Databricks alcanza una valoración de 188 mil millones de dólares y acelera su estrategia de IA

Introducción

Databricks ha anunciado la finalización de una nueva ronda de financiación estratégica, alcanzando una valoración de 188.000 millones de dólares, lo que marca un paso importante en la trayectoria de crecimiento más rápido de valoración en el sector tecnológico.

La compañía ha firmado los términos de esta ronda de financiación, que se espera cerrar a finales del verano de 2026. El inversor existente Coatue lidera la ronda, y se prevé la participación de más inversores nuevos y actuales. Databricks no reveló el monto específico de la financiación en su anuncio oficial. Según informó TechCrunch, otras fuentes indican que el monto ronda los 3.000 millones de dólares, aunque esta cifra no ha sido confirmada oficialmente por la empresa.

Esta financiación destaca no solo por su magnitud, sino también por la capacidad de Databricks de expandir su posicionamiento. Originalmente emergió en la era del big data y el análisis en la nube, y ahora se ha transformado en una plataforma empresarial central en áreas como datos, inteligencia artificial, agentes de IA, gobernanza y control de costos de modelos.

Fuente de imagen: TechCrunch. El artículo original indica que la ilustración fue generada por IA.

Nueva ronda de financiación estratégica con una valoración de 188.000 millones de dólares

Databricks anunció esta financiación el 16 de julio de 2026. Según la compañía, la ronda tiene como objetivo acelerar la implementación de su estrategia multi-IA y apoyar el desarrollo continuo de varios productos centrales en su cartera de IA empresarial.

El anuncio oficial destacó tres áreas clave:

• Unity AI Gateway: Ayuda a las organizaciones a gestionar el acceso, gasto, observabilidad y políticas entre modelos, agentes, herramientas y proveedores de IA.
• Genie: Un asistente de IA diseñado para convertir datos empresariales en respuestas y acciones.
• Lakebase: Una base de datos Postgres sin servidor construida para aplicaciones de datos y agentes de IA.

Databricks también indicó que estos fondos podrían destinarse a futuras adquisiciones en IA e investigación más profunda. Dado que esta ronda aún no se ha completado, la valoración de 188.000 millones de dólares refleja la valoración de los términos firmados, no la de una transacción cerrada.

Esta distinción es importante. El anuncio confirma la valoración esperada de la empresa y el inversor principal, mientras que el monto final de financiación y la lista completa de inversores podrían conocerse solo tras el cierre de la transacción.

Rápido crecimiento de la valoración de Databricks

Antes del anuncio más reciente, la compañía había completado varias rondas grandes de financiación privada en un período relativamente corto.

Fecha	Evento de financiación	Valoración reportada
Diciembre de 2024	Ronda J, con financiación esperada de 10.000 millones de dólares	62.000 millones de dólares
Septiembre de 2025	Ronda K, 1.000 millones de dólares	Más de 100.000 millones de dólares
Diciembre 2025 - Febrero 2026	Ronda L e inversiones relacionadas, incluyendo unos 5.000 millones en capital	134.000 millones de dólares
Julio de 2026	Nueva ronda de financiación estratégica	Valoración de 188.000 millones de dólares

Términos liderados por Coatue | 188.000 millones de dólares |

En diciembre de 2024, Databricks anunció el cierre de su ronda J con una valoración de 62.000 millones de dólares. Para septiembre de 2025, la ronda K elevó su valoración por encima de los 100.000 millones. Más tarde ese año, la compañía anunció una ronda L con valoración de 134.000 millones, seguida de una actualización ampliada de inversión en febrero de 2026.

En aproximadamente 19 meses, el salto de 62.000 millones a 188.000 millones de dólares ilustra claramente lo mucho que los inversores privados valoran a las empresas posicionadas en torno a la infraestructura de IA empresarial. También significa que Databricks continúa financiándose a través de capital privado, sin depender de una salida a bolsa inminente para recaudar fondos para su expansión.

