Azure
Data Foundation
El agente está listo, los datos todavía no. Construimos la plataforma desde la que vuestros agentes pueden responder, como código en vuestro tenant, y la operamos con el mismo estándar que Azure Foundation y AI Foundation.
La respuesta es 42
Un fabricante vino a vernos con una app de ventas basada en IA. El caso de uso estaba decidido y el presupuesto aprobado, y el agente debía responder a preguntas sobre márgenes y plazos de entrega a partir de las cifras de la propia empresa. El primer workshop terminó con una plataforma de datos. No es un caso aislado, sino el patrón de este año: en 2024 las empresas pedían una plataforma de datos para construir informes, en 2026 la piden porque quieren IA, y casi todos los casos de uso que nos llegan empiezan con una pregunta sobre datos. Douglas Adams anticipó este momento en 1979, cuando un ordenador pasó siete millones y medio de años calculando, anunció 42 y solo entonces se descubrió que nadie conocía exactamente la pregunta. En la empresa ocurre justo lo contrario. La pregunta es precisa, pero nadie sabe de qué tabla debe salir la respuesta, si control de gestión y ventas entienden lo mismo por margen ni quién tiene permiso para verlo. Rara vez es cosa del modelo y casi siempre de la plataforma que hay debajo, y esa es precisamente la que construimos y operamos.
de las empresas no tienen prácticas de gestión de datos adecuadas para la IA o no saben si las tienen.
de los proyectos de IA sin datos preparados para la IA se abandonarán antes de que termine 2026, según la previsión.
de las iniciativas de gobernanza de Data & Analytics fracasarán de aquí a 2027 porque ningún motivo concreto las sostiene.
como máximo separan dos actualizaciones de la Foundation de vuestra plataforma, y entretanto la mantenemos al día de forma continua.
Cuatro atajos que parecen obvios
Quien va con prisa toma el camino más corto, y para los datos hay cuatro. Todos tienen una justificación honrosa, ninguno llega más allá del primer caso de uso.
«Si todo está en Excel.»
Cada departamento mantiene su propia verdad, y cada una es coherente en sí misma. Un agente que las lea todas reproduce todas esas verdades con la misma seguridad.
«Esto lo construimos nosotros.»
Funciona mientras sigan en la empresa las dos personas que saben cómo está construido. El mercado laboral de data engineers con experiencia en operación y gobernanza, sin embargo, es notablemente bueno a la hora de llevárselas.
«Primero la licencia, luego ya veremos.»
Una capacidad de Fabric o un workspace de Databricks se contrata en una hora. El catálogo, los permisos y la red no vienen incluidos, o se construyen o faltan.
«Lo encargamos una vez y listo.»
La plataforma se valida y se entrega, y desde el día de la validación empieza a envejecer. Databricks y Microsoft publican continuamente nuevos runtimes y funciones, el acta de validación no.
Las cuatro tratan la plataforma de datos como una compra. Nosotros la tratamos como una operación: la Azure Data Foundation es una plataforma versionada que construimos en vuestro tenant, desarrollamos con cada release y operamos durante todo el tiempo que la necesitéis.
Del dato en bruto a una respuesta fiable
En la Azure Data Foundation, los datos pasan por tres capas con nombres de inspiración olímpica, sin que ninguna de ellas pretenda ser un premio de consolación. Bronze recoge los datos de vuestras fuentes sin modificarlos, Silver los limpia y los unifica, y Gold los entrega modelados según la lógica de negocio a Power BI, a Data Science y a vuestros agentes. Por encima está el catálogo, que sabe de cada tabla de dónde viene y quién puede verla, y por debajo los cimientos, que entregamos como código.
- FuentesERP, CRM, aplicaciones de negocio, archivos y sistemas en vuestro propio centro de datos
- BronzeDatos en brutoSe incorporan sin modificar y completos, para que cualquier cifra posterior pueda rastrearse hasta su origen.
- SilverLimpiosDuplicados eliminados, formatos unificados, calidad verificada.
- GoldModelados para el negocioUna definición por métrica, acordada con las áreas de negocio responsables de ella.
- UsoPower BI, Data Science y agentes, con los permisos que asigna el catálogo
Seis componentes, tres blueprints, un estándar
El agente ve lo que vosotros veis, y nada más
Como muy tarde con el primer agente, una cuestión de orden se convierte en una cuestión de responsabilidad legal. Un agente que resume datos salariales porque casualmente estaban en una tabla compartida no se equivoca, hace lo que sus permisos le permiten. En la Azure Data Foundation, Microsoft Entra ID es el Identity Provider, el catálogo conoce el origen, la clasificación y las personas autorizadas de cada tabla, y los permisos se aplican a nivel de catálogo, esquema y tabla. Agentes como el Fabric data agent o un Genie Agent en Azure Databricks consultan con la identidad del usuario y, por eso, ven exactamente lo que puede ver la persona en cuyo nombre trabajan. No es una función que se compra más adelante, sino el requisito previo de todo lo que la AI Foundation construye encima.
