Microsoft abre Flint para que la IA genere gráficos más claros

Microsoft Research ha publicado Flint, un lenguaje de visualización de código abierto pensado para que los asistentes de IA generen gráficos útiles sin tener que escribir —ni improvisar— decenas de ajustes técnicos. La propuesta ataca un problema habitual: pedir un gráfico es sencillo; lograr que sea legible, correcto y fácil de modificar no tanto.

Flint funciona como una capa intermedia entre los datos, la instrucción de una persona o un agente y las bibliotecas que finalmente dibujan la visualización. Puede generar especificaciones para Vega-Lite, Apache ECharts y Chart.js, tres herramientas muy extendidas para construir gráficos en aplicaciones y análisis de datos.

Del gráfico válido al gráfico comprensible

Las bibliotecas de visualización actuales ofrecen mucho control, pero ese control tiene un coste. Para elaborar un mapa de calor, una serie temporal o un gráfico de barras bien resuelto hay que decidir cómo interpretar fechas, qué formato usar en los ejes, cuándo una escala debe empezar en cero, cuánto espacio necesitan las etiquetas o qué colores representan mejor valores positivos y negativos.

Un gráfico puede ser técnicamente válido y, sin embargo, inducir a una lectura equivocada. Una escala recortada puede exagerar una diferencia pequeña; unas etiquetas amontonadas pueden volver inútil una visualización; un color mal elegido puede ocultar la separación entre dos grupos de datos.

El problema se agrava cuando esas decisiones recaen en un modelo de lenguaje. Un asistente puede producir código que funciona, pero también omitir configuraciones importantes o generar una especificación larga y frágil, difícil de revisar por quien no domina la biblioteca concreta.

Flint intenta trasladar esas decisiones repetitivas al compilador. El usuario declara los datos y el tipo de gráfico, y asigna campos a canales visuales como el eje horizontal, el vertical, el color, el tamaño o las facetas. A partir de ahí, el sistema genera los detalles de bajo nivel necesarios para el motor elegido.

Los tipos semánticos son la pieza central

La diferencia relevante está en los llamados tipos semánticos: etiquetas que describen qué significa un dato, no solo cómo está almacenado. Una columna puede ser una fecha mensual, un precio, un porcentaje, un país, una clasificación o una medida de beneficio.

Esa información permite a Flint decidir, por ejemplo, cómo analizar una fecha, cómo mostrarla en un eje o qué escala cromática conviene emplear. En el ejemplo de Microsoft, un campo temporal se marca como YearMonth y una medida como Profit; con ello, el compilador resuelve el formato de fechas, el tamaño de las celdas, la leyenda y la escala de color de un mapa de calor.

No elimina la necesidad de revisar el resultado. Los tipos semánticos también pueden inferirse mal, especialmente cuando los nombres de las columnas son ambiguos o los datos contienen errores. Pero reduce el número de parámetros que un agente debe acertar para producir una primera versión razonable.

Resultados frente a la generación directa de Vega-Lite

Microsoft comparó Flint con DirectVL, una referencia en la que el modelo genera directamente especificaciones completas de Vega-Lite y después las evalúa. En pruebas sobre conjuntos de datos de TidyTuesday y con tres modelos, Flint obtuvo una puntuación superior en la evaluación automatizada por modelos de lenguaje.

Las puntuaciones comunicadas fueron 16,27 frente a 15,91 con GPT-5.1; 16,16 frente a 15,60 con GPT-5-mini; y 15,91 frente a 15,34 con GPT-4.1. La diferencia no convierte a Flint en una garantía de calidad visual: se trata de una comparación concreta y medida mediante un juez basado en modelos. Sí respalda la idea de que una especificación más estructurada puede ser más manejable para los agentes que el código detallado de una biblioteca concreta.

Microsoft ya emplea Flint en Data Formulator, su proyecto de análisis y visualización de datos asistidos por IA.

Disponible también mediante MCP

El proyecto incluye flint-chart, la biblioteca principal, y flint-chart-mcp, un servidor compatible con el Model Context Protocol o MCP. Este protocolo permite que un asistente conectado a un entorno de chat o programación use herramientas externas con una interfaz común.

Con ese servidor, un agente puede leer datos incorporados en la petición o desde archivos locales configurados, crear el gráfico, validarlo y abrir una vista interactiva para que la persona lo inspeccione. Es una integración orientada a flujos de trabajo donde el gráfico no es un documento final, sino parte de una conversación de análisis.

La apuesta de Flint no es que la IA sustituya el criterio de quien analiza los datos. Es separar la intención —«quiero comparar la evolución mensual por país»— de la configuración específica que exige cada motor de gráficos. Si esa capa semántica se consolida, cambiar de biblioteca o corregir una visualización generada por un asistente debería requerir menos código y menos conocimiento de detalles internos.