Publicación de Qubika

Rumbo a Santiago. Y justo esta semana, Qubika subió un poco el volumen. 🎸 AIM Research reconoció a Qubika como Leader entre los proveedores de servicios Databricks en su evaluación 2026, con uno de los tres mejores scores en Technology Maturity. Y casi en simultáneo, anunciamos la incorporación de Tryolabs a Qubika: 16 años construyendo Machine Learning e AI en producción, sumando un equipo extraordinario a lo que venimos construyendo en Data & AI. Alan Descoins se incorpora además como nuestro Chief AI Officer. Dos noticias que nos ponen muy contentos. Y que le dan todavía más impulso a lo que viene. Así que llegamos al #DatabricksLive con más AI, más músculo y unas ganas enormes de poner todo eso a trabajar. El resto, mejor conversarlo en persona.

Las conversaciones que aceleran decisiones empiezan cuando ponemos el problema real sobre la mesa. El martes vivimos #DataCocktail, un encuentro organizado por #UpSociative junto a Snowflake para conversar sobre un desafío concreto: cómo reducir esperas, retrabajos y validaciones tardías en proyectos de datos e IA. Gracias a cada una de las personas que participó y fue parte de este encuentro. Su presencia hizo posible una conversación cercana sobre los desafíos que enfrentan hoy las iniciativas de datos e IA. También agradecemos al equipo de #Snowflake en Chile por construir esta instancia con nosotros. Seguimos convencidos de que acelerar el #TimeToMarket exige algo más que tecnología: requiere conectar negocio, datos, personas y decisiones desde el inicio. ¿Qué está frenando hoy el avance de tus iniciativas de datos e IA? #DataLeadership #InteligenciaArtificial

190 mil millones de dólares. Cinco mil millones en una sola ronda. Databricks acaba de cerrar la que probablemente sea la operación de financiamiento más grande en la historia del software, y el mensaje no es para los incautos. Lo interesante no es la cifra, sino lo que revela del momento que vive la industria. Mientras el mercado público castiga a las empresas de IA que no logran convertir promesas en ingresos, los inversores privados siguen apostando cantidades obscenas por la infraestructura que sostiene todo esto. Databricks no vende modelos, vende el piso sobre el que se construyen. Hay una lectura más incómoda, sin embargo. Valoraciones como esta asumen que el crecimiento actual se mantendrá sin fricciones, que las empresas seguirán pagando por procesar datos a escala industrial. Pero la historia reciente de la tecnología está llena de compañías que confundieron una ola con el océano. La pregunta de fondo no es si Databricks vale eso, sino si la IA empresarial es realmente el negocio que todos quieren que sea. Por ahora, los números dicen que sí. Pero a estas alturas ya aprendimos a desconfiar de los números.

Databricks levantó su segunda ronda del año: 5 mil millones. Según Bloomberg, la operación valúa a la empresa en 190 mil millones de dólares y llega pocos meses después de la anterior. Databricks no vende un chatbot ni un asistente: vende la plomería donde viven los datos con los que otros entrenan y consultan modelos. Ahí está la señal. El dinero grande de esta ola dejó de ir a las demos y se está yendo a la capa aburrida: dónde están tus datos, en qué formato, con qué permisos y qué tan rápido puedes conectarlos a algo que los use. Es justo la capa que casi ninguna pyme en LATAM tiene ordenada. Por eso tantos proyectos de IA se atoran en la misma piedra. La conversación empieza en "quiero un agente" y termina en que la información de ventas vive repartida entre hojas de cálculo, un CRM a medio llenar y conversaciones de WhatsApp. Ningún modelo arregla ese desorden; lo hereda y lo amplifica. La buena noticia es la asimetría. Ordenar esa capa en una empresa de veinte personas cuesta semanas, no trimestres. Y nadie va a levantar 5 mil millones de dólares para hacerlo por ti. #IA

Databricks levantó su segunda ronda del año: 5 mil millones. Según Bloomberg, la operación valúa a la empresa en 190 mil millones de dólares y llega pocos meses después de la anterior. Databricks no vende un chatbot ni un asistente: vende la plomería donde viven los datos con los que otros entrenan y consultan modelos. Ahí está la señal. El dinero grande de esta ola dejó de ir a las demos y se está yendo a la capa aburrida: dónde están tus datos, en qué formato, con qué permisos y qué tan rápido puedes conectarlos a algo que los use. Es justo la capa que casi ninguna pyme en LATAM tiene ordenada. Por eso tantos proyectos de IA se atoran en la misma piedra. La conversación empieza en "quiero un agente" y termina en que la información de ventas vive repartida entre hojas de cálculo, un CRM a medio llenar y conversaciones de WhatsApp. Ningún modelo arregla ese desorden; lo hereda y lo amplifica. La buena noticia es la asimetría. Ordenar esa capa en una empresa de veinte personas cuesta semanas, no trimestres. Y nadie va a levantar 5 mil millones de dólares para hacerlo por ti. #IA

