En San Francisco, durante la conferencia Current 2026, Confluent presentó la disponibilidad general de Lightning Tables, la pieza que, según la empresa, completa su arquitectura Streamhouse. La promesa es antigua en el fondo: que las máquinas que toman decisiones vean el mismo mundo que las personas, y que ese mundo se mueva al ritmo en que ocurre. Las cifras que se citan provienen de pruebas internas, y la industria todavía discute si el verdadero obstáculo es la velocidad o la confianza en lo que los datos dicen.
Confluent lanza Lightning Tables y completa su arquitectura Streamhouse para agentes de IA
El cuello de botella no suele ser el modelo, sino los datos que lo alimentan
Mark
Confluent dice que completó Streamhouse con Lightning Tables. ¿Qué cambia en concreto?
Mimi
Cambia la lectura. Antes los datos en streaming había que copiarlos a otra plataforma para consultarlos; ahora Lightning Tables los vuelve tablas consultables por SQL o API, sin ETL, base intermedia ni caché aparte.
Mark
¿Y el ejemplo de la aerolínea?
Mimi
Muestra el fallo clásico: cada sistema se actualiza a su ritmo y el agente arma un itinerario con asiento, pero con un avión que no llega a tiempo.
Luke
Ojo con las cifras: los 100 ms de actualización y las 1.000 consultas por segundo son pruebas internas de Confluent. No hay verificación independiente.
Mark
¿Qué dicen los analistas?
Mimi
Stewart Bond, de IDC, habla de novedades moderadamente significativas y dice que Lightning Tables es lo más valioso. Pero recuerda que la barrera principal es la confianza y la calidad del dato, no la latencia.
Luke
Eso matiza la promesa. Si el problema es la calidad, una tabla más rápida no lo arregla por sí sola.
Mark
¿Qué tan maduro es el mercado?
Mimi
Gartner, vía CIO Dive, dice que la adopción y el impacto real están por verse. Y solo el 8% de 10.000 empresas, según Dun & Bradstreet, cree tener datos listos para agentes.
Luke
Además, la afirmación de que Microsoft es el rival más cercano es de TechTarget, no una medición de mercado. Y no sabemos todavía cuántos clientes usan Lightning Tables.
Il Polso
- Los sistemas de una empresa se actualizan a ritmos distintos, y un agente puede tomar decisiones válidas en cada uno que resultan imposibles en conjunto.
- Confluent afirma haber cerrado los cinco pilares de Streamhouse con actualizaciones en unos 100 ms y más de 1.000 consultas por segundo, aunque esas cifras aún no tienen verificación externa.
- Un analista de IDC advierte que la calidad y la confianza del dato pesan más que la latencia, y que solo el 8% de las empresas tiene datos listos para agentes.
- Gartner pide esperar adopción generalizada y benchmarks públicos, mientras Google y Microsoft avanzan por el mismo camino y la categoría sigue en plena formación.
En San Francisco, durante la conferencia Current 2026, Confluent presentó la disponibilidad general de Lightning Tables, la pieza que, según la empresa, completa su arquitectura Streamhouse. La promesa es antigua en el fondo: que las máquinas que toman decisiones vean el mismo mundo que las personas, y que ese mundo se mueva al ritmo en que ocurre. Las cifras que se citan provienen de pruebas internas, y la industria todavía discute si el verdadero obstáculo es la velocidad o la confianza en lo que los datos dicen.
En Current 2026, en San Francisco, Confluent anunció la disponibilidad general de Lightning Tables, con la que dice haber completado Streamhouse, su arquitectura para servir datos en tiempo real a agentes de IA. Según las pruebas internas de la compañía, los datos se actualizan en unos 100 milisegundos y las consultas responden en cuestión de decenas de milisegundos, con más de 1.000 consultas por segundo.
La idea de fondo es que los data lakes y los warehouses se diseñaron para informes por lotes, no para agentes que necesitan interpretar el negocio al instante. El comunicado describe una aerolínea donde operaciones, planificación y reservas ven el mismo vuelo con datos desfasados: un agente de reprogramación puede proponer un asiento libre en un avión que nunca llegará a tiempo. Streamhouse busca una imagen compartida y viva, sin obligar a trasladar todo a un repositorio único.
Lightning Tables materializa los eventos de Kafka en tablas consultables por SQL y APIs, eliminando parte de las canalizaciones ETL y las cachés intermedias. Sean Falconer, de Confluent, reconoce que los clientes los usaban de forma fragmentada y tenían que copiar los datos a otra plataforma para consultarlos.
Las voces independientes son más cautas. Stewart Bond, de IDC, considera las novedades moderadamente significativas y advierte que la confianza y la calidad del dato, no la latencia, son el principal freno. Thornton Craig, de Gartner, habla de una narrativa convincente cuyos efectos reales todavía están por verse. Un sondeo de Dun & Bradstreet sitúa en el 8% las empresas que consideran sus datos listos para capacidades agénticas.
