabajar con precisión: código KQL, vista previa, resultados de consulta, esquema, variables de parámetros y pruebas desde el propio editor.
Esto es relevante en escenarios donde los dashboards no son meramente informativos, sino herramientas de operación. Un panel en tiempo real puede requerir filtros, parámetros o consultas que deben responder correctamente ante diferentes condiciones. Poder probar desde el editor evita saltar continuamente entre herramientas y ayuda a detectar problemas antes de aplicar el tile al canvas.
También mejora la colaboración entre perfiles. Un usuario menos técnico puede iniciar el visual con Copilot, mientras que un analista o ingeniero de datos puede revisar después la consulta y los resultados. El dashboard deja de ser una pieza cerrada y pasa a ser un espacio de iteración compartida.
Comparativa de la experiencia
| Aspecto | Experiencia tradicional | Nueva experiencia en Preview |
|---|---|---|
| Creación del visual | Más centrada en configuración manual | Permite IA, modo manual o enfoque híbrido |
| Uso de Copilot | No es el eje del flujo de edición | Copilot ayuda a crear y refinar visuales |
| Iteración | Ajustes más dependientes del usuario | Refinamiento mediante prompt, KQL y formato |
| Vista previa | Menos protagonismo en el flujo | Preview ampliada antes de aplicar cambios |
| Validación técnica | Revisión manual del resultado | Consulta, resultados, esquema y parámetros en el editor |
| Organización del dashboard | Edición del tile y ajuste en canvas | Apply, Done y posterior movimiento/redimensionado |
| Historial por visual | No destacado | Historial de Copilot asociado a cada visual |
Flujo práctico de creación
Un flujo típico con esta nueva experiencia podría ser el siguiente:
- Abrir un dashboard existente o crear uno nuevo.
- Añadir un tile o editar uno ya creado.
- Seleccionar el tipo de visual adecuado.
- Describir la necesidad con Copilot o escribir una consulta KQL.
- Revisar la vista previa del visual y los datos devueltos.
- Refinar el resultado con un prompt adicional, ajustes de KQL o cambios de formato.
- Aplicar los cambios con Apply.
- Ajustar colores, formato o código si es necesario.
- Confirmar con Done.
- Mover y redimensionar el tile dentro del canvas.
La clave está en no tratar el primer resultado como definitivo. Aunque Copilot acelere el arranque, la calidad del dashboard dependerá de revisar la consulta, validar los datos y comprobar que el visual comunica correctamente la información.
Qué revisar antes de adoptarlo
Al estar en Preview, conviene introducir esta experiencia con criterio. Antes de adoptarla de forma amplia, revisaría al menos estos puntos:
- Consistencia de resultados: comprobar que las consultas generadas o refinadas representan exactamente la métrica que se quiere mostrar.
- Gobierno del KQL: definir quién puede aceptar consultas, modificarlas o publicarlas en dashboards compartidos.
- Revisión de parámetros: validar el uso de variables de parámetros y probar distintos valores desde el editor.
- Criterios de diseño visual: acordar colores, formatos y tipos de visual para evitar dashboards inconsistentes.
- Proceso de publicación: decidir cuándo un tile está listo para pasar de exploración a uso operativo.
- Trazabilidad de cambios: aprovechar el historial de Copilot por visual como ayuda durante la iteración, sin sustituir las prácticas internas de revisión.
- Formación de usuarios: explicar cuándo conviene usar Copilot, cuándo escribir KQL directamente y cuándo combinar ambos enfoques.
Conclusión práctica
La nueva experiencia de edición de tiles en Real-Time Dashboards de Microsoft Fabric apunta a mejorar la productividad sin eliminar el control técnico. Copilot aporta velocidad para crear y refinar visuales, mientras que KQL, la vista previa, los resultados de consulta, el esquema y las variables de parámetros mantienen el nivel de detalle que necesitan los usuarios avanzados.
Para equipos que ya trabajan con dashboards en tiempo real, el valor inmediato está en reducir la fricción entre idea, consulta, visualización y ajuste final en el canvas. La recomendación práctica es empezar con dashboards no críticos, probar el flujo híbrido y definir criterios claros de revisión antes de extenderlo. Bien usado, este rediseño puede convertir la edición de tiles en un proceso más rápido, colaborativo y controlado.