Workday Data Cloud abre su sistema de registro a agentes de IA con datos en vivo, contexto y gobierno

🕒 Publicado en Zendoric: 20 de octubre de 2026 · 00:19
✨ Generado con IA · cómo se hace
Workday presentó en su evento Rising la arquitectura Workday Data Cloud, que abre su Sistema de Registro (System of Record) directamente a agentes de IA. Según la compañía, los equipos ya no tienen que extraer datos, duplicarlos ni reconstruir la seguridad: los agentes trabajan con los mismos datos en vivo, la misma…
Workday presentó en su evento Rising la arquitectura Workday Data Cloud, que abre su Sistema de Registro (System of Record) directamente a agentes de IA. Según la compañía, los equipos ya no tienen que extraer datos, duplicarlos ni reconstruir la seguridad: los agentes trabajan con los mismos datos en vivo, la misma lógica de negocio y los mismos permisos que ya gestionan la operación. El texto es un blog corporativo del propio proveedor, así que las cifras y los resultados que cita son afirmaciones de Workday, no verificaciones independientes.
La arquitectura se organiza en cuatro capas. La primera es el Open Data Core, que unifica datos operativos e históricos en una base de más de 240 objetos de negocio precurados. La segunda es el acceso y procesamiento de datos, con Live Data Query. La tercera es la Context Layer, que empaqueta la lógica de negocio codificada. La cuarta son las herramientas listas para agentes (Agent-Ready Tools for Data), que canalizan cada acción por el Workday Agent Gateway.
En cuanto a disponibilidad, Agent Lake y Live Data Query son de disponibilidad general desde esta semana. Los modelos semánticos de la Context Layer y las Agent-Ready Tools for Data están en acceso anticipado (Early Access).
Capa 1, Open Data Core. Workday sostiene que la arquitectura empresarial ha estado dividida entre sistemas operativos para transacciones en vivo y lagos analíticos para datos históricos, unidos por costosos y lentos procesos ETL. Su propuesta es reunir ambos mundos en un único núcleo. El sistema transaccional de Workday es, según la empresa, un Memory Graph nativamente orientado a objetos que encapsula datos, lógica calculada, relaciones de múltiples instancias e historial con vigencia temporal. El argumento de la compañía es que los modelos de fundación son muy fluidos con el lenguaje pero poco capaces de manejar jerarquías y tiempo, algo que su grafo ya entiende.
Por el lado analítico, Workday vuelca más de 240 objetos de negocio precurados (entre ellos Worker, Position, Cost Center, Purchase Order y General Ledger Account) en formato abierto Apache Iceberg dentro de su Agent Lake. Esos datos pueden federarse, sin copia y de forma bidireccional, hacia Google BigQuery, Salesforce Data 360 y Snowflake, que ya están en disponibilidad general, y hacia Databricks y Amazon SageMaker, que están en acceso anticipado. La compañía afirma que procesa cada mes más de 500 billones de filas de datos de RR. HH. y finanzas (500 trillion en el original en inglés) y que integra más de 229.000 millones de filas de datos externos en su lago.
El texto incluye una cita atribuida a un responsable de soluciones de datos de un cliente, que describe a Workday como una de las «tres patas de un taburete» en su empresa y dice que Data Cloud amplía su valor al permitir la integración basada en informes a escala.
En seguridad, Workday critica que la mayoría de los lagos de datos obligan a montar un segundo sistema de permisos desconectado del que ya gobierna los datos dentro de Workday. Su alternativa es la Contextual Security sobre Agent Lake, que limita el acceso según la relación concreta de cada persona con el dato, no según su rol. El ejemplo que da: un director regional de RR. HH. ve su región, mientras que un responsable de compensación ve su banda salarial en todas las regiones; el mismo objeto produce dos respuestas distintas y correctas. La empresa dice que extiende ese modelo, ya configurado por los clientes, a las cargas analíticas y agénticas sobre el lago.
Capa 2, acceso y procesamiento. Live Data Query, ahora en disponibilidad general, enruta cada consulta simultáneamente entre el estado operativo en vivo y el Agent Lake, con latencia inferior al segundo y sin ETL. Es una capa de ejecución distribuida basada en el motor de código abierto Trino, que aísla la carga de ejecución para que un panel de BI masivo o un agente analítico no compita con el rendimiento transaccional del núcleo. Los puntos de acceso exponen JDBC estándar, conectores nativos de BI e interfaces del Model Context Protocol (MCP). Según Workday, aplica políticas de seguridad unificadas en la capa de consulta y evita la extracción por lotes y la replicación. Como ejemplo, los analistas pueden ejecutar paneles de Power BI o Tableau en vivo contra el estado transaccional de Workday bajo los permisos nativos.
