A SAP, Oracle y Palantir les ha aparecido un problema incómodo: la inteligencia empresarial ya no tiene por qué vivir dentro del mismo sistema que registra las transacciones. Durante décadas, las grandes compañías han aceptado una lógica casi inevitable: si el ERP gestiona las finanzas, las compras, los recursos humanos o la logística, también parecía razonable que la capa de análisis avanzado y automatización dependiera del mismo proveedor.

Ese equilibrio está cambiando. Databricks, Snowflake y otros actores de infraestructura de datos están empujando la inteligencia artificial corporativa hacia una capa distinta: la de los datos gobernados, los formatos abiertos y los agentes capaces de consultar, razonar y actuar sobre información que no necesariamente vive encerrada en un único ERP o en una plataforma cerrada de decisión. El movimiento no elimina a SAP, Oracle o Palantir, pero sí cuestiona dónde se crea el mayor valor.

Durante años, el modelo clásico ha funcionado con una fuerza enorme. Una empresa despliega SAP u Oracle para registrar sus operaciones críticas. Allí están las facturas, los pedidos, los inventarios, los contratos, la nómina y buena parte del pulso diario del negocio. Cuando llega el momento de aplicar inteligencia artificial, automatizar decisiones o conectar procesos, el proveedor natural suele ser el mismo que ya controla el sistema transaccional.

El viejo poder del ERP empieza a separarse del dato

SAP y Oracle están reaccionando con rapidez. SAP está reforzando Joule y su estrategia de Business AI con asistentes y agentes integrados en los procesos de negocio, apoyados en datos, seguridad y gobierno corporativo. Oracle, por su parte, ha reconfigurado su suite Fusion Cloud hacia lo que denomina “agentic apps”, aplicaciones pensadas para que los usuarios pidan resultados de negocio y no solo ejecuten tareas aisladas dentro del software.

La reacción tiene sentido. Si el software empresarial se queda reducido a una base de datos transaccional con pantallas encima, el margen de valor se desplaza a otro lugar. Los ERP seguirán siendo necesarios porque una empresa necesita sistemas fiables para registrar compras, ventas, nóminas, impuestos, fabricación o cadena de suministro. Pero la capa que interpreta esos datos, los cruza con otros sistemas y propone decisiones empieza a independizarse.

Palantir representa otro modelo. Su Ontology no se limita a consultar tablas: intenta representar objetos reales del negocio, como fábricas, vehículos, pedidos, productos o activos, y relacionarlos con acciones, permisos y flujos operativos. La propia documentación de Palantir define la Ontology como una capa operativa situada sobre los activos digitales integrados en Foundry, capaz de conectar datos con sus equivalentes del mundo real.

El resultado puede ser muy potente, especialmente en organizaciones complejas. El coste estratégico es evidente: cuanto más valor genera esa capa semántica dentro de una plataforma concreta, más difícil resulta separarse de ella. La empresa no solo compra software. Acaba trasladando una parte de su conocimiento operativo a una estructura que depende de un proveedor.

Databricks y Snowflake atacan desde abajo

La ofensiva de Databricks y Snowflake no llega desde el ERP, sino desde la infraestructura de datos. Su tesis es distinta: la inteligencia empresarial debe construirse encima de los datos de la organización, no necesariamente dentro de la aplicación que los originó. Eso incluye datos del ERP, pero también del punto de venta, del ecommerce, del CRM, de sensores, de hojas internas, de documentación, de campañas, de inventario y de sistemas logísticos.

Databricks ha dado un paso más con Genie One, una nueva línea de agentes de IA para equipos de negocio. Según The Wall Street Journal, el producto está pensado para que profesionales de áreas como finanzas, marketