La carrera por convertir la inteligencia artificial en una herramienta operativa y fiable en entornos empresariales sigue enfrentando un obstáculo estructural: la falta de contexto. Aunque los modelos de lenguaje han avanzado con rapidez, su capacidad para tomar decisiones útiles en tiempo real sigue limitada por la calidad y disponibilidad de los datos que consumen. Confluent, especializada en streaming de datos, ha presentado esta semana Confluent Intelligence, una plataforma en la nube que busca cerrar esa brecha.
La solución, construida sobre Confluent Cloud, está diseñada para transmitir y procesar datos históricos y en tiempo real de forma continua, proporcionando ese contexto directamente a las aplicaciones de IA. Según el informe The State of AI in Business 2025 del MIT, el 95 % de las iniciativas de inteligencia artificial generativa aún no generan retorno tangible. El problema, señala el estudio, no es la potencia de los modelos, sino su desconexión del entorno operativo. Confluent Intelligence intenta resolver esa desconexión con una arquitectura que combina procesamiento de eventos, gobernanza de datos y capacidades de machine learning integradas.
La propuesta no es menor. A diferencia de otras plataformas que fragmentan el flujo de datos entre distintas herramientas, Confluent Intelligence ofrece un sistema unificado basado en Apache Kafka y Apache Flink. Esto permite a las organizaciones construir agentes de IA que no solo respondan a eventos, sino que los anticipen y actúen sobre ellos con contexto actualizado. “Una buena IA necesita buenos datos”, resume Atilio Ranzuglia, director de Datos e IA del Ayuntamiento de Palmerston North. “Confluent proporciona contexto y coordinación a nuestros agentes para automatizar flujos de trabajo”.
Entre las funcionalidades destacadas, el nuevo motor de contexto en tiempo real permite transmitir información estructurada y fiable a cualquier agente o aplicación de IA, sin necesidad de interactuar directamente con Kafka ni gestionar la infraestructura subyacente. Esta capa de abstracción busca facilitar la adopción por parte de equipos que no tienen experiencia directa en sistemas distribuidos. La funcionalidad está disponible en acceso anticipado.
Otra pieza clave son los agentes de streaming, que permiten crear e implementar agentes basados en eventos directamente en Flink. Esta integración entre procesamiento de datos y razonamiento algorítmico permite que los agentes observen, decidan y actúen sin intervención humana constante. Aunque la funcionalidad aún está en versión preliminar, su enfoque apunta a automatizar procesos empresariales con mayor sensibilidad al entorno.
Además, Confluent Intelligence incorpora funciones de machine learning directamente en Flink SQL, lo que permite realizar tareas como detección de anomalías, previsión o inferencia de modelos sin necesidad de mover los datos a otras plataformas. Esta integración reduce la latencia y simplifica los flujos de trabajo para los equipos de ciencia de datos. Según Nithin Prasad, director senior de Ingeniería en GEP, “Confluent elimina el riesgo de pérdida de datos y alimenta nuestros modelos con información en tiempo real”.
El anuncio también refuerza la colaboración entre Confluent y Anthropic, desarrollador del modelo de lenguaje Claude. Este LLM se integrará de forma nativa en los agentes de streaming de Confluent, lo que permitirá construir sistemas de IA más adaptables. La combinación de modelos de razonamiento avanzados con datos en tiempo real abre la puerta a casos de uso como la personalización dinámica de experiencias o la priorización inteligente de alertas.
Aunque la propuesta de Confluent es ambiciosa, su éxito dependerá de la capacidad de las organizaciones para adoptar arquitecturas basadas en eventos. Muchas empresas aún operan con sistemas orientados a lotes o con silos de datos que dificultan la integración en tiempo real. La promesa de una IA contextualizada exige no solo herramientas, sino una transformación en la forma en que se conciben los flujos de información.
El enfoque de Confluent contrasta con el de otros actores del mercado que han optado por integrar IA en plataformas de datos más tradicionales o centrarse en la capa de modelos. Aquí, el énfasis está en el movimiento y la calidad del dato como base para cualquier razonamiento útil. En ese sentido, la compañía no está vendiendo un modelo más potente, sino una infraestructura que permita a los modelos existentes operar con mayor eficacia.
La disponibilidad general de algunas funcionalidades, como las capacidades de machine learning en Flink SQL, ya permite a los equipos técnicos comenzar a experimentar con casos de uso concretos. Otras, como los agentes de streaming, aún están en fase preliminar, lo que sugiere una estrategia de despliegue progresivo.
Confluent se posiciona así como un actor que no compite directamente en el terreno de los modelos, sino en el de la infraestructura que los alimenta. En un entorno donde la IA generativa ha captado la atención, pero aún no ha demostrado su impacto económico a gran escala, la apuesta por el contexto y la fiabilidad de los datos puede marcar una diferencia. No es una solución definitiva, pero sí una pieza que faltaba en el engranaje.
