23. Cada número con su fuente

Un número sin fuente no se puede revisar

Un informe es trazable cuando cada cifra que contiene puede rehacerse: se sabe de qué versión de los datos sale, de qué tabla y de qué filas o de qué consulta. En Verificar lo que dice la máquina se cerraba con una idea que aquí se desarrolla: un resultado trazable puede revisarse, mientras que uno que no lo es solo puede creerse o descartarse.

La exigencia no es nueva. Un buen analista siempre supo indicar de dónde salía cada número de una presentación. Lo que cambia con los agentes es la escala y el estilo: un agente puede producir en minutos un informe de diez páginas, bien redactado y con decenas de cifras, y el formato prolijo no dice nada sobre si esas cifras salen de los datos. Este capítulo propone una regla simple para los informes hechos por agentes (cada número con su fuente) y un formato concreto para cumplirla.

La falla habitual: una afirmación segura sin respaldo

Cuando se piensa en los errores de un agente que trabaja con datos, lo primero que aparece es el cálculo mal hecho: una suma que omite un filtro, una unión que duplica filas. Esos errores existen, pero tienen una ventaja: dejan rastro en el código y alguien puede encontrarlos. La falla más difícil es otra: un agente que afirma con seguridad algo que los datos no respaldan. Un conteo que nunca se consultó, un "creció 12%" calculado sobre una copia vieja, un "se cargaron 500 registros" cuando en la tabla hay 480. El texto es correcto en la forma y no tiene ningún vínculo con la base.

La investigación reciente lo mide. Un trabajo de 2026 sobre agentes que operan bases de datos encontró que, antes de aplicar control alguno, 21 de 220 respuestas contenían una afirmación sin respaldo del tipo que se controlaba. Al exigir que cada afirmación de ese tipo estuviera atada a una traza de lo que efectivamente se ejecutó, ninguna de las 199 respuestas emitidas la tuvo, a costa de 21 respuestas menos. El resultado deja dos enseñanzas. La primera es que conviene verificar el estado de los datos y no la descripción que el agente hace de él. La segunda es que abstenerse es un resultado válido: la regla cambia cobertura por confiabilidad, un intercambio similar al que se elige al fijar un punto de corte en Regresión logística.

Frenar esa falla es lo que vuelve confiable a un análisis hecho por agentes. Y la forma más directa de frenarla es que cada cifra lleve su fuente.

Primero, la versión de los datos

Los datos cambian. Una tabla de pedidos a las 9 no es la misma que a las 18, y una consulta repetida al día siguiente puede dar otro resultado sin que nadie se haya equivocado. Por eso un informe declara la versión de los datos de la que sale, una sola vez, al principio o al final.

En un almacén versionado, como el que se describe en Agentes que analizan, esa versión es un número de snapshot. Con DuckLake, una consulta escrita con AT (VERSION => n) devuelve exactamente lo mismo hoy que dentro de un año, aunque se hayan cargado miles de filas nuevas. Sin esa referencia, cuando un número no coincide con lo que alguien ve después, no hay forma de distinguir un error de un cambio en los datos. Es, en esencia, la propiedad de replicabilidad que este libro viene señalando desde Entorno de trabajo.

Después, la tabla y la fila, o la consulta

Las cifras de un informe son, habitualmente, de dos clases:

  • Un valor de una fila. El estado de un cliente, la fecha de un pedido, el presupuesto de una campaña. Se cita con la tabla y la clave de la fila.
  • Un valor calculado. Un total, un promedio, un conteo, una variación. Se cita con la consulta que lo produce, completa y ejecutable, y con el resultado que devolvió.

Un formato concreto, que un agente puede producir sin esfuerzo y una persona puede leer sin entrenamiento, consiste en marcas cortas en el texto y un bloque de fuentes al final:

En octubre se registraron 1.284 pedidos pagados, por un total de $ 18.420.500 [F1]. El ticket promedio fue de $ 14.346 [F2], y el cliente con mayor facturación del mes fue C-0193 [F3].

Fuentes
Datos: almacén central, snapshot 412 (2026-11-02 09:00)

[F1] ventas.pedidos
     SELECT count(*) AS pedidos, sum(importe) AS total
     FROM ventas.pedidos AT (VERSION => 412)
     WHERE estado = 'pagado'
       AND fecha >= DATE '2026-10-01' AND fecha < DATE '2026-11-01';
     → pedidos 1284 | total 18420500

[F2] Calculado a partir de [F1]: total / pedidos = 18420500 / 1284
     → 14346,18

[F3] ventas.clientes, clave cliente_id = 'C-0193'
     (el primero al ordenar la consulta de [F1] agrupada por cliente_id,
      por sum(importe) descendente)

Algunas reglas acompañan al formato:

  • Una versión para todo el informe. Si por algún motivo se combinan versiones, cada fuente declara la suya.
  • La consulta tal como se ejecutó, con sus filtros y su resultado sin redondear; el redondeo va en el texto.
  • Una fila se cita por su clave, nunca por su posición. "La fila 15" deja de significar algo apenas la tabla cambia de orden.
  • Una cifra derivada cita las cifras de las que sale y la operación, como [F2], de modo que un error en la base se pueda rastrear hasta todo lo que depende de ella.
  • Una cifra sin fuente no sale, o sale marcada explícitamente como estimación o como dato no verificado (como hace Manipulación de datos con el dicho del 80%, que no tiene una fuente verificable).

Quién revisa las citas

Una cita solo es útil si alguien la revisa, y aquí está la ventaja del formato: la revisión es mecánica. Basta con ejecutar cada consulta sobre el snapshot citado y comparar el resultado con lo que dice el texto, algo que puede hacer un programa sin intervención de una persona. Lo mismo vale para las filas citadas por clave. Las personas quedan para lo que no se puede automatizar.

Y hay cosas que no se pueden automatizar. Una cita verifica que el número sale de la consulta, no que la consulta responda la pregunta correcta. Un total de ventas puede estar bien calculado y haber excluido las devoluciones cuando la pregunta las incluía; la ambigüedad que se trataba en Preguntarle a los datos en lenguaje natural sigue presente. Para reducirla, conviene que el agente consulte métricas definidas una sola vez, en una capa semántica, y no que escriba SQL libre para cada informe: así "ventas" significa lo mismo en todos los informes del equipo. Cabe señalar también que quién firma un informe y quién decide cuándo una cifra sin fuente puede salir son preguntas de organización, más que de datos, y se desarrollan en el libro Business factories, del mismo autor.

Por último, la trazabilidad tiene un costo: el informe es un poco más largo y el agente debe guardar cada consulta que ejecuta. Es un costo chico frente a la alternativa, que es revisar un informe entero porque una sola cifra resultó falsa y no se sabe cuáles más lo son.

Recapitulando

Un informe hecho por agentes es confiable en la medida en que cada número puede rehacerse. Para eso declara la versión de los datos de la que sale y cita, por cada cifra, la tabla y la clave de la fila o la consulta que la produce, con su resultado. La falla que esta regla frena no es el cálculo equivocado, que deja rastro, sino la afirmación segura que los datos no respaldan. Una cita no reemplaza el criterio de quien lee, pero lo dirige hacia donde hace falta: la pregunta, y no la aritmética.

Para profundizar