Workday afirma que sus primeros usuarios ejecutaron más de 1.645 consultas en vivo en Databricks, Snowflake, Power BI y Tableau durante los tres primeros meses. Según la empresa, fueron entre dos y tres veces más rápidas que la extracción heredada vía RaaS (el mecanismo de informes como servicio de Workday), y lograron ejecutar consultas que antes fallaban por las limitaciones anteriores.
Capa 3, Context Layer. Workday sostiene que intentar corregir las alucinaciones de la IA apuntando los modelos a registros de consultas en bruto, o metiendo relaciones empresariales complejas en un prompt, está condenado al fracaso. Cita unas conclusiones recientes de investigadores de IA de frontera según las cuales el cuello de botella de los agentes analíticos no es el acceso a datos históricos, sino la comprensión estructural. No se detalla en el texto qué estudio es.
La Context Layer, dice la empresa, codifica 20 años de experiencia de dominio empresarial y ofrece un modelo predefinido y determinista que los LLM y agentes consultan mediante endpoints MCP. Con ello, afirma, poda el contexto del prompt, reduce el consumo de tokens y elimina métricas alucinadas. La frase que resume la idea: la seguridad le dice al agente lo que puede ver; la semántica le dice qué significan las cosas.
En acceso anticipado hay modelos semánticos preconfigurados de finanzas y HCM. No son esquemas autogenerados, sino que empaquetan los KPI, la lógica de paneles y las reglas de negocio codificadas que ya residen en el Memory Graph transaccional. Cubren objetos como Headcount, Cost Centers y Voluntary Turnover. Workday añade que, en Rising, hizo disponibles modelos semánticos entregados de serie para objetos comunes de HCM y finanzas para el desarrollo de agentes en Workday. Como se apoyan en la misma plataforma gobernada que usan los clientes para extenderlos, las organizaciones pueden crear versiones personalizadas, y esos modelos «tenantizados» heredan automáticamente la seguridad y la lógica de negocio existentes.
La promesa práctica es que cualquier agente, ya sea de Workday, del cliente o de un tercero, use una definición única y auditable de métricas como la rotación o la plantilla. El ejemplo del texto: la pregunta «¿cuál es nuestra tasa de rotación lamentable para mandos con personas a cargo en EMEA este trimestre?» daría la misma respuesta desde cualquier agente y herramienta, porque la definición de «rotación lamentable», la jerarquía organizativa y los límites del trimestre con vigencia temporal viven en el modelo semántico y no en un prompt.
Capa 4, experiencias agénticas. Workday plantea que los datos y el contexto dicen a un agente qué es verdad, pero no qué tiene permitido hacer ni quién responde si algo sale mal. Para ello presenta, en disponibilidad anticipada, las Agent-Ready Tools for Data, expuestas mediante MCP estándar. Ofrecen descubrimiento dinámico de esquemas, orquestación automatizada de datos, gestión del ciclo de vida de conjuntos de datos e ingesta y extracción gobernadas.
Cada llamada de herramienta de un agente pasa por el Workday Agent Gateway, que aplica autorización en tiempo de ejecución, limitación de tasa y límites de política de negocio. Además, la identidad, las habilidades y los registros de ejecución de cada agente se inscriben en el Workday Agent System of Record (ASOR) mediante Agent Passport, una herramienta de gobierno y seguridad para probar, verificar y monitorizar continuamente a los agentes antes y durante su despliegue.
Según la empresa, los agentes se ejecutan bajo delegación explícita del usuario. Si un agente autónomo intenta una acción que supera los límites fijados, como topes de gasto o reglas de política regional, la plataforma enruta la petición a un flujo de aprobación con humano en el circuito o ejecuta protección de reversión de transacciones con estado. Workday añade que las aplicaciones creadas por socios no son una puerta lateral a los datos, sino que quedan sujetas al mismo gobierno que el resto de lo que opera contra el Sistema de Registro.
Qué conviene retener. El planteamiento de Workday es que el valor para los agentes empresariales no está solo en acceder a los datos, sino en tres cosas a la vez: datos vivos sin copias, significado de negocio consistente y acciones gobernadas con trazabilidad. Es también una apuesta por estándares abiertos (Iceberg, Trino, JDBC, MCP) y por la federación sin copia hacia las plataformas de datos de terceros más usadas. Como contrapunto, el texto es material promocional publicado durante el evento Rising: las mejoras de velocidad, la reducción de tokens y la eliminación de alucinaciones se presentan sin metodología ni datos de contraste, y buena parte de la capa de contexto y de las herramientas para agentes sigue en acceso anticipado, por lo que su madurez real está por demostrarse.
🔗 Relacionadas en Zendoric
- Por qué los agentes de IA fallan con confianza: no es el modelo ni el contexto, es la ingeniería de datos · 2026-07-24
- JFrog AI Catalog se convierte en plano de control para blindar a los agentes de IA que escriben código · 2026-09-05
- Altman aparca la salida a bolsa de OpenAI y admite que construir una IA fuera de control es «absolutamente» posible · 2026-09-13


