Después de un primer día marcado por agentes de inteligencia artificial que corrigen pipelines de datos y toman decisiones dentro de los sistemas de las empresas, el Data+AI Summit 2026 llegó a su miércoles 17 de junio, en San Francisco, con un mensaje complementario y quizás aún más urgente: tener un agente de IA ya no es el desafío. El desafío es tener decenas de ellos, distribuidos entre ingeniería, marketing y seguridad, y aun así mantener todo bajo control. Databricks dedicó buena parte de los anuncios del segundo día a esta cuestión, con formas de combinar, proteger, gobernar e incluso personalizar visualmente el trabajo de estos agentes.
Una capa para dirigir todos los agentes al mismo tiempo
Hasta ahora, cada agente de inteligencia artificial venía con su propia forma de funcionar, su propia manera de recibir instrucciones y su propio historial, aislado de los demás. En la práctica, esto significa que un profesional puede tener cinco o seis agentes diferentes abiertos al mismo tiempo, copiando y pegando información entre ellos, sin ninguna capa que vea el conjunto. Databricks presentó Omnigent, un software de código abierto que funciona como una capa por encima de los agentes que la empresa ya utiliza, sean asistentes de programación propios o de otros proveedores. Esta capa permite combinar distintos agentes en un único flujo de trabajo, aplicar reglas de seguridad y de costos que valen para todos al mismo tiempo, como pausar un agente después de que gaste un determinado monto, y compartir sesiones de trabajo en tiempo real con otras personas del equipo, como si fuera un documento colaborativo. La lógica es similar a la evolución que ya vivimos en la gestión de servidores: las empresas dejaron de administrar cada máquina por separado y pasaron a gestionar flotas completas desde un panel central. Según Databricks, los agentes de IA están listos para el mismo cambio.
El marketing también necesita un cerebro en tiempo real
Uno de los anuncios más comentados del primer día, CustomerLake, recibió al día siguiente una explicación más profunda sobre su razón de ser. Databricks sostiene que el comportamiento del consumidor ya cambió: hoy es común que agentes de IA busquen vuelos, comparen precios e incluso finalicen compras en nombre de una persona, todo en pocos segundos. Esto vuelve obsoletas las herramientas de marketing tradicionales, diseñadas para campañas por lotes, decididas por personas y actualizadas cada pocos días. La respuesta de la empresa está en el concepto de Agentic CDP, del cual CustomerLake es la primera aplicación práctica: una plataforma de datos de clientes pensada para la era de los agentes, integrada directamente en la misma base de datos de la empresa, en lugar de funcionar como un sistema separado que debe sincronizarse. En la práctica, esto significa que, si el vuelo de un cliente se retrasa y viaja con sus hijos, el sistema puede reaccionar de inmediato, por ejemplo ofreciéndole acceso a una sala VIP, en lugar de enviarle días después un correo genérico de fidelización. Es la diferencia entre un conserje que ya sabe lo que le ocurre al huésped y un departamento de marketing que solo se entera de la situación en la siguiente campaña.
Genie Code estrena un centro de mando y ahora también entiende de modelos de IA
Genie Code, el agente de Databricks que ya utiliza el 90% de los clientes de la empresa, estrenó un centro de mando a pantalla completa, pensado para quienes gestionan varias tareas de datos al mismo tiempo. En lugar de seguir cada tarea en una pestaña separada, el usuario ve en un único panel el avance de cada línea de trabajo, lo que ya se completó y lo que aún espera una decisión humana, como cambiar decenas de pestañas abiertas en el navegador por una torre de control que lo muestra todo a la vez. Databricks también anunció que próximamente Genie Code podrá trabajar de forma autónoma en horarios programados, ejecutando tareas durante la noche y entregando los resultados listos para revisión a la mañana siguiente, como un turno adicional de trabajo que el equipo no necesita supervisar.
