Databricks ha cerrado una ronda de 5.000 millones de dólares que sitúa su valoración alrededor de los 190.000 millones. La cifra confirma el apetito inversor por las plataformas que controlan datos empresariales, analítica e inteligencia artificial en una misma capa. Según TechCrunch, la compañía pretendía inicialmente captar cerca de 1.000 millones, pero terminó ampliando la operación ante una demanda inversora mucho mayor.
La lectura va más allá del tamaño de la ronda. Databricks no vende un modelo fundacional al estilo de OpenAI, Anthropic o Google DeepMind. Su posición está en la infraestructura de datos que permite construir, gobernar y desplegar aplicaciones de IA sobre información corporativa. La ronda muestra que el mercado empieza a valorar los datos preparados para IA casi tanto como los propios modelos.
La empresa ha construido su marca sobre el concepto lakehouse, una arquitectura que intenta unir lago de datos, almacén analítico, gobierno y machine learning. Ese enfoque se ha vuelto más importante con la IA generativa porque muchas compañías descubren que no pueden automatizar procesos si sus datos están dispersos, duplicados o mal clasificados. Un agente que consulta información errónea no mejora el negocio. Lo escala mal.
La nueva financiación permite a Databricks reforzar desarrollo de producto, adquisiciones y expansión comercial. También compra tiempo para seguir siendo privada en un mercado donde salir a bolsa obliga a explicar márgenes, crecimiento y gasto con más disciplina. La valoración, sin embargo, eleva el listón. Una compañía de 190.000 millones necesita demostrar que puede capturar una parte enorme del presupuesto de datos e IA de las grandes empresas.
El debate para los clientes no será si necesitan IA, sino qué plataforma controla el dato que alimenta esa IA. Ahí compiten Databricks, Snowflake, hyperscalers y herramientas internas de grandes compañías. La decisión afecta seguridad, costes, dependencia de proveedor y capacidad de auditar respuestas.
La ronda también refleja un cambio en el capital de crecimiento. Los inversores buscan empresas privadas con ingresos recurrentes, clientes corporativos y exposición directa a IA sin asumir el riesgo puro de entrenar modelos gigantes. Databricks encaja porque se beneficia del aumento de proyectos de IA aunque no gane cada carrera de benchmarks. Si una empresa decide usar varios modelos, todavía necesita preparar datos y controlar permisos.
Para España y Europa, el movimiento tiene una consecuencia práctica. Muchas compañías medianas quieren adoptar agentes, copilotos y analítica avanzada, pero empiezan por problemas básicos: catálogos incompletos, falta de gobierno, datos sensibles mezclados y poca trazabilidad. La promesa de la IA empresarial se juega en esa capa menos visible. Consultoras, integradores y equipos internos tendrán que ordenar antes de automatizar.
La valoración de Databricks también avisa de una posible concentración: quien centraliza los datos puede condicionar qué modelos se usan, cuánto cuestan y cómo se auditan. Esa posición atrae inversión, pero también escrutinio competitivo.
El cierre de la ronda confirma que la infraestructura lógica de la IA sigue tan caliente como los chips y centros de datos. La diferencia es que aquí el cuello de botella no se mide solo en megavatios. Se mide en calidad del dato, permisos, linaje, integración y confianza. Databricks acaba de recibir capital para defender que esa capa será una de las más valiosas de la economía digital.
