Confluent, la compañía de IBM especializada en streaming de datos, ha dado a conocer su nueva arquitectura de Streamhouse en el marco de la conferencia Current 2026 celebrada San Francisco.
Ante la los clientes, partners y la prensa internacional que nos hemos trasladados a ciudad del Golden Gate estos días, la compañía ha presentado una propuesta que, según anuncia, busca superar las limitaciones de los sistemas tradicionales por lotes y almacenes de datos como, los data lakes y lakehouses; permitiendo capturar, procesar, gobernar y consultar el estado operativo del negocio de forma continua.
Durante la sesión inaugural del congreso, Shaun Clowes, Director General de Confluent y Data en IBM, ha explicado que el despliegue a gran escala de agentes autónomos exige un cambio de paradigma en la infraestructura de datos corporativa. «Las arquitecturas convencionales basadas en transferencias y procesos por lotes fueron concebidas para alimentar análisis humanos con retrasos de horas o días, un esquema que resulta insostenible cuando los modelos toman decisiones de negocio de manera autónoma», ha advertido Clowes.
En este sentido, el directivo ha remarcado que, a diferencia de las personas, los agentes inteligentes no detectan incoherencias temporales de forma intuitiva, por lo que si se les proporciona información fragmentada o desactualizada, tomarán malas decisiones a la velocidad de una máquina. Como síntesis de esta visión, Clowes ha subrayado que «la próxima era de la inteligencia artificial empresarial la ganarán aquellos agentes que conozcan con precisión qué está sucediendo en el negocio en el mismo instante en que actúan».
La próxima era de la inteligencia artificial empresarial la ganarán aquellos agentes que conozcan con precisión qué está sucediendo en el negocio en el mismo instante en que actúan
Shaun Clowes, Director General de Confluent y Data en IBM
Índice de temas
Toma de decisiones en milisegundos
El lanzamiento técnico se apoya en la consolidación del pilar de consulta, o Query, dentro de la plataforma de streaming de Confluent, sumándose a sus funciones de transmisión, conexión, procesamiento y gobernanza de eventos. A través de Lightning Tables, ya disponible de forma general en AWS, las organizaciones pueden consultar datos de Apache Kafka en tablas vivas mediante SQL y API directas con latencias de consulta de entre 10 y 100 milisegundos, eliminando la necesidad de duplicar y trasladar continuamente los registros a bases de datos o sistemas de almacenamiento independientes.
La ruptura de los procesos por lotes
La jornada ha contado además con un encuentro en el escenario entre Shaun Clowes y Jay Kreps, Cofundador de Confluent y Cocreador de Apache Kafka. Durante la charla, Kreps ha rememorado los inicios de la tecnología en LinkedIn hace más de una década y ha calificado de «insensato» que el estándar imperante en la industria consista en «replicar datos al final de cada jornada en data lakes para ejecutar procesos nocturnos por lotes». A esta práctica la comparó con «los modelos de la era de los mainframes», señalando que «no encaja con el ritmo de un negocio digital activo las 24 horas».
Replicar datos al final de cada jornada en data lakes para ejecutar procesos nocturnos por lotes no encaja con el ritmo de un negocio digital activo las 24 horas
Jay Kreps, Cofundador de Confluent y Cocreador de Apache Kafka
Un nuevo núcleo operativo para la IA
Al reflexionar sobre la evolución que ha derivado en la arquitectura Streamhouse, Kreps ha valorado positivamente la convergencia de formatos de tablas estandarizados en la nube como Apache Iceberg y motores de procesamiento como Apache Flink, descatando que la capacidad de consultar y transformar tablas en tiempo real completa una pieza fundamental del rompecabezas que la compañía venía proyectando.
Según ha explicado Kreps, «del mismo modo que el almacén de datos clásico se concibió como el núcleo analítico de las organizaciones, el flujo continuo de eventos actúa como el núcleo operativo en tiempo real, constituyendo un pilar básico para articular la gestión de datos orientada a la inteligencia artificial durante la próxima década».
Frente al debate técnico sobre la posible sustitución de los almacenes existentes, la compañía ha puntualizado que Streamhouse no busca eliminar los lakehouses, sino coexistir con ellos desplazando el procesamiento hacia el origen para entregar datos gobernados y de alta calidad tanto a las aplicaciones operativas como a las capas analíticas.
Organizaciones internacionales como Accenture ya han implementado este modelo arquitectónico basado en eventos para unificar el flujo de información de sus 800.000 profesionales en más de 120 países, transformando canalizaciones aisladas en productos de datos reutilizables y reduciendo los tiempos de obtención de información de meses a días.
