Google Cloud rende GA l'indicizzazione LookML in Knowledge Catalog

I team dati possono far rispondere gli agenti AI con le metriche giuste, non solo con testo ben scritto: Google Cloud porta in disponibilità generale l’indicizzazione del linguaggio semantico LookML in Knowledge Catalog per Looker Core su Google Cloud¹.

Il problema che l’annuncio attacca è pratico: accesso ai dati non significa calcolo corretto delle metriche. Un agente AI può leggere schemi, lineage e policy, ma senza la semantica deterministica rischia risposte ambigue. L’indicizzazione di LookML mette nel catalogo aziendale le definizioni esatte delle metriche, con formule SQL, join e filtri, in forma ricercabile e sfruttabile dagli strumenti che interrogano il catalogo¹.

Google Cloud distingue due piani. Il contesto organizzativo: dove vivono i dati, come fluiscono, quali regole li governano. La semantica deterministica: come si definiscono e si calcolano le metriche a partire da quei dati. Il primo nasce da metadati eterogenei, spesso testuali. Il secondo vive in LookML, con specifiche tecniche che eliminano ambiguità. Pretendere che un solo strumento tratti allo stesso modo documentazione generica e regole di calcolo porta a errori. Portare LookML nel catalogo affianca ai metadati di contesto le istruzioni puntuali di calcolo¹.

Con questo quadro, un agente AI può rispettare le regole aziendali quando risponde a richieste complesse. Capisce la struttura leggendo schemi e lineage. Capisce il calcolo leggendo la semantica in LookML. Se una domanda tocca una metrica definita in LookML, trova le formule, i join e i filtri da applicare, senza indovinare. Il risultato è coerenza con le definizioni interne, non solo plausibilità linguistica¹.

L’iniziativa riguarda Looker Core su Google Cloud. L’indicizzazione della semantica LookML in Knowledge Catalog è ora disponibile in generale. Obiettivo dichiarato: aiutare chi porta in produzione agenti AI e applicazioni dati a colmare la distanza tra sapere dove sono i dati e saperli usare per calcolare le metriche secondo le definizioni approvate in azienda¹.

Il post che annuncia la GA è firmato da Maire Newton e Ramanan Balakrishnan, che inquadrano la mossa nel percorso verso agenti AI operativi in contesti reali: contesto e semantica devono convivere, ma non vanno confusi. Il catalogo offre il primo, LookML fornisce la seconda. L’indicizzazione unisce i due livelli in un unico punto di riferimento consultabile dagli strumenti che orchestrano le risposte degli agenti¹.

Per i team dati la ricaduta è immediata: si possono esporre nel catalogo, accanto a schemi e policy, le definizioni di calcolo già mantenute in LookML. Meno fogli sparsi, meno interpretazioni. E un percorso più diretto per collegare la BI esistente agli agenti che generano query e spiegazioni usando le regole di casa, non euristiche generiche¹.