Qué cambia para vosotros
Una métrica, una definición
La capa Gold mantiene cada métrica exactamente una vez. Control de gestión, ventas y el agente calculan con la misma cifra, y a partir de ahora discuten sobre su significado, no sobre su origen.
Permisos que viajan con los datos
Los permisos van ligados a los datos, no a la aplicación. Ya sea Power BI, un notebook o un agente, se aplica lo que el catálogo prevé para cada usuario.
Reproducible en lugar de irrepetible
La plataforma nace del código y puede reconstruirse a partir de él en cualquier momento. Cada cambio está versionado y es trazable como diff, también para vuestra auditoría interna.
Un precio por Data Environment
La facturación es por Data Environment, es decir, por instancia de la plataforma operada de forma independiente, y no por jornadas. Lo que cuesta la operación se sabe antes de que empiece.
Lo que operamos nosotros y lo que queda en vuestras manos
Un Managed Service vale lo que vale su delimitación. Por eso decimos con la misma claridad lo que asumimos y lo que queda en vuestras manos, y ambas cosas caben en tres niveles.
Aquí está vuestro negocio. Los primeros casos de uso los construimos junto con vuestros equipos y os transferimos el conocimiento hasta que podáis asumir esta capa por vuestra cuenta.
- Pipelines
- Modelos de datos
- KPIs e informes
- Agentes y lógica de negocio
Para que la plataforma funcione cuando vuestros equipos la necesitan y no cueste más de lo necesario.
- Cluster Health
- Actualizaciones de runtimes y bibliotecas
- Backup y restore
- Table Maintenance
- Scheduling de capacidades de Fabric
- Optimización de costes
- Monitorización con severities
- Service Review mensual
Para que cada entorno se corresponda con el código y el código con la release actual.
- OpenTofu y Terragrunt
- Repositorio de configuración por cliente
- Drift Detection y remediación
- Release Train
Una plataforma con número de versión
Las plataformas de datos rara vez se quedan obsoletas de forma espectacular, sino en silencio, un runtime tras otro. Por eso la Azure Data Foundation tiene releases como cualquier software, y vuestro entorno las sigue.
- 1Publicar la releaseSeguimos desarrollando la Foundation y publicamos nuevas versiones con los cambios documentados.
- 2Desplegar la versiónEl Release Train lleva la nueva versión a vuestro entorno, con cada cambio como un diff trazable.
- 3Revisar desviacionesLa Drift Detection compara cada semana el código con el entorno y revierte las desviaciones.
- 4Actualizar runtimesMantenemos al día los runtimes y las bibliotecas de Databricks con una frecuencia que va de mensual a trimestral.
Una actualización de la Foundation al menos cada doce meses, incluida en el precio
Mantenemos vuestra plataforma al día de forma continua, y como muy tarde a los doce meses recibe una actualización de la Foundation. Por eso, una plataforma desplegada en abril de 2026 no parecerá en 2028 una reliquia de abril de 2026.
De la primera reunión a la operación
- Analizar la situaciónAnalizar la situaciónEn el assessment, que dura un día, revisamos las fuentes, las plataformas existentes y los casos de uso que van primero.
- Definir los parámetrosDefinir los parámetrosEn un workshop de un día decidimos juntos el blueprint, los environments, las fuentes y el modelo de permisos.
- Desplegar la plataformaDesplegar la plataformaEn un plazo de dos a cuatro días, la plataforma se genera a partir del código, en vuestro tenant y con vuestros parámetros.
- Entregar y operarEntregar y operarTras un día de traspaso y una o dos semanas de onboarding, asumimos la operación como Managed Azure Data Foundation.
Del silo de datos a la plataforma
Los datos están en sistemas ERP, sensores, archivos de log y carpetas compartidas, y rara vez donde se necesitan. Florian Stöckl y David Fengler explican en el webcast por qué el lakehouse está sustituyendo al data warehouse clásico, cómo pasan los datos por Bronze, Silver y Gold, qué blueprint encaja con cada equipo y cómo se engranan la operación y las fases del proyecto.
La Holy Trinity
Todo empieza con un día
Assessment
Antes de la oferta viene el análisis de la situación. En un día repasamos vuestras fuentes, vuestras plataformas existentes y vuestros primeros casos de uso, y dejamos por escrito qué blueprint encaja y qué tiene que ofrecer la plataforma. El resultado es vuestro, independientemente de con quién sigáis después.
