Pasos para crear un agente de análisis y limpieza de datos
- Planificar la funcionalidad del agente
Antes de tocar la plataforma, define qué hará el agente:
Problema a resolver: recibir conjuntos de datos (CSV, Excel, JSON), detectar problemas de calidad, limpiarlos y generar un reporte.
Entradas: formato de los archivos, tamaño máximo y origen (carga manual, carpeta, API).
Tareas del agente, en orden:
Perfilado: revisar tipos de datos, rangos, duplicados, valores atípicos y porcentaje de vacíos por columna.
Limpieza: normalizar formatos (fechas, texto, mayúsculas), eliminar duplicados y corregir tipos.
Imputación de vacíos: elegir la estrategia por columna. Usa media o mediana para numéricos, moda o categoría “Desconocido” para categóricos, interpolación para series de tiempo, o deja el vacío si imputar distorsiona los datos.
Reporte: resumen de lo detectado, lo que se cambió, métricas antes y después, y gráficos.
Salidas: dataset limpio (CSV/Excel) y reporte (PDF, HTML o Markdown).
Reglas y límites: qué puede modificar el agente por sí solo y qué debe consultar. Conserva siempre el archivo original y registra cada cambio en un log.
2. Registrar la cuenta en la plataforma de OpenAI
Crea la cuenta en la plataforma para desarrolladores (platform.openai.com) con correo, Google o Microsoft, y verifica el correo. Para usar la API, configura la facturación y genera una clave de API. Guárdala en un lugar seguro (variable de entorno o gestor de secretos) y nunca la pongas en el código.
- Explorar el panel de control
Familiarízate con las secciones principales: proyectos, claves de API, uso y costos, y las herramientas para crear agentes y flujos. Tu instrucción menciona un “modo Work”, pero no puedo confirmar que ese nombre exista tal cual en OpenAI. Los nombres y menús de estas plataformas cambian seguido, así que busca la sección equivalente para crear agentes o flujos de trabajo y revisa la documentación oficial.
Configurar el primer proyecto
Crea un proyecto con un nombre claro, por ejemplo “Agente limpieza de datos”.
Define las instrucciones del agente (rol, pasos, formato de salida, reglas de seguridad).
Elige el modelo y los parámetros.
Guarda el trabajo en la nube de la plataforma y, como respaldo, exporta la configuración o el código a tu computadora o a un repositorio Git.
Prueba primero con un dataset pequeño y conocido, con vacíos y duplicados puestos a propósito, para verificar que el agente los detecta.Añadir y configurar bloques de herramientas
Las herramientas dan al agente la capacidad de actuar:
Intérprete de código: ejecuta Python (pandas, numpy, matplotlib) para limpiar, imputar y graficar. Es la pieza central de este agente.
Carga y búsqueda de archivos: para leer los datasets y documentos de reglas de calidad.
Funciones personalizadas o conectores: para leer de bases de datos, Drive o APIs, o para enviar el reporte por correo.
Tareas programadas: para ejecutar el agente de forma periódica sobre datos nuevos (por ejemplo, cada noche).
Validaciones: un paso final que compare filas y columnas antes y después, y verifique que no queden vacíos inesperados.
6. Probar y mejorar
Ejecuta con distintos datasets, revisa el log de cambios, ajusta las instrucciones y añade aprobación humana para cambios de alto impacto. Después de cada ajuste, vuelve a probar con los mismos casos para comprobar que nada se rompió.
Cuenta con el apoyo de la comunidad Alura en tu viaje. ¡Saludos y buenos estudios!