--- title: "Databricks lanza “Data Intelligence for Cybersecurity”: lakehouse, agentes de IA y datos unificados para responder a amenazas en tiempo real" description: "Databricks ha anunciado Data Intelligence for Cybersecurity , una oferta que lleva su arquitectura Lakehouse al terreno de la seguridad con un mensaje claro: unificar datos y operaciones para que los..." url: https://revistacloud.com/databricks-lanza-data-intelligence-for-cybersecurity-lakehouse-agentes-de-ia-y-datos-unificados-para-responder-a-amenazas-en-tiempo-real/ date: 2025-10-05 modified: 2025-10-01 author: "Antonio" image: https://revistacloud.com/wp-content/uploads/2024/10/databricks-data-intelligence.png categories: ["Noticias", "Seguridad"] tags: ["Databricks"] type: post lang: es --- # Databricks lanza “Data Intelligence for Cybersecurity”: lakehouse, agentes de IA y datos unificados para responder a amenazas en tiempo real **Databricks** ha anunciado **Data Intelligence for Cybersecurity**, una oferta que lleva su arquitectura **Lakehouse** al terreno de la **seguridad** con un mensaje claro: **unificar** datos y **operaciones** para que los equipos detecten e investiguen **amenazas –incluidas las impulsadas por IA–** con **más contexto** y **menos fricción**. La novedad se apoya en el ecosistema de socios de la compañía y en **Agent Bricks**, el marco para **construir agentes de IA** que no solo **analizan** datos, sino que también **ejecutan acciones** **gobernadas** en cada fase del flujo de seguridad. --- ## El problema que atacan: datos fragmentados, modelos genéricos y respuestas lentas Mientras los atacantes incorporan **IA** a su *toolkit*, muchas organizaciones quedan atadas a **modelos genéricos** y a **datos dispersos** entre **SIEMs**, **EDR**, **NDR**, *cloud logs* y aplicaciones. El resultado: **visibilidad parcial**, **ruido** y **tiempos de respuesta** más altos. Databricks propone **romper** esos silos sobre un **Lakehouse** que **ingiere** y **normaliza** telemetrías a escala, con **gobernanza** centralizada (catálogo, políticas, linaje) y **analítica** en tiempo real. --- ## Qué incluye “Data Intelligence for Cybersecurity” - **Agentes de IA a escala (Agent Bricks)**: marco para **desarrollar y operar** agentes **listos para producción** con **precisión** y **acciones gobernadas** (por ejemplo, **aislar un host**, **abrir un ticket**, **ajustar un control**). - **Seguridad conversacional**: **búsqueda en lenguaje natural**, **dashboards** e **insights** en tiempo real que hacen **accesible** la postura y las alertas a **expertos** y **líderes no técnicos**. - **Capa de datos unificada**: lakehouse que reúne **todas** las fuentes de seguridad para **visibilidad amplia** del **ataque** y su **contexto**, sin quedar atrapado por **limitaciones** clásicas de **SIEM** ni **bloqueos** de proveedor. > “Con Data Intelligence for Cybersecurity, datos e IA pasan a ser la mejor defensa”, resume Omar Khawaja, VP de Seguridad y Field CISO en Databricks. “Permite un enfoque más exacto, gobernado y flexible para construir agentes que combaten proactivamente las amenazas modernas”. --- ## Clientes y resultados tempranos - **Arctic Wolf** procesa **>8 billones** de eventos semanales y acelera innovación de **IA** para su SOC. - **Barracuda**: **–75 %** en costes diarios de proceso/almacenamiento, **alertas <5 minutos** y más tiempo de ingeniería invertido en **nuevas detecciones**. - **Palo Alto Networks**: **unificación** de datos fragmentados y **x3** en la aceleración de capacidades de **detección con IA**, con **costes operativos** menores. - **SAP Enterprise Cloud Services**: **–80 %** tiempo de ingeniería, **>5×** velocidad en despliegue de reglas; más **visibilidad** y **ahorros**. --- ## Ecosistema de socios Integraciones con un elenco de proveedores de **detección**, **clasificación**, **protección de datos** y **servicios** (entre otros: **Abnormal AI, Accenture Federal, ActiveFence, Arctic Wolf, BigID, Deloitte, Panther, Varonis**), encaminadas a resultados **medibles** y una **defensa unificada**. --- ## ¿Qué gana un CISO con este enfoque? 