Uno de los ejemplos más potentes del uso de un agente de IA con servicio de un MCP aplicado a series temporales y forecasting es el ecosistema de BigQuery ML. Gracias a su integración nativa con el entorno de Google Cloud, se puede utilizar al agente MCP para recibir la solicitud del usuario en lenguaje natural, transcribirla a una instrucción de una query de SQL y una función ML que entrene un modelo de regresión, ARIMA, ETS o de deep learning, ejecutar el modelo sobre los datos extraídos con BigQuery y visualizar las predicciones sin necesidad de exportar resultados. Por último, aprovechando el resto de sinergias de Google, se pueden crear aplicaciones hospedadas en Google Cloud con las APIs de BigQuery y Bigquery ML integradas. Ahora, simulemos un ejemplo de este proceso simplificado:

Usuario: “Haz una predicción de los volúmenes de leads semanal de los productos de la categoría electrodomésticos para el próximo mes”.

El agente MCP se conecta a BigQuery, encuentra la tabla de ventas, ejecuta un modelo ARIMA con BigQuery ML y devuelve gráficos y valores de predicción. Todo esto sin intervención técnica del usuario.