El contexto corporativo también pesa: IBM completó la compra de Confluent en diciembre de 2025, y la competencia de Google y Microsoft crece en la misma dirección. Lo que queda por ver es si estas cifras se confirman fuera del laboratorio.
En su conferencia Current 2026, celebrada en San Francisco, Confluent anunció la disponibilidad general de Lightning Tables. Con ese lanzamiento la compañía dice haber completado los cinco pilares de Streamhouse, su arquitectura para servir datos en tiempo real a agentes de IA. Las cifras que presentó provienen de pruebas internas: datos actualizados en unos 100 milisegundos, consultas que responden entre 10 y 100 milisegundos y más de 1.000 consultas por segundo.
Streamhouse es una capa operativa que captura, procesa, gobierna y sirve el estado actual del negocio de forma continua, de modo que agentes, aplicaciones y analítica trabajen con el mismo contexto. No obliga a trasladar todo a un repositorio central y convive con los almacenes y lakehouses que una empresa ya tenga. El diagnóstico de Confluent es que los data lakes, warehouses y lakehouses se diseñaron para informes por lotes y análisis retrospectivo, no para agentes que deben interpretar el negocio al milisegundo.
El comunicado ilustra el problema con una aerolínea y un vuelo cancelado. Operaciones sabe dónde está el avión, planificación sabe cuándo sale y reservas sabe qué asientos hay libres. Si cada sistema se actualiza a su ritmo, un agente de rebooking puede armar un itinerario válido en cada sistema pero imposible en la práctica: hay asiento, pero el avión no llega a tiempo a la conexión. Con Streamhouse, cada cambio alimenta una imagen compartida y el agente consulta ubicación, hora de salida y asientos a la vez.
La base es la Data Streaming Platform, construida sobre Apache Kafka y el motor Kora, con cinco capacidades. Stream captura y distribuye eventos con latencias inferiores al milisegundo en pruebas internas. Connect ofrece más de 150 conectores totalmente gestionados. Process usa Apache Flink para transformar y combinar flujos cerca de la fuente. Govern cubre calidad, linaje, cifrado y cumplimiento mediante Stream Catalog. Query, el pilar nuevo, sirve datos en streaming a aplicaciones, analítica y modelos mediante tres interfaces: Confluent Tableflow, el Real-Time Context Engine, que conecta con agentes por el Protocolo de Contexto de Modelos (MCP), y Lightning Tables. Según TechTarget, la compañía también anunció conectores híbridos en acceso anticipado para unir datos en la nube y on-premises.
Lightning Tables es una capa de servicio de solo lectura, totalmente gestionada, que materializa de forma duradera los eventos de Kafka en tablas consultables por SQL y APIs directas. Elimina canalizaciones ETL complejas, bases de datos intermedias y capas de caché dedicadas, y sirve también como almacén de características en tiempo real. Sean Falconer, vicepresidente de producto para IA de Confluent, dijo a TechTarget que los clientes podían capturar y procesar datos en streaming, pero debían copiarlos a otra plataforma para consultarlos: "El principal motor fue cómo nos estaban usando los clientes".
El analista Stewart Bond, de IDC, calificó las novedades como "moderadamente" significativas y vio en Lightning Tables lo más valioso, porque "cambia la ruta de lectura". Añadió una advertencia: según una encuesta de IDC de este año, la confianza y la calidad del dato, no la latencia, son la principal barrera técnica de las iniciativas de datos en tiempo real.
El contexto corporativo también pesa. IBM completó la adquisición de Confluent en diciembre de 2025, según TechTarget. Ante las dudas sobre la interoperabilidad, Shaun Clowes, general manager de Confluent y datos, respondió: "Tenemos lo que llamamos antigravedad de datos". Confluent e IBM siguen entre los principales contribuidores de Apache Kafka y Apache Flink.
La categoría, sin embargo, es joven. Streamhouse nació de un grupo de trabajo de Aiven, Confluent, Redpanda, StreamNative y Ververica. Thornton Craig, de Gartner, dijo a CIO Dive que ofrece "una narrativa convincente", pero que su adopción e impacto real "están por verse". Una encuesta de Dun & Bradstreet a 10.000 empresas indica que solo el 8% considera sus datos listos para capacidades agénticas. Google avanza con su Agentic Data Cloud y, según TechTarget, el rival más cercano sería Microsoft con Fabric Real-Time Intelligence y Fabric IQ. Lo que cabe vigilar son los benchmarks públicos y la adopción fuera del anuncio.
Citazioni salienti
Tenemos lo que llamamos antigravedad de datos. Somos lo contrario de un lugar donde pones tus datos y nunca salen.— Shaun Clowes, general manager de Confluent y datos
Streamhouse ofrece una narrativa convincente, pero su adopción generalizada y su impacto real están por verse.— Thornton Craig, analista senior de Gartner, a CIO Dive
Vuoi la storia completa?
Leggi l'originale su El Ecosistema Startup ↗
World & Diplomacy