Databricks anunció el lanzamiento de Lakehouse//RT y LTAP durante la Data + AI Summit en junio de 2026. Estas herramientas están diseñadas para colapsar la infraestructura de datos tradicional, eliminando las barreras que dificultan que los agentes de IA actúen sobre información en tiempo real.
La meta es eliminar la latencia en la toma de decisiones. Durante décadas, las empresas han tenido que mantener bases de datos separadas para operaciones y análisis. Este modelo crea silos que los agentes de IA no pueden ignorar, ya que necesitan coherencia absoluta para razonar y actuar. Con estos nuevos productos, Databricks busca ofrecer lo que su cofundador, Reynold Xin, llamó el «santo grial para los agentes».
LTAP permite guardar datos sin procesos intermedios. Esta nueva arquitectura, conocida como Lake Transactional/Analytical Processing, almacena datos transaccionales nativos de Postgres directamente en formatos abiertos como Delta e Iceberg desde el momento de la escritura. Esto significa que:
- Se eliminan las tuberías de ETL que conectaban sistemas operativos con analíticos.
- Los datos operacionales residen en la misma capa de Lakehouse gobernada.
- Se mantiene Postgres como motor transaccional y Spark como motor analítico, compartiendo una única copia de datos.
Lakehouse//RT ofrece velocidad extrema sin copias extra. Mientras que LTAP se enfoca en la escritura, Lakehouse//RT resuelve el problema de la lectura de baja latencia. Logra una latencia de sub-100ms y un rendimiento hasta 16 veces mejor que las pilas de servicio dedicadas actuales.
La arquitectura se apoya en tres pilares técnicos clave:
- Motor de cómputo Reyden: Diseñado específicamente para servicios de alta concurrencia, consulta tablas directamente sin mover los datos.
- Rendimiento masivo: Soporta hasta 12,000 consultas por segundo con tiempos de respuesta de tan solo 10ms en conjuntos de datos pequeños.
- Gobernanza unificada: Cada consulta se ejecuta dentro del marco de Unity Catalog, eliminando la necesidad de capas de permisos separadas o copias de datos.
¿Qué significa esto para tu estrategia de datos? Si gestionas sistemas de datos empresariales, la pregunta ya no es qué herramienta es mejor para cada tarea, sino si mantener sistemas separados sigue siendo justificable. Los agentes de IA exponen las inconsistencias entre bases de datos más rápido que cualquier equipo humano, convirtiendo la fragmentación en un riesgo operativo.
El mercado se mueve hacia la consolidación. Datos de VB Pulse Q1 2026 muestran que la intención de recuperación híbrida se triplicó del 10.3% al 33.3%, mientras que la adopción de bases de datos vectoriales independientes declinó en todos los proveedores seguidos. Esta tendencia sugiere que las empresas deberían evaluar si pueden retirar sus capas de servicio en tiempo real y sus tuberías de ETL complejas en favor de un almacenamiento unificado.
El siguiente paso para las empresas es evaluar la madurez operativa. Aunque la arquitectura es sólida, el reto será demostrar que puede cumplir con la fiabilidad que los directores de tecnología (CIOs) exigen. ¿Es momento de simplificar tu stack o prefieres mantener la especialización de cada motor por ahora? Más sobre el tema: Google JAX AI Stack desafía a NVIDIA con TPU 3x más baratas.
