Databricks consigue 5.000 millones de dólares y alcanza una valoración de 190.000 millones

Databricks acaba de protagonizar una de las mayores operaciones privadas de financiación del año dentro de la inteligencia artificial. La compañía estadounidense ha captado 5.000 millones de dólares en una nueva ronda que eleva su valoración hasta los 190.000 millones de dólares, frente a aproximadamente 134.000 millones apenas seis meses antes. Es decir, su valoración ha aumentado alrededor de un 42 % en medio año, una evolución extraordinaria incluso dentro del actual ciclo de inversión en IA. La operación ha sido liderada por inversores existentes como Coatue, Blackstone, MGX y cuentas asesoradas por T. Rowe Price, mientras Sixth Street Growth se incorpora como nuevo inversor. La lectura más interesante, sin embargo, no está únicamente en los 190.000 millones. Databricks representa una de las tesis empresariales más importantes de la próxima etapa de la inteligencia artificial: los modelos pueden cambiar, pero los datos corporativos, su gobierno y la infraestructura que permite conectarlos con agentes y aplicaciones permanecerán en el centro de la empresa.

Los datos financieros ayudan a entender por qué los inversores están dispuestos a pagar esta valoración. Databricks asegura haber superado los 7.000 millones de dólares de ingresos anualizados y haber registrado un crecimiento interanual superior al 80 % durante el segundo trimestre de 2026. Además, continúa generando flujo de caja positivo sobre una base ajustada durante los últimos doce meses. La valoración de 190.000 millones equivale, por tanto, aproximadamente a 27 veces su ritmo actual de ingresos anualizados, un múltiplo extraordinariamente elevado que refleja las expectativas de los inversores sobre el crecimiento futuro de la plataforma. Databricks continúa siendo además uno de los grandes candidatos a protagonizar una futura salida a bolsa, aunque la nueva financiación le proporciona suficiente capital para seguir creciendo sin necesidad inmediata de acudir al mercado público.

El verdadero negocio de la IA empieza a desplazarse hacia los datos

Para comprender la importancia de Databricks hay que mirar más allá de ChatGPT, Claude o Gemini. Los grandes modelos de lenguaje son extremadamente potentes, pero una empresa obtiene un valor limitado de ellos si no puede conectarlos de manera segura con clientes, productos, operaciones, contratos, inventarios, históricos de ventas, documentación, información financiera y conocimiento interno. Esa información empresarial es precisamente lo que permite transformar un modelo generalista en una inteligencia capaz de comprender cómo funciona una organización concreta.

Databricks nació en 2013 alrededor de Apache Spark y evolucionó posteriormente hacia el concepto de Lakehouse, una arquitectura destinada a unificar capacidades tradicionalmente separadas entre data lakes y data warehouses. Ahora está realizando una nueva transición: quiere convertirse en la plataforma sobre la que las empresas construyan aplicaciones y agentes de inteligencia artificial directamente conectados con sus propios datos. Según la propia compañía, más del 60 % de las empresas Fortune 500 utilizan actualmente Databricks y su plataforma supera los 20.000 clientes globales.

Este cambio es especialmente importante porque la próxima batalla empresarial probablemente no consistirá simplemente en decidir entre OpenAI, Anthropic o Google. Una compañía puede cambiar de modelo si aparece otro mejor o más barato. Lo realmente difícil es trasladar y reorganizar años de datos, permisos, pipelines, reglas de acceso, catálogos, procesos de gobierno y aplicaciones internas. El activo más difícil de sustituir no será necesariamente el LLM; será la arquitectura de datos sobre la que funciona.

Lakebase, Genie y Unity AI Gateway explican dónde invertirá los 5.000 millones

Databricks destinará parte del nuevo capital a acelerar productos como Lakebase, Genie y Unity AI Gateway, tres piezas que permiten comprender cómo imagina la compañía la empresa impulsada por IA. Lakebase es una base de datos basada en PostgreSQL y diseñada para aplicaciones y agentes modernos. Ya ha superado los 100 millones de dólares de ingresos anualizados, una cifra especialmente relevante para un producto relativamente nuevo. Al mismo tiempo, el negocio tradicional de almacenamiento y analítica Lakehouse ha superado los 1.500 millones de dólares de ingresos anualizados.

