El mercado corporativo está viviendo una transición acelerada: las empresas ya no solo buscan herramientas de inteligencia artificial (IA) que escriban correos o resuman reuniones. Ahora, la carrera se centra en construir plataformas para "agentes autónomos", sistemas capaces de razonar, consultar bases de datos y ejecutar flujos de trabajo completos sin supervisión humana constante. En este contexto, Databricks acaba de dar un paso que redefine cómo estas máquinas acceden a la información crítica de una compañía.
Durante su reciente conferencia anual en San Francisco, Databricks presentó una arquitectura técnica diseñada para eliminar el muro entre los datos operativos y los analíticos. El objetivo es que los agentes de IA puedan trabajar directamente sobre una copia primaria de la información de la empresa, sin procesos de migración lentos o costosos. Según su cofundador y CEO, Ali Ghodsi, la inteligencia artificial general (AGI, por sus siglas en inglés) —aquella capaz de igualar o superar la capacidad cognitiva humana en múltiples tareas— ya está aquí. Sin embargo, el reto actual no es la falta de "inteligencia" de los modelos, sino cómo integrarlos de forma efectiva en la realidad operativa de los negocios.
La eficiencia como moneda de cambio
A pesar de que los ingresos anualizados de la compañía han crecido más de un 80% frente al año pasado, alcanzando los USD 6.900 millones, los márgenes de beneficio enfrentan presiones considerables. El motivo es técnico: el despliegue masivo de agentes autónomos consume una cantidad ingente de recursos computacionales, lo que dispara los costos operativos para los clientes. Si la IA es costosa, su adopción se estanca. Por eso, la nueva estrategia de Databricks se centra en optimizar el "motor de cómputo" necesario para que miles de agentes operen de forma simultánea con una latencia —el tiempo de respuesta del sistema— casi inexistente.
La empresa presentó su nuevo motor, Reyden, capaz de responder a consultas en milisegundos incluso bajo cargas de trabajo extremas. En mi lectura, este lanzamiento es un intento directo por desplazar a competidores como Snowflake, que también lucha por dominar la infraestructura de los agentes. La idea es simple pero ambiciosa: si la IA puede trabajar en tiempo real, la productividad corporativa escalará a niveles que hoy apenas imaginamos.
Resolver el problema del contexto empresarial
El gran obstáculo para que un agente de IA sea útil no es solo su velocidad, sino que comprenda el contexto específico de cada empresa. Databricks intenta solucionar esto con Genie Ontology, una capa de datos viva que aprende continuamente de la información interna y externa. Según Ghodsi, esto funciona de manera similar al algoritmo de búsqueda de Google: identifica qué datos son realmente relevantes para la toma de decisiones, permitiendo que el agente "compute" soluciones en lugar de simplemente "recitar" respuestas preconfiguradas.
Para gestionar estos despliegues, la compañía también presentó una puerta de enlace (AI Gateway) destinada a centralizar la gobernanza, la seguridad y el control de costos. Este último punto es fundamental. En las conversaciones de pasillo y las sesiones con inversionistas, el costo de los tokens —la unidad básica con la que se mide el consumo de modelos de lenguaje— es la preocupación número uno. Ninguna dirección de empresa quiere una factura sorpresa tras automatizar sus procesos críticos.
Además, Databricks refuerza su postura defensiva al anunciar la compra de Panther Labs (plataforma de operaciones de seguridad mediante IA), un movimiento estratégico para blindar a sus clientes frente a posibles ataques contra estos nuevos sistemas autónomos. El mensaje es claro: el futuro de la IA empresarial no depende de la espectacularidad de los modelos, sino de la infraestructura de datos, la seguridad y el control de costos que los sostienen.
Si bien figuras como Greg Brockman, cofundador de OpenAI, prefieren definir la AGI como una sensación más que como una meta técnica alcanzable, el sector empresarial ya está votando con sus presupuestos. La tesis es evidente: las empresas que logren conectar su inteligencia analítica con sus flujos de trabajo diarios mediante estos agentes serán las que dominen la próxima década. El ruido sobre la IA llegará a su fin cuando el software deje de ser un juguete y comience a ser un empleado más que realmente produce valor.