1. **Menos silos, más contexto**: un único **plano de datos** para correlacionar **telemetrías** y **enriquecimientos** (identidades, activos, *cloud*, *SaaS*). 2. **Del dashboard a la acción**: **agentes** que **operan** bajo **políticas** y **trazabilidad**, cerrando el ciclo de **detección → análisis → respuesta**. 3. **Gobernanza horizontal**: **catálogo** y **controles** consistentes (**Unity Catalog/Delta Lake**) entre **equipos** y **entornos** (on-prem, nube, *edge*). 4. **Salud financiera del SOC**: **almacenamiento y cómputo** optimizables en el **lakehouse**, con **apertura** para evitar **costes hundidos** y **dependencias** de SIEM. --- ## Casos de uso que encajan bien - **Detección y respuesta (SecOps)**: unificación de **logs** (cloud, EDR/NDR, SaaS), **detecciones** en **streaming** y **playbooks** accionables por **agentes**. - **Threat hunting** y **detección de fraudes** con **búsqueda conversacional** y **modelos propios** (no genéricos). - **Data security posture**: integración con **clasificación**, **descubrimiento** y **protección** de datos sensibles (p. ej., con **Varonis**). - **MDR/MSSP**: plataformas que ya agregan volúmenes **masivos** y necesitan **costes lineales**, **elasticidad** y **IA** propietaria. --- ## Riesgos y preguntas a resolver (visión equilibrada) - **Gobernanza de agentes**: establecer **límites de acción**, **aprobaciones humanas** y **trazabilidad** para evitar **automatizaciones peligrosas**. - **Calidad de datos**: un lago **unificado** solo rinde si hay **modelado**, **normalización** y **catálogo**; *garbage in ⇒ garbage out*. - **Convivencia con SIEM**: decidir **qué se queda** en el SIEM (cumplimiento, retención legal) y **qué migra** al **lakehouse** (analítica/IA, economías de escala). - **Latencia y costes**: dimensionar **streaming**/**batch** y uso de **almacenamiento** para equilibrar **tiempo real** con **presupuesto**. - **Privacidad y transferencias**: si se procesan **datos personales**, alinear con **RGPD/NIS2/DORA** y **mecanismos de transferencia** cuando corresponda. --- ## Encaje arquitectónico (alto nivel) - **Ingesta**: conectores a **fuentes** (cloud, endpoints, red, SaaS) → **Delta Lake** con **esquemas gestionados**. - **Procesamiento**: **Spark/Structured Streaming** + **modelos** (MLflow) + **features** (Feature Store). - **Gobernanza**: **Unity Catalog** (políticas/linaje/mascarado). - **Acción**: **Agent Bricks** orquestando **playbooks** con **guardrails**, integrados con **ITSM**, **EDR/NDR**, **IAM**, **firewalls**. - **Observabilidad**: *dashboards*, **NLQ** (consultas en lenguaje natural), métricas de **detección** y **MTTR**. --- ## Conclusión El anuncio coloca a **Databricks** en el centro de una tendencia que ya se veía venir: la **ciberseguridad** como un problema de **datos a escala** y de **agentes** que **actúan** con **gobernanza**. Para organizaciones que pelean con **silos**, **costes** y **modelos genéricos**, la combinación de **lakehouse** + **agentes** es un camino plausible hacia **detección más rápida**, **investigación con contexto** y **respuesta** sin fricción. La ejecución —**calidad de ingesta**, **controles de agente** y **coexistencia** con el SIEM— dictará el **retorno**. Para profundizar, [Databricks ha publicado recursos técnicos](https://www.databricks.com/company/newsroom/press-releases/databricks-announces-data-intelligence-cybersecurity), *solution briefs* y casos de cliente en su blog y páginas de **Data Intelligence for Cybersecurity**.