Genie aborda otro problema: permitir que empleados que no son científicos de datos puedan consultar información corporativa utilizando lenguaje natural. En lugar de solicitar a un departamento técnico que prepare un informe, un directivo puede preguntar directamente por evolución de ventas, clientes, inventario o determinados indicadores y recibir respuestas generadas a partir de los datos empresariales disponibles. La ambición consiste en convertir la conversación con los datos en una capacidad accesible para toda la organización.

Unity AI Gateway resulta todavía más estratégico porque responde a uno de los problemas que están apareciendo a medida que las empresas utilizan múltiples modelos. Una organización puede trabajar simultáneamente con OpenAI, Anthropic, Google, Meta o modelos abiertos especializados. Necesita entonces controlar qué modelo utiliza cada aplicación, cuánto cuesta, qué información recibe, qué permisos posee y cómo se supervisa su utilización. Databricks intenta situarse precisamente en esa capa intermedia entre los datos empresariales y los distintos proveedores de inteligencia artificial.

Los agentes convierten los datos corporativos en infraestructura crítica

La aparición de agentes de IA hace que esta cuestión sea todavía más importante. Un chatbot puede responder preguntas generales, pero un agente empresarial necesita acceder a sistemas reales para completar tareas. Puede consultar una base de clientes, analizar facturas, modificar un CRM, preparar previsiones, buscar contratos, generar informes o iniciar procesos internos. Para realizar esas operaciones necesita datos actualizados, permisos claramente definidos y mecanismos capaces de registrar cada acción.

Databricks está intentando convertirse en una de las plataformas que gestionen precisamente esa relación entre datos, modelos, aplicaciones, agentes y gobierno. Su propuesta comercial ya no consiste únicamente en almacenar información, sino en permitir que agentes y aplicaciones utilicen esa información dentro de un entorno controlado.

Aquí aparece una de las grandes oportunidades económicas de la IA empresarial. Las compañías llevan décadas acumulando enormes cantidades de información que con frecuencia permanece fragmentada entre ERP, CRM, bases de datos, documentos, hojas de cálculo, sistemas cloud y aplicaciones internas. Los modelos generativos pueden convertir una parte de ese conocimiento en una interfaz utilizable mediante lenguaje natural, pero únicamente si existe una arquitectura que permita acceder a él de forma fiable y gobernada.

Databricks frente a Snowflake: la batalla por convertirse en el sistema operativo de los datos empresariales

El principal rival de Databricks continúa siendo Snowflake, y la competencia entre ambas compañías está evolucionando rápidamente desde el almacenamiento y análisis de datos hacia la inteligencia artificial. Ambas quieren convertirse en la plataforma central desde la que una organización gestione información, analítica, modelos y agentes.

La batalla tiene enormes implicaciones porque quien controle esa capa puede ocupar una posición extremadamente difícil de sustituir dentro de la arquitectura empresarial. Los modelos de IA pueden convertirse progresivamente en commodities intercambiables. Una empresa puede utilizar hoy GPT, mañana Claude y dentro de un año un modelo abierto alojado internamente. Pero los datos sobre los que trabajan esos modelos deben continuar siendo fiables, estructurados, accesibles y gobernados.

Por eso las compañías de infraestructura de datos están adquiriendo valoraciones tan elevadas. Los inversores parecen apostar por que la enorme inversión realizada en modelos acabará generando todavía más demanda de plataformas capaces de conectarlos con información empresarial real.