Estas rondas tardías tan frecuentes se han vuelto inusuales, hasta el punto de generar bromas sobre hasta dónde puede llegar la compañía en el alfabeto del capital de riesgo. Sin embargo, detrás de ese humor, este patrón refleja una demanda de inversión continua y la capacidad de Databricks para combinar su negocio de datos existente con el mercado actual de IA empresarial.

De plataforma de big data a empresa de IA corporativa

Databricks fue fundada en 2013 por un equipo que incluía a los desarrolladores originales de Apache Spark. Su crecimiento temprano se debió a ayudar a las empresas a procesar grandes conjuntos de datos, ejecutar análisis y construir cargas de trabajo de datos en la nube.

Cuando la IA generativa aceleró su adopción, esta historia le dio a la compañía una ventaja significativa. La mayoría de las empresas no parten de un entorno de IA en blanco; ya cuentan con bases de datos, almacenes de datos, necesidades de gobernanza, controles de acceso, obligaciones de cumplimiento y años de contexto empresarial distribuido en múltiples sistemas.

Databricks ya operaba a nivel de infraestructura de datos. Cuando las empresas comenzaron a buscar construir aplicaciones de IA utilizando sus datos propietarios, la compañía pudo expandir su plataforma empresarial existente en lugar de comenzar desde cero como un proveedor de modelos independiente.

Esta transformación no implicó abandonar el negocio de análisis, sino expandir la plataforma en torno al mismo activo subyacente: datos empresariales gobernados. La filosofía central actual de Databricks es que la IA empresarial confiable requiere que el contexto de datos, la flexibilidad de modelos, la seguridad, la supervisión y la infraestructura operativa funcionen en conjunto.

Productos detrás de la expansión de IA de Databricks

El desarrollo reciente de productos de la compañía muestra cómo está construyendo múltiples capas del stack de IA empresarial.

Lakebase

Lakebase es el producto Postgres sin servidor de Databricks para aplicaciones operativas y agentes de IA, diseñado para proporcionar un sistema de registro transaccional para aplicaciones que necesitan leer y escribir datos, funcionando en conjunto con cargas de trabajo de análisis e IA.

Tras la adquisición de la empresa Postgres sin servidor Neon, este producto se convirtió en una parte importante de la estrategia de Databricks. Para aplicaciones basadas en agentes, una base de datos operativa es crucial, ya que los agentes a menudo no solo necesitan recuperación estática, sino también mantener estado, actualizar registros, desencadenar flujos de trabajo y admitir aplicaciones que cambian con el tiempo.

Unity AI Gateway

Unity AI Gateway es la capa de gobernanza y control de la compañía para gestionar actividades de IA, ayudando a las empresas a gestionar acceso a modelos, enrutamiento, presupuestos, límites de tasa, observabilidad, barreras de seguridad y funciones de auditoría en múltiples proveedores y herramientas.

Este enfoque multimodelo se alinea con las tendencias actuales del mercado, donde las empresas utilizan cada vez más diferentes modelos según distintas cargas de trabajo. Una compañía puede optar por modelos propietarios de alto rendimiento para tareas de razonamiento complejo, modelos ligeros para tareas rutinarias, y modelos de pesos abiertos cuando el costo, la personalización o el control de implementación son más importantes.

Genie

Genie se posiciona como un colaborador de IA que permite a los empleados hacer preguntas sobre datos empresariales y obtener respuestas confiables o recomendaciones de acciones. Está más cerca de una capa de productividad orientada al usuario: transforma datos gobernados y capacidades de plataforma en interfaces interactivas directamente utilizables por los equipos de negocio.

Agent Bricks

Agent Bricks ofrece herramientas para construir, implementar y gestionar agentes de IA conectados a datos empresariales. Apoya la estrategia general de Databricks de pasar de la experimentación con modelos a sistemas de producción evaluables, monitoreables y gobernables.