La misma herramienta también pasó a entender en profundidad el proceso de construcción de modelos de inteligencia artificial, desde la preparación de los datos hasta el monitoreo una vez que el modelo ya está en producción, porque ahora tiene acceso al historial de experimentos y a las reglas de gobernanza que cada empresa mantiene en su propia base de datos. Esto evita que el agente se comporte como un asistente genérico que solo adivina lo que la empresa necesita y lo convierte en alguien que ya conoce la historia de la casa. Databricks también amplió la infraestructura detrás de este frente: ahora ofrece acceso a GPUs bajo demanda para entrenar modelos, sin que la empresa tenga que montar su propia estructura de procesamiento, algo equivalente a contratar energía eléctrica en lugar de construir una planta propia, y reforzó la capa de servicio en tiempo real, hoy capaz de responder a más de 300 mil solicitudes por segundo con pocos milisegundos de espera, suficiente para sostener tareas como la detección de fraudes y las recomendaciones personalizadas en el momento exacto en que el cliente está decidiendo algo.
La seguridad y la gobernanza ganan un ecosistema abierto
Otro bloque de anuncios del día abordó un tema que se volvió inevitable a medida que los agentes de IA empiezan a actuar dentro de los sistemas de las empresas: ¿quién garantiza que hagan solo lo que deben hacer? Un día después de presentar Unity AI Gateway, su capa de gobernanza para modelos y agentes de IA, Databricks anunció el primer gran ecosistema de socios conectados a esa capa, que reúne a proveedores ya conocidos en seguridad, como Palo Alto Networks y CrowdStrike, y en gestión de identidades, como Okta, ahora adaptados para vigilar también el comportamiento de los agentes, y no solo el de las personas. La lógica es simple: si un agente de IA accede a sistemas internos como si fuera un empleado, también necesita una credencial, reglas claras sobre dónde puede entrar y alguien que observe lo que hace, exactamente como ocurre con cualquier persona contratada por la empresa.
Databricks también reforzó la infraestructura de seguridad y cumplimiento de la plataforma, con identidad automática para más proveedores de inicio de sesión corporativo, una forma de exponer solo herramientas específicas, como un tablero o un chat de datos, a usuarios externos sin abrir todo el entorno de la empresa, y nuevas certificaciones de cumplimiento en distintos proveedores de nube, incluidos estándares utilizados por hospitales, organismos públicos y sectores altamente regulados. Para las empresas que ya enfrentan exigencias estrictas de auditoría, esta ampliación elimina toda una capa de trabajo manual de adecuación.
Por último, Databricks retomó el discurso en torno a LakeWatch, su herramienta de seguridad que aborda los ciberataques del mismo modo en que, años atrás, abordó el problema de los datos corporativos: unificándolo todo en un único repositorio abierto, en lugar de dispersar la información entre decenas de herramientas que no se comunican entre sí. La justificación es que los propios ataques ya están automatizados con inteligencia artificial, y el tiempo promedio entre el descubrimiento de una falla y su explotación cayó de más de tres semanas a menos de dos días.
Los dashboards se suman a la conversación sobre identidad de marca
En un anuncio más discreto, pero muy práctico, Databricks mostró cómo personalizar la apariencia de los tableros de datos de AI/BI para que sigan la identidad visual de la empresa, con fuentes, colores y organización de layout propios, en lugar del aspecto estándar que cualquier empresa que use la herramienta también tendría. Más importante aún: esta personalización puede aplicarse una sola vez, a nivel del entorno de trabajo, y se aplica automáticamente a todos los tableros creados después.
Qué significa esto para quienes toman decisiones
Al observar el conjunto de anuncios del segundo día, queda claro que la discusión sobre la inteligencia artificial corporativa entró en una nueva fase. Ya no basta con tener un agente de IA que funcione bien en un único proceso; la pregunta que se hacen hoy las empresas líderes es cómo organizar, proteger y confiar en un número cada vez mayor de estos agentes, distribuidos en áreas tan distintas como la ingeniería de datos, el marketing y la seguridad de la información.
Para los sectores que manejan a diario datos sensibles, exigencias regulatorias y procesos críticos para el negocio, el mensaje es directo: la madurez en datos e IA ya no se mide por la cantidad de modelos en producción, sino por la capacidad de gobernar, con seguridad e identidad claras, todo lo que esos modelos y agentes hacen dentro de la empresa.