La inteligencia artificial acelera la consolidación del ecosistema de data
El sector de data empresarial está atravesando su transformación más profunda en una década. Lo que comenzó como una carrera por la innovación ha desembocado en una necesidad urgente de reorganización estructural. La inteligencia artificial (particularmente desde el auge de la IA generativa post-ChatGPT) se ha convertido en el catalizador que ha forzado a las compañías a repensar completamente su infraestructura de datos.
En este contexto, gigantes tecnológicos como Databricks y Salesforce han iniciado una oleada de adquisiciones que buscan reforzar sus stacks tecnológicos. En apenas dos meses, Databricks se hizo con Neon por 1.000 millones de dólares, mientras que Salesforce pagó 8.000 millones por Informatica, en una jugada que marca el tono de lo que podría ser una nueva ola de consolidación controlada en el sector.
El motivo común: hacer posible la IA
Aunque los perfiles de las compañías adquiridas son diversos (en tamaño, antigüedad y foco dentro del data stack) todas comparten una característica: su tecnología resuelve alguna pieza crítica del rompecabezas que representa implementar IA de forma efectiva en una gran organización.
“La IA sin datos de calidad es una ilusión”, advertía un informe de TechCrunch a finales de 2024, tras encuestar a decenas de VCs especializados en B2B. Esta idea no solo sigue vigente, sino que se ha intensificado. “Hay un reinicio total en la forma en que los datos se gestionan y fluyen por la empresa. Para aprovechar la oportunidad de la IA, las compañías deben rehacer sus plataformas de datos desde cero”, explica Gaurav Dhillon, fundador y ex CEO de Informatica y actual CEO de SnapLogic.
La fragmentación como freno a la escalabilidad de la IA
En la última década, el sector data ha crecido de forma fragmentada. Entre 2020 y 2024, más de 300.000 millones de dólares fueron invertidos en más de 24.000 deals, según PitchBook. La mayoría de estas startups se centraron en resolver problemas específicos o crear funcionalidades aisladas: conectores, almacenamiento, ETL, visualización, etc.
El resultado ha sido un “frankenstack” de soluciones especializadas que, aunque eficaces individualmente, presentan serias limitaciones cuando se pretende aplicar inteligencia artificial de forma transversal.
“La realidad es que el modelo actual de conectar múltiples herramientas no funciona cuando quieres que la IA explore tus datos y construya sobre ellos”, explica a TechCrunch, Sanjeev Mohan, exanalista de Gartner.
Un ejemplo claro: Fivetran, empresa que ayuda a mover datos hacia bases de datos cloud, adquirió recientemente Census, que permite sacar esos mismos datos de vuelta para activarlos. Durante más de una década, Fivetran no ofrecía esta funcionalidad, obligando a los clientes a contratar otra solución adicional. Esta adquisición representa no solo una mejora técnica, sino una simplificación estratégica para sus clientes.
La consolidación no solo responde a la IA: también es supervivencia
Aunque la IA es el catalizador, no es la única causa. El entorno macroeconómico ha cambiado: el capital riesgo está en fase de contracción y muchas startups de datos, que antes podían permitirse crecer sin beneficios, ahora buscan una salida. “Muchas empresas simplemente no pueden levantar nuevas rondas. Ser adquiridas es mejor que cerrar o endeudarse”, explica Derek Hernandez, analista de tecnología emergente en PitchBook.
Desde el punto de vista de los compradores, adquirir estas tecnologías también representa una ventaja competitiva:
Les permite ampliar funcionalidades clave sin desarrollarlas desde cero.
Aumentan su capacidad de fijación de precios con soluciones integradas.
Ganan velocidad de ejecución en un mercado que ya no perdona la lentitud.
“Si Salesforce no adquiere esas empresas, lo hará su competencia. El mercado está lleno de soluciones brillantes que no pueden sobrevivir solas”, añade Hernandez.
Un nuevo modelo de relación entre IA y datos
Pero aquí surge la gran pregunta: ¿tiene sentido que las empresas de data y las de IA sigan existiendo como entidades separadas?
Desde la perspectiva de quienes observan el largo plazo, la respuesta parece ser “no”. “Mucho del valor está en fusionar directamente a los grandes players de IA con plataformas de data. Un proveedor de data, sin integración nativa con modelos de IA, corre el riesgo de volverse irrelevante”, asegura Hernandez.
Esto sugiere que se podría estar avanzando hacia un nuevo paradigma en el que los modelos de IA y los sistemas de gestión de data se diseñen conjuntamente desde su origen: interoperables, escalables y conscientes del contexto. La consolidación del sector parece lejos de haber tocado techo. La presión por simplificar stacks, la urgencia de habilitar IA de forma efectiva y la necesidad de encontrar salidas viables para decenas de startups seguirán alimentando esta tendencia.
Algunos movimientos clave que podrían marcar la pauta en el corto plazo:
Más adquisiciones de compañías de metadata management, el área más rezagada del stack actual.
Integraciones de startups de data con plataformas LLM-as-a-Service, para activar casos de uso empresariales sin fricción.
Fusiones entre plataformas de activación y recopilación de datos para construir soluciones full-stack orientadas a IA.
La IA no solo ha cambiado lo que se puede hacer con los datos. Ha cambiado lo que se espera que hagan las empresas con ellos. La consolidación del ecosistema es una respuesta natural (pero no suficiente) para estar a la altura de esa expectativa. El próximo gran reto será reimaginar la arquitectura de datos desde una mentalidad agentiva, donde la información no solo se almacene y se mueva, sino que se convierta en el combustible real de la inteligencia artificial en la empresa.