Omnigent

Omnigent es un "meta-framework" de código abierto desarrollado por el equipo de IA de Databricks junto con Neon. Esta herramienta no busca reemplazar agentes de codificación como Claude Code, Codex, Pi o herramientas personalizadas, sino que establece una capa común sobre ellos.

El proyecto tiene como objetivo permitir que los equipos combinen diferentes agentes, cambien modelos o marcos, implementen controles de políticas, ejecuten agentes en entornos aislados y colaboren en sesiones en tiempo real. Esto refleja la filosofía central de Databricks: los modelos en sí mismos son solo un componente de sistemas de IA efectivos.

Los modelos abiertos se están convirtiendo en un componente clave de la estrategia de costos empresariales

Otro elemento clave en la estrategia de IA de Databricks es su disposición a evaluar y utilizar simultáneamente modelos abiertos y sistemas propietarios.

En julio de 2026, la compañía publicó los resultados de evaluaciones internas basadas en tareas reales de codificación sobre sus millones de líneas de código. La prueba comparó diferentes modelos y los marcos de agentes en los que se ejecutaban.

Un informe de Databricks revela que los modelos abiertos destacan en el equilibrio entre calidad y coste, y que GLM 5.2 alcanzó el nivel de capacidad más alto en las cargas de trabajo de codificación evaluadas. Según los datos de la empresa, GLM 5.2 iguala estadísticamente la calidad de Opus 4.8 de Anthropic, al mismo tiempo que presenta un coste medio por tarea más bajo.

Estos resultados no deben considerarse una clasificación general. El punto de referencia se construyó sobre la base del propio repositorio de código, los lenguajes, los flujos de trabajo, las pruebas y las necesidades de ingeniería de Databricks. Su verdadero valor reside en la metodología: las organizaciones pueden obtener mejores decisiones de contratación y enrutamiento si prueban los modelos en sus propias tareas, en lugar de depender únicamente de clasificaciones públicas.

El marco del agente impacta en el coste tanto como el propio modelo

El mismo punto de referencia también reveló que el marco del agente tiene un impacto significativo en el coste y la calidad de extremo a extremo.

El marco gestiona el contexto del modelo, las llamadas a herramientas, las instrucciones, los bucles de iteración y la interacción con el entorno de trabajo. Incluso si dos sistemas utilizan el mismo modelo base, pueden diferir en la cantidad de contexto que transmiten, el número de pasos de ejecución o la forma en que llaman a las herramientas.

Databricks descubrió que, en algunas pruebas, ejecutar el mismo modelo y la misma estrategia de inferencia a través de diferentes marcos podía dar lugar a diferencias de coste de más del doble, manteniendo una calidad similar. En comparación con otras soluciones evaluadas, la cadena de herramientas Pi, más simple, suele utilizar mucho menos contexto repetido.

La conclusión no es que una cadena de herramientas sea siempre superior. Por el contrario, Databricks cree que la selección del modelo es solo una parte de la eficiencia de la inteligencia artificial. La combinación de modelo, cadena de herramientas, enrutamiento, gestión del contexto y complejidad de la tarea determina el coste real de completar el trabajo.

Este hallazgo está directamente relacionado con Unity AI Gateway y Omnigent. El primero proporciona gobernanza centralizada y control de costes, mientras que el segundo facilita la combinación o el cambio de cadenas de herramientas de agentes. Ambos respaldan una estrategia basada en la flexibilidad, en lugar de depender de un único modelo o proveedor de agentes.

Por qué los inversores podrían ver a Databricks como un ganador de la infraestructura de IA

Databricks no empezó como un laboratorio de inteligencia artificial de vanguardia, pero quizás eso sea parte de su atractivo. Ya cuenta con relaciones empresariales, infraestructura de datos, tecnología de gobernanza, integración en la nube y cargas de trabajo relacionadas con sistemas empresariales críticos.