FuentesIntegraciónQué sistemas se conectan y en qué orden.
Casos de usoAnalytics & AIQué preguntas deben responderse primero, del informe al agente.
GobernanzaCatálogo y permisosQuién puede ver qué datos y cómo se refleja eso en el catálogo.
OperaciónBlueprint y environmentsQué blueprint encaja y cuántos Data Environments necesitáis.
Lo que nos preguntan en la primera conversación
Azure Databricks o Microsoft Fabric, ¿qué nos encaja?
Depende menos de la tecnología que de vuestros equipos. Quien programa su procesamiento de datos y entrena modelos propios está bien servido con Azure Databricks, y quien trabaja sobre todo con Power BI y quiere que las áreas de negocio lleguen rápido a resultados, con Microsoft Fabric. Para quien necesita ambas cosas existe el blueprint híbrido. La recomendación la elaboramos en el assessment.
¿La Azure Data Foundation es lo mismo que Azure Data Factory?
No. Azure Data Factory es un servicio de Microsoft para la integración de datos. La Azure Data Foundation es nuestra plataforma de arquitectura, código y operación, en la que las herramientas de integración son un componente entre varios. Por eso tampoco la abreviamos.
Ya usamos Databricks o Fabric. ¿Tenemos que empezar de cero?
No necesariamente. En el assessment revisamos qué se puede aprovechar y qué conviene generar de nuevo a partir del código. Vuestros datos y pipelines siguen siendo vuestros, y la plataforma que hay debajo la llevamos al estándar de la Foundation.
¿Dónde están nuestros datos?
En vuestro tenant y en la región de Azure que vosotros determinéis. Construimos y operamos la plataforma allí donde está, y no en un entorno nuestro.
¿Qué queda en nuestras manos?
A largo plazo, pipelines, modelos de datos, KPIs y lógica de negocio, porque ahí está vuestro negocio. Al principio construimos los primeros casos de uso junto con vuestros equipos y les transferimos el conocimiento hasta que puedan asumir esta capa por su cuenta. La plataforma que hay debajo la operamos nosotros.
¿Necesitamos un equipo de datos propio?
Para operar la plataforma, no, de eso nos encargamos nosotros. Para la lógica de negocio necesitáis a largo plazo personas que entiendan vuestros datos, en vuestra propia plantilla o en un partner, y os ayudamos a desarrollar ese conocimiento.
¿Qué es un Data Environment?
La unidad por la que facturamos: una instancia de la plataforma operada de forma independiente, por ejemplo para una sociedad del grupo o para un ámbito de datos claramente delimitado. Cuántos necesitáis se determina en el assessment.
¿Qué relación hay entre la Azure Data Foundation y la AI Foundation?
La Data Foundation hace que vuestros datos sean utilizables para los agentes, y la AI Foundation proporciona la plataforma en la que se ejecutan esos agentes. Ambas comparten identidad, guardrails y modelo operativo, y ambas se apoyan en la Azure Foundation.
¿Cuánto cuesta la Azure Data Foundation?
Se factura un setup único y un importe mensual por Data Environment, que incluye la actualización periódica de la Foundation. Recibís una oferta después del assessment, cuando está claro qué blueprint se elige y cuántos environments necesitáis.
Más sobre el tema
¿Quién ha creado estos agentes?
E7 combina E5, Copilot, la Entra Suite y Agent 365. Pero una licencia no ordena ningún tenant. Quién responde por ...
Let´s Gossip the Cloud. Nuestro podcast sobre Azure.
Mitos del cloud, costes de Azure, Infrastructure as Code, DevOps y datos: en nuestro podcast The Cloud Gossip, Sarah y ...
Outbreak. Lo que revela el incidente de OpenAI y Hugging Face y lo que no
Un agente de IA se escapa de su entorno de pruebas, encuentra un zero-day y hackea otra empresa. Suena a ...
The Holy Trinity: Lo que la IA realmente necesita para ponerse a trabajar
Una empresa manufacturera quiere saber cuáles de sus 14.000 SKUs son realmente rentables. La respuesta está en tres sistemas que ...
Microsoft Frontier Partner: somos uno de los pocos
Microsoft ha introducido recientemente un nuevo reconocimiento de primer nivel dentro de su AI Cloud Partner Program: el Frontier Partner ...
Seis agentes. Cuatro semanas. Producción real.
Seis empresas, cuatro semanas de desarrollo, seis agentes de IA funcionando — eso fue el primer glueckkanja AI Agent Hackathon. ...
Contáctanos ahora