La valoración de 190.000 millones también implica expectativas enormes

La operación no está exenta de riesgos. Una valoración de 190.000 millones de dólares frente a algo más de 7.000 millones de ingresos anualizados implica que el mercado privado está anticipando muchos años de fuerte crecimiento. Databricks tendrá que demostrar que puede mantener tasas elevadas mientras aumenta progresivamente su rentabilidad y convierte productos como Lakebase, Genie y sus herramientas de agentes en negocios multimillonarios.

También existe una competencia formidable. Además de Snowflake, los tres grandes proveedores cloud —Amazon Web Services, Microsoft Azure y Google Cloud— poseen sus propias plataformas de datos e inteligencia artificial. Oracle continúa teniendo una presencia enorme en bases de datos empresariales y nuevos actores están construyendo infraestructuras específicamente pensadas para agentes. La ventaja de Databricks será mantener una posición suficientemente abierta para que las compañías puedan trabajar con diferentes clouds y modelos sin quedar completamente vinculadas a un único ecosistema.

La lección para los directivos: antes de tener una estrategia de IA hay que tener una estrategia de datos

La ronda de Databricks contiene una enseñanza especialmente importante para cualquier comité de dirección. Muchas empresas están intentando implantar agentes y asistentes sin haber resuelto previamente problemas básicos relacionados con la información. Si los datos están duplicados, fragmentados, desactualizados o carecen de responsables claros, la inteligencia artificial amplifica el problema en lugar de solucionarlo. Un agente puede trabajar extraordinariamente rápido, pero si utiliza información incorrecta producirá decisiones incorrectas también a gran velocidad.

La primera fase de una estrategia empresarial de IA debería incluir, por tanto, un análisis de qué datos existen, dónde están almacenados, quién puede acceder a ellos, qué calidad tienen y qué información puede utilizar cada sistema. Después llega la selección de modelos y agentes. La extraordinaria valoración de Databricks refleja precisamente esta realidad: la IA empresarial necesita una infraestructura de datos sólida antes de poder escalar.

También existe una segunda lección. Las empresas deberían evitar diseñar arquitecturas en las que sus datos queden excesivamente ligados a un único modelo. El mercado está evolucionando demasiado rápido. El modelo más potente o económico de 2026 puede no serlo en 2027. Mantener una capa de datos y gobierno independiente permite sustituir modelos, negociar precios y utilizar diferentes proveedores dependiendo de cada tarea.

De los modelos a la infraestructura empresarial de inteligencia

Databricks demuestra hacia dónde se está desplazando una parte importante del capital. Primero los inversores apostaron por fabricantes de chips como Nvidia. Después por desarrolladores de modelos como OpenAI y Anthropic. Ahora están asignando miles de millones a las plataformas encargadas de convertir esos modelos en sistemas empresariales utilizables.

Los 5.000 millones captados y la valoración de 190.000 millones no son únicamente una apuesta por una compañía de bases de datos. Son una apuesta por una idea mucho más amplia: que cada gran organización necesitará una capa tecnológica capaz de conectar sus datos con múltiples inteligencias artificiales, agentes y aplicaciones.

Y probablemente ahí se encuentre una de las grandes batallas empresariales de los próximos años. Los modelos proporcionarán inteligencia general; los datos corporativos proporcionarán contexto; y las plataformas capaces de unir ambos elementos controlarán una parte extraordinariamente valiosa de la nueva economía de la IA.

El directivo deberá aprender a gobernar modelos, agentes y datos como una única estrategia

La transformación mediante inteligencia artificial no comienza simplemente contratando ChatGPT, Gemini o Claude. Comienza entendiendo qué información posee la organización, cómo puede utilizarse, qué modelos deben acceder a ella, qué agentes pueden actuar sobre los sistemas corporativos y cómo se gobierna todo ese ecosistema.

El Curso Superior en Inteligencia Artificial para Directivos (CSIAD) de THE INTELLIGENCE Institute está diseñado para que presidentes, CEOs, directores generales y altos ejecutivos puedan comprender estas decisiones y liderar una estrategia de IA orientada a negocio, productividad, gobierno y ventaja competitiva.