A medida que las empresas pasan de los prototipos de IA a la implementación en producción, los problemas difíciles suelen ser operativos:

• ¿A qué datos puede acceder el agente?
• ¿Qué modelo debería encargarse de cada tarea?
• ¿Cómo se supervisa y limita el gasto?
• ¿Cómo se auditan los prompts, las llamadas a herramientas y las operaciones?
• ¿Dónde almacena y actualiza el agente el estado de la aplicación?
• ¿Cómo evalúa el equipo la calidad utilizando sus propios datos y flujos de trabajo?

Databricks está construyendo sus productos en torno a estas cuestiones. Por lo tanto, su historia de financiación no refleja solo el entusiasmo de los inversores por las marcas de IA. La empresa está intentando convertirse en la capa operativa que conecta datos, modelos, aplicaciones, agentes, gobernanza y control de costes en las empresas.

Esto no elimina los riesgos asociados a valoraciones privadas extremadamente altas. Databricks aún tiene que convertir la expansión de su producto en ingresos sostenibles, mantener el crecimiento, competir con proveedores de nube y plataformas de IA especializadas, y finalmente justificar las expectativas que conlleva una valoración de 188.000 millones de dólares.

Sin embargo, la secuencia de rondas de financiación sugiere que los inversores creen que la posición de la empresa en la intersección de los datos empresariales y la IA le otorga una ventaja competitiva significativa.

Qué significa (y qué no) una valoración de 188.000 millones de dólares

La valoración en el mercado privado es el precio correspondiente a una transacción de financiación concreta. Es diferente de la capitalización bursátil en el mercado público y no implica necesariamente que cada acción existente pueda venderse a ese precio.

El anuncio actual se basa en una carta de intenciones de inversión firmada, y se espera que la transacción se cierre a finales del verano. Hasta que se complete el proceso, el tamaño final y la composición de esta ronda podrían cambiar o no ser revelados.

La valoración indica que los inversores participantes están dispuestos a aumentar significativamente la valoración de Databricks, superando los 134.000 millones de dólares anteriores. También proporciona a la empresa recursos sólidos para contratación, investigación, desarrollo de productos, adquisiciones y posibles planes de liquidez para empleados.

La sostenibilidad de esta valoración dependerá del rendimiento financiero futuro y de la capacidad de la empresa para mantener una posición central en la evolución continua de la arquitectura de IA empresarial.

Preguntas frecuentes

¿Cuál es la valoración de Databricks en 2026?

En julio de 2026, Databricks anunció los términos de una ronda de financiación estratégica con una valoración de 188.000 millones de dólares. Se espera que la ronda se cierre a finales del verano, liderada por el inversor existente Coatue.

¿Cuánto dinero ha recaudado Databricks en esta ronda?

Databricks no ha revelado públicamente el importe específico de esta ronda de financiación. TechCrunch, citando otros informes, indica que la financiación asciende a unos 3.000 millones de dólares, pero el anuncio de la empresa solo confirma la valoración, el inversor principal y la fecha prevista de cierre.

¿Se ha completado la ronda de financiación de 188.000 millones de dólares de Databricks?

Según el anuncio, aún no se ha completado. Databricks afirma haber firmado la carta de intenciones y espera que la transacción se cierre a finales del verano de 2026.

¿Por qué la valoración de Databricks crece tan rápidamente?

Los inversores valoran a Databricks más allá del ámbito de las empresas tradicionales de análisis en la nube. Su plataforma ahora abarca datos empresariales, agentes de IA, gobernanza de modelos, bases de datos operativas, herramientas de IA orientadas al negocio y gestión de costes multimodelo.

¿En qué productos de IA está invirtiendo Databricks?

La empresa destacó especialmente Unity AI Gateway, Genie y Lakebase en su último anuncio de financiación. Su cartera de productos de IA más amplia también incluye Agent Bricks y el marco abierto Omnigent.

¿Qué es Unity AI Gateway?