📌 Databricks recauda 5.000 millones de dólares y alcanza una valoración de 190.000 millones 🔗 Ver más: https://lnkd.in/eyQJN5zE 📅 13 de agosto de 2026 Databricks recauda 5.000 millones de dólares en una ronda de financiación, alcanzando una valoración de 190.000 millones. La empresa de datos e inteligencia artificial superó con creces su objetivo inicial de 1.000 millones debido al gran interés de los inversores. La ronda de financiación fue liderada por firmas como Coatue, Blackstone y Sixth Street Growth. 📌 La tasa de ingresos anualizados de Databricks es de 7.000 millones de dólares, con un crecimiento del 80%. El costo de desarrollar e innovar en IA es alto, por lo que Databricks justifica la captación de capital para cubrir gastos operativos. 📰 La empresa mantiene compromisos millonarios con proveedores de nube y sostiene un equipo de investigación de alto nivel. Amplía los detalles de esta noticia en el enlace de nuestra bio o visitando espiganoticias.net #Noticias #Tecnología #InteligenciaArtificial #Databricks #Finanzas #Venezuela

No te pierdas la conversación entre Manuel Cid Garcia y Sergio Garcia Desplat sobre la alianza entre Capgemini Databricks, una relación estratégica que ofrece a las empresas españolas el conocimiento tecnológico y sectorial necesario para liderar la economía del dato. En Capgemini contamos con fuertes capacidades y profesionales formados en Databricks que nos permiten ofrecer una respuesta a escala para potenciar la IA en nuestros clientes. Un ejemplo claro es el trabajo que estamos realizando con repsol donde estamos industrializando soluciones de de IA para ellos, en ámbito de upstream y downstream sobre Databricks, transformando sus estándares de IA en herramientas con impacto real en negocio. Pero este éxito no es exclusivo del sector energético: la alianza de Capgemini y Databricks está acelerando la adopción de la IA en España. En el sector de telecomunicaciones, trabajamos con una de las principales operadoras del país optimizando su estrategia de datos para mejorar la experiencia de cliente; y en el sector asegurador estamos ayudando a grandes entidades nacionales a implementar modelos de detección de fraude y personalización de pólizas. Como resultado de esta estrecha alianza, hemos sido distinguidos como Partner del Año EMEA 2026 por Databricks, un reconocimiento que avala el éxito alcanzado conjuntamente y la confianza mutua construida a lo largo del tiempo. #CapgeminiSpain

Cómo Alpura pasó de hojas de cálculo a decisiones en tiempo real. El desafío de Alpura no era la falta de datos, sino la falta de una fuente de verdad única. Con sistemas fragmentados y ciclos de desarrollo de hasta 12 semanas, necesitaban un cambio de fondo. Construyeron manchasONE, su propia plataforma unificada de inteligencia de datos sobre Databricks. Los resultados en tiempo récord: ✅ Ciclos de despliegue reducidos de 12 semanas a 2–5 días. ✅ +10 aplicaciones en producción que sirven a cientos de usuarios. ✅ Gobernanza unificada que permite que ventas, fábrica y cadena de suministro trabajen con los mismos datos. Lo más valioso de este caso no es la IA, sino la velocidad: la capacidad de entregar información confiable a quienes toman decisiones en días, no en meses. Felicidades a Marvin N. y a todo el equipo de Alpura por esta transformación. https://lnkd.in/eugFUdTE #DataIntelligence #Alpura #Databricks #TransformaciónDigital #MexicoTech

Databricks acaba de cerrar una ronda de US$5.000 millones a una valoración de US$190.000 millones. Lo que me detuvo fue la frase de su CEO, Ali Ghodsi: "El mundo permanece prácticamente igual, salvo que el gasto en tokens está aumentando." Su argumento: el cuello de botella de la IA ya no es qué tan inteligente es el modelo, es el contexto (contratos, correos, reglas y procesos reales de su empresa). Llevo meses viendo, no en una empresa de US$190.000 millones sino en pymes: sistemas de entrada que clasifican correos, flujos de caja que se actualizan solos, bitácoras que se concilian sin que nadie las teclee. En ningún caso el valor estuvo en usar el modelo más potente disponible. Estuvo en darle a un modelo cualquiera, acceso ordenado a la información real del negocio. Si la tesis de Ghodsi es correcta, tiene una implicación incómoda para quien cree que la ventaja competitiva en IA se compra suscribiéndose al modelo de moda. Una empresa con el modelo más avanzado del mercado, pero con información fragmentada, probablemente automatiza menos que otra con un modelo mediocre y su casa en orden. El modelo se está volviendo commodity. Lo que queda, y que nadie más puede hacer por usted, es qué tan bien ordenada tiene su propia información. https://lnkd.in/e4Q7CSCZ

Ayer, como cada año, tuve la oportunidad de participar en el Chief Data Officer Day (CDO Day): el mayor evento de datos en la CDMX. Vi muchas pláticas interesantes acerca del valor de la IA y los nuevos sistemas agénticos, y nuestro panel en particular todo el punto de creación de valor con el uso de los datos. En la era agéntica, en esa búsqueda del ROI, vemos más y más empresas construir soluciones que tienen los mismos errores que cuando comenzamos con el SW: - Tener tres proveedores para tres soluciones que son técnicamente iguales. (¿se acuerdan cuando la empresa contrataba 3 CRMs?) - No integrar la tecnología con las soluciones existentes (shadow IT) - Delegar todo el desarrollo de la solución a terceros. Yo soy un firme creyente de que la industria de la consultoría de desarrollo al estilo fábrica de software está en sus últimos años, ahí tienen la acción de IBM en el suelo.