Acceso instantáneo al dashboard en menos de un minuto, 5 veces más económico: dashboards con IA y gráficos personalizados de Vega-Lite en Kibana

Observe, protect, and search your data with a single solution. From application monitoring to threat detection, Kibana is your versatile platform for critical use cases. Start your free 14-day trial now.

El chat de IA de Kibana ahora construye dashboards completos respaldados por el lenguaje de búsqueda de Elasticsearch (ES|QL) desde una indicación en lenguaje natural en menos de un minuto. En Elastic 9.5, esto pasa a disponibilidad general (GA) (vista previa técnica en 9.4) con recuperación de errores que reintenta consultas fallidas, costos de generación de ES|QL 5 veces menores gracias al enrutamiento por niveles de modelo, y controles interactivos de filtros. Esta versión también agrega la creación de gráficos Vega-Lite a través del lenguaje natural, incluidos gráficos de dispersión, gráficos de caja, formato condicional e información sobre herramientas personalizadas que normalmente tendrías que codificar a mano en JSON.

Novedades en la creación del dashboard de IA de Kibana

Recuperación automática de errores para la generación del dashboard de IA

En la versión preliminar técnica, el agente no volvió a intentar las consultas ES|QL fallidas. En la versión 9.5, detecta errores de consulta y vuelve a intentarlo hasta tres veces, inspeccionando cada error y ajustando la consulta antes de darte por vencido. En la práctica, esto elimina la mayoría de los problemas de paneles vacíos y produce dashboards que se renderizan correctamente en el primer intento.

¿Por qué es más barato crear dashboards con IA en Elastic 9.5?

No todos los pasos en la generación del dashboard requieren el mismo nivel de razonamiento. En la versión 9.5, la generación de ES|QL emplea un modelo más ligero de manera predeterminada y solo recurre al modelo principal cuando es necesario. Si tu conector emplea Claude Opus 4.8 de Anthropic, eso significa que la generación de ES|QL será 5 veces más económica en todos los paneles.

Selección automática de intervalos de tiempo basada en tus datos

Los dashboards solo son útiles cuando muestran la ventana de datos correcta. El agente ahora aplica una lógica mejorada para elegir un intervalo de tiempo que tenga sentido para los datos que está consultando, a menos que el usuario solicite un intervalo de tiempo específico. Considera la distribución temporal de los datos y ajusta en consecuencia, ya sea la última hora para un incidente en tiempo real o los últimos 90 días para un análisis de tendencias, en lugar de recurrir de manera predeterminada a una ventana fija.

Control automático de filtros en dashboards generados por IA

La creación de dashboards ahora admite controles; es decir, filtros interactivos que permiten a los usuarios refinar un dashboard por valores de campo sin editar las consultas subyacentes. Al generar un dashboard, el agente agrega automáticamente controles en la parte superior para los campos más relevantes para filtrar.

Gráficos Vega-Lite de lenguaje natural: tipos de gráficos y formato más allá de los valores predeterminados

Vega y Vega-Lite admiten una amplia variedad de tipos de gráficos y personalizaciones en Kibana. Con 9.5, puedes construirlos a partir de un lenguaje sencillo en lugar de escribir el código tú mismo. 

Gráficos de dispersión, gráficos de caja y más tipos de gráficos Vega-Lite

Los diagramas de dispersión, diagramas de caja, múltiplos pequeños facetados, gráficos de burbujas y diagramas de composición (como combinar histogramas con mapas de calor), entre muchos otros, se admiten en Vega-Lite. Una indicación como Muéstrame un gráfico de dispersión del tiempo de respuesta frente al tamaño de la solicitud, coloreado por nombre de servicio, produce un panel Vega-Lite con los mapeos de datos correctos. Usan las paletas de colores predeterminadas de Kibana para combinarse con el resto del dashboard.

Formato condicional, información sobre herramientas personalizadas y etiquetas en gráficos estándar

Incluso para tipos de gráficos que ya son nativos de los dashboards, como barra, línea o área, a veces necesitas más control del que ofrecen las capacidades predeterminadas. Vega-Lite, a través del chat, cubre esa necesidad. Algunos ejemplos incluyen:

• Formato de color condicional: colorea los puntos de datos por encima de un umbral de manera diferente; por ejemplo, marca en rojo los puntos de datos en una línea o barras cuando alguna métrica supera tu objetivo de nivel de servicio (SLO). Pregúntale al agente algo como Marca en rojo cualquier punto por encima de 500 ms para mi gráfico de líneas.

  

• Marcas y etiquetas personalizadas: agrega emojis, símbolos o etiquetas de texto en línea a los puntos de datos para obtener indicadores de estado de un vistazo.

  

• Información sobre herramientas personalizada: enriquece los estados del cursor con métricas adicionales, contexto o valores calculados que no forman parte de los ejes del gráfico. Pregunta algo como Agrega una descripción emergente que muestre el total de registros y el porcentaje por barra.

  

Esto también funciona para editar gráficos de Vega existentes. Si tienes un panel Vega-Lite que necesita un ajuste como cambiar una escala de color, ajustar un eje o cambiar el tipo de marca, describe el cambio en el chat en lugar de indagar en el código JSON.

Cómo construimos la generación en lenguaje natural de Vega-Lite en Kibana

Generar un gráfico Vega-Lite a partir de una oración no es una simple indicación de solicitud JSON al modelo. Construimos un pequeño pipeline agéntico que convierte la intención del lenguaje natural en un gráfico validado y respaldado por datos.

Cuando llega una solicitud, el agente primero determina si Vega-Lite es la opción adecuada. Para las solicitudes de Vega-Lite, establece la visualización en una consulta ES|QL real contra Elasticsearch y luego usa un modelo para generar el código Vega-Lite. Antes de renderizar, el resultado pasa por una capa de normalización que corrige el esquema y vincula la consulta canónica. También aplica transformaciones de seguridad de renderizado.

Algunas decisiones de diseño hacen que este flujo de trabajo sea confiable:

• Llamadas a herramientas tipificadas: la creación de gráficos es una invocación de herramienta estructurada en lugar de Vega-Lite de forma libre pegada en la conversación.

• Generación con restricciones: el modelo genera código Vega-Lite dentro de un esquema definido, haciendo que la salida sea más previsible y fácil de validar.

• Ejemplos seleccionados: los patrones estructurales, como el facetado, las marcas superpuestas y los mapas de calor, proporcionan orientación sin copiar los datos subyacentes.

• Ejecutar y verificar bucles: las consultas se ejecutan antes de la creación de gráficos y los errores de validación desencadenan reintentos correctivos para la generación de ES|QL.

Prueba la creación de dashboard con IA y gráficos Vega-Lite en Kibana

Para probar la creación de dashboards en lenguaje natural y gráficos Vega-Lite, actualiza a Elastic 9.5 (o inicia una prueba gratis), y abre el chat en Kibana. Luego pídele que cree un dashboard a partir de tus datos. Para Vega-Lite, intenta pedir un tipo de gráfico que hayas querido pero que nunca hayas construido, como un diagrama de dispersión o un gráfico de burbujas. Si el resultado no es del todo correcto, dile al agente qué cambiar. El agente itera contigo.

Esto requiere una licencia Empresarial. Comencemos.

El lanzamiento y el momento de cualquier característica o funcionalidad descrita en esta publicación quedan a exclusivo criterio de Elastic. Es posible que alguna característica o funcionalidad que no esté disponible en este momento no se lance a tiempo o no se lance en absoluto.