Resumen
En el Data + AI Summit 2026, Databricks anunció la expansión de Agent Bricks hacia una plataforma completa de agentes empresariales. La premisa central es que el bucle básico de un agente —la parte visible— representa solo el 1% del trabajo real; el 99% restante es infraestructura oculta: capacidad de tokens, despliegue, seguridad, evaluación, monitoreo, gestión de contexto y colaboración entre equipos.
Más de 100.000 agentes han sido construidos sobre esta plataforma desde su lanzamiento, con clientes como AstraZeneca, 7-Eleven, Fox Corporation y Block. La plataforma se organiza en tres pilares: Elección, Contexto y Control.
Los tres pilares de Agent Bricks
1. Elección (Choice) — Modelos y frameworks
Databricks ofrece soporte para modelos propietarios de frontera (OpenAI, Anthropic, Gemini, Qwen, Kimi) y alternativas de código abierto. Entre los anuncios más destacados está la asociación con SpaceX para proveer los modelos Grok de forma nativa en la plataforma.
La plataforma también incluye capacidades de entrenamiento personalizado mediante optimización de prompts, fine-tuning y aprendizaje por refuerzo. Un agente de datos entrenado por Databricks demostró ser competitivo con los modelos Opus y Sonnet de Anthropic, reduciendo significativamente el costo por consulta.
En cuanto a frameworks de agentes, se soportan LangGraph, Agno, CrewAI, los SDKs de Claude Code y OpenAI Agents, además del meta-harness Omnigent ahora disponible como servicio gestionado. El escalado horizontal se realiza a través de Databricks Apps.
2. Contexto — Acceso a datos y recuperación avanzada
Este pilar aborda uno de los mayores desafíos de los agentes en producción: acceder al contexto empresarial correcto en el momento adecuado.
MCP con Unity Catalog permite conexiones seguras a fuentes externas como Google Drive, JIRA, Slack y GitHub con capacidades de búsqueda especializadas. Genie Ontology aprende continuamente la semántica del negocio: calendarios fiscales, jefes de departamento, definiciones corporativas, linaje de datos y autoridad por autor.
Document Intelligence (ahora GA) incluye funciones SQL como ai_parse_document, ai_extract y ai_classify para análisis de PDFs y documentos. El Agent Memory Service, impulsado por Lakebase, proporciona memoria persistente para historial de sesiones y coordinación entre agentes.
El suite de Databricks Agent Tools incluye un subagente de búsqueda de documentos reportado como “3x más rápido que antes, con mayor calidad”. Databricks Sandbox ofrece VMs seguras con acceso restringido a Unity Catalog para intérpretes de código y experimentación.
3. Control — Gobernanza, seguridad y costos
Unity AI Gateway actúa como capa de gobernanza unificada con:
- Catálogo de agentes, modelos, MCPs, Skills y agentes externos
- Controles de acceso granulares por herramienta y agente
- Presupuestos por usuario y por grupo con límites duros de gasto
- Enrutamiento inteligente de tráfico basado en fiabilidad y cumplimiento de políticas
Agent Traces y Monitoreo: trazas de razonamiento, escrituras de memoria y generaciones se almacenan en el Lakehouse para análisis y depuración completa. La integración con Lakewatch detecta violaciones de PII y audita el acceso a datos sensibles.
Políticas Contextuales basadas en SQL (con soporte Python próximamente) permiten aplicar controles de seguridad con estado basados en el contexto de los datos. Por ejemplo: restringir la publicación de datos con PII en websites mientras se permite compartirlos por email, o requerir aprobación humana para actualizaciones en Salesforce.
Puntos clave
- Más de 100.000 agentes construidos sobre la plataforma desde su lanzamiento
- Soporte para todos los modelos frontier: OpenAI, Anthropic, Gemini, Grok (SpaceX), Qwen, Kimi
- Omnigent disponible como servicio gestionado para orquestar agentes existentes
- Agent Memory Service con Lakebase para memoria persistente entre sesiones
- Document Intelligence GA con funciones SQL para procesar PDFs directamente
- Unity AI Gateway con presupuestos duros y enrutamiento inteligente
- Políticas contextuales SQL para gobernanza de seguridad con estado
- Databricks Sandbox para código y experimentación seguros
- Lakewatch integrado para detección de violaciones de PII en tiempo real
¿Por qué importa?
Agent Bricks representa la maduración del ecosistema de IA agentica. Hasta ahora, las empresas construían agentes relativamente rápido, pero la puesta en producción era un proceso costoso e incierto: ¿cómo escalan? ¿cómo se auditan? ¿cómo se gobiernan los costos cuando un agente empieza a consultar modelos de forma autónoma?
La propuesta de Databricks es que gobernar los datos y gobernar la IA en la misma plataforma elimina la fricción estructural que viene de usar herramientas desconectadas. Una empresa que ya tiene Unity Catalog para sus datos puede extender exactamente las mismas políticas a sus agentes, con el mismo lenguaje SQL que ya conocen sus equipos de datos.
Para organizaciones latinas o que trabajan con equipos mixtos de datos e IA, esto significa que la misma persona que gobierna el acceso a tablas de clientes puede ahora gobernar qué puede hacer un agente con esos datos, sin necesidad de aprender un stack diferente.