Unity AI Gateway es la capa de control y gobernanza de Databricks para modelos, agentes, herramientas y proveedores de IA. Ofrece funciones como políticas de acceso, control de costes, observabilidad, barreras de seguridad, enrutamiento y registros de auditoría.

¿Para qué sirve Lakebase?

Lakebase es una base de datos Postgres sin servidor diseñada para aplicaciones y agentes de IA. Proporciona una capa de datos operativos para sistemas de agentes, utilizada para mantener el estado y gestionar datos de aplicación que cambian con frecuencia.

¿Por qué Databricks realizó pruebas comparativas con GLM 5.2 y marcos de agentes de codificación?

Databricks quería medir la calidad y el coste basándose en tareas reales de ingeniería de su propio repositorio de código. El estudio reveló que tanto el modelo seleccionado como su marco asociado pueden influir significativamente en el coste de completar las tareas.

Herramientas relacionadas

• Plataforma Data + AI de Databricks: Plataforma unificada para datos empresariales, análisis, aplicaciones, aprendizaje automático y agentes de IA.
• Unity AI Gateway: Gobernanza, observabilidad, enrutamiento, acceso y control de costes para sistemas de IA multimodelo.
• Lakebase: Infraestructura Postgres sin servidor para aplicaciones de datos y agentes de IA.
• Genie One: Colaborador de IA que ayuda a los equipos de negocio a trabajar con datos empresariales gobernados.
• Agent Bricks: Herramientas para construir, evaluar, desplegar y gobernar agentes de IA empresariales.
• Omnigent: Marco abierto para combinar y controlar múltiples modelos y herramientas de agentes.

Enlaces relacionados

• Anuncio de la ronda de financiación de 188.000 millones de dólares de Databricks: Declaración oficial de la empresa sobre los términos de la inversión, valoración, inversores y uso de los fondos.
• Valoración de 134.000 millones de dólares en la ronda L de Databricks

com/company/newsroom/press-releases/databricks-surpasses-4-8b-revenue-run-rate-growing-55-year-over-year): Detalles oficiales sobre la financiación y el impulso financiero a finales de 2025.

• Ronda K de Databricks valorada en más de 100 mil millones de dólares: Información oficial sobre la ronda K de 2025 y el hito de ingresos por IA.
• Ronda J de Databricks valorada en 62 mil millones de dólares: Anuncio de financiación de la empresa en diciembre de 2024.
• Prueba de referencia de agentes de programación de Databricks: Metodología y resultados detrás de la propuesta de rentabilidad de sus modelos y herramientas.
• Introducción a Omnigent: Explicación oficial de Databricks sobre la cadena de herramientas multiagente de código abierto.

Resumen

Databricks ha firmado una nueva hoja de términos de financiación estratégica con una valoración de 188 mil millones de dólares, liderada por Coatue, y se espera que la transacción se cierre a finales del verano de 2026. La empresa no ha revelado oficialmente el tamaño de esta ronda de financiación.

La valoración continúa una tendencia de crecimiento acelerado: desde 62 mil millones de dólares a finales de 2024, superando los 100 mil millones en 2025, alcanzando 134 mil millones a principios de 2026, y ahora ascendiendo a 188 mil millones. Este crecimiento coincide con la expansión de Databricks desde el ámbito de datos y análisis en la nube hacia agentes de IA, bases de datos operativas, gobernanza de modelos, herramientas empresariales de IA e infraestructura multicadena de herramientas.

Sus recientes lanzamientos de productos y pruebas de referencia internas de programación confirman la misma estrategia: las empresas necesitan flexibilidad entre modelos, mayor control de costos, acceso controlado a datos propietarios, e infraestructura capaz de convertir experimentos de IA en sistemas de producción.

La valoración más reciente refleja la confianza de los inversores: Databricks tiene el potencial de convertirse en la capa de control central para datos empresariales e IA, no solo en otro beneficiario del ciclo de financiación de la IA.