digna Release 2026.11: Agentic, Data Reconciliation y el Engine

Las preguntas que más tarda en responder un equipo de datos rara vez son las más difíciles. ¿Sigue cuadrando el data mart con las tablas a partir de las que se construyó? ¿Sigue existiendo cada clave en la otra base de datos a la que hace referencia? ¿Qué producto cambió más el mes pasado? Cada una suele implicar una consulta que alguien tiene que escribir.

Release 2026.11 incorpora a digna, la plataforma de Data Quality & Observability, tres novedades orientadas a esas preguntas: digna Agentic, digna Data Reconciliation y el digna Engine. El resumen de 75 segundos recorre las tres en los proyectos de demostración de digna (datos ficticios, producto real), y las notas de la versión recogen todos los detalles.

digna Agentic: consulte a digna desde su asistente

Con digna Agentic, Claude y otros agentes de IA trabajan con digna a través del digna MCP Server, que utiliza el Model Context Protocol. Un agente puede gestionar proyectos, fuentes de datos, reglas, programaciones de inspección y suscripciones, leer los estados de inspección hasta el nivel de cada comprobación y seguir una alerta desde la fuente de datos hasta el segmento y el valor exacto que la origina.

Además, usted describe en lenguaje sencillo qué contiene cada fuente de datos y cada atributo, para que el agente sepa qué está leyendo; a partir de ahí puede responder preguntas de negocio con lo que digna ya monitoriza. En la demo farmacéutica, un fabricante ficticio de genéricos, la pregunta "¿qué producto cambió más?" devuelve amlodipino 5 mg en Chequia, cuyas ventas a 28 días cayeron de 1.376 envases a 411, un 70 % menos en cuatro semanas, a partir del 1 de junio y solo en Chequia. Si la configuración aún no permite responder, el agente puede sugerir un cambio, como añadir un dataset. El vídeo de digna Agentic muestra la conversación.

digna Data Reconciliation: ¿sigue coincidiendo el destino con sus fuentes?

Este nuevo módulo compara una fuente de datos de destino con las fuentes a partir de las que se construyó y le avisa cuando dejan de coincidir. Las reglas se configuran en la pestaña Data Reconciliation del destino, y cualquier fuente de datos del proyecto con la conciliación activada puede actuar como fuente.

Una regla exacta funciona como una regla de calidad de datos para una fuente y un destino: se emparejan comprobaciones por estadística y atributo, como recuentos de filas o sumas de importes, y se fija una tolerancia absoluta o relativa; su línea temporal muestra la diferencia de cada día frente a ella. En la demo de retail, un agregado diario de ventas mostraba 51.747 € de ingresos brutos el 26 de agosto, mientras que sus propias líneas de venta sumaban 66.205 €: un 21,8 % menos, frente a una tolerancia de ± 0,01 %.

Una regla de IA combina comprobaciones de varias fuentes con un destino, sin tener que definir joins, filtros ni agregaciones. Un modelo aprende del histórico cómo sigue el destino a sus fuentes y avisa cuando el destino queda fuera de la banda de errores pasados de la regla; cada regla tiene los ajustes Sensitivity, Memory y Model Complexity. En la demo, un data mart de pedidos construido a partir de diez tablas de origen contenía 1.742 pedidos el 6 de octubre, cuando sus fuentes predecían unos 2.771. Cada comprobación de conciliación aparece en el Dashboard, cuenta para el estado de inspección y genera notificaciones. El vídeo de digna Data Reconciliation explica ambos tipos de regla.

El digna Engine: elija dónde se ejecuta el perfilado

Cada conexión de base de datos tiene ahora una ubicación de perfilado, Source Database por defecto o el digna Engine, para cada tecnología de origen compatible. La versión también lleva a digna Data Validation las comprobaciones de integridad referencial entre conexiones, de modo que una comprobación puede abarcar dos conexiones y tecnologías, por ejemplo Oracle y PostgreSQL, Teradata y Snowflake, o Databricks y SQL Server. Cuando el perfilado se queda en la base de datos de origen, solo se exportan al Engine las columnas clave, y el Dashboard indica cuándo una comprobación se ejecuta sobre dos conexiones. El vídeo del digna Engine muestra el ajuste.

Pequeñas novedades en el perfilado

Los atributos de consulta permiten definir una columna como una expresión SQL y perfilarla como cualquier otra, hay una nueva categoría de columna Date y se puede perfilar un único atributo bajo demanda frente a la instantánea de una fecha.

Quién se beneficia

Los ingenieros de datos pueden validar los resultados de ETL, los equipos de finanzas y controlling pueden ejecutar conciliaciones estándar como reglas exactas, los equipos de gobierno del dato pueden comprobar la integridad referencial entre tecnologías y los usuarios de negocio pueden consultar a digna a través de un agente. Todo se ejecuta on-premises o en su nube privada, de modo que sus datos nunca salen de su infraestructura. Para verlo en contexto, haga el tour del producto digna.

Para conocer más a fondo el nuevo módulo, con ambos tipos de regla y los ejemplos de retail y del data mart de pedidos, consulte cómo digna Data Reconciliation comprueba que los destinos siguen coincidiendo con sus fuentes.

Preguntas frecuentes

¿Qué hay de nuevo en digna Release 2026.11?

digna Agentic, que permite a los agentes de IA trabajar con digna a través del digna MCP Server; el nuevo módulo digna Data Reconciliation; y el digna Engine, con una ubicación de perfilado por conexión y comprobaciones de integridad referencial entre conexiones. El perfilado incorpora además atributos de consulta, una categoría de columna Date y perfilado bajo demanda.

¿Qué agentes de IA pueden trabajar con digna?

Claude y otros agentes de IA, a través del digna MCP Server y el Model Context Protocol. Pueden gestionar la configuración, leer resultados hasta el nivel de cada comprobación, investigar alertas y responder preguntas de negocio.

¿Cuál es la diferencia entre las reglas exactas y las reglas de IA en digna Data Reconciliation?

Una regla exacta empareja una comprobación sobre una fuente con una comprobación sobre un destino y las compara con una tolerancia absoluta o relativa. Una regla de IA combina comprobaciones de varias fuentes, aprende cómo las sigue el destino y avisa cuando este queda fuera de la banda de errores pasados de la regla.

¿Puede digna comprobar la integridad referencial entre dos bases de datos diferentes?

Sí. Las comprobaciones de integridad referencial en digna Data Validation pueden abarcar dos conexiones y tecnologías, como Teradata y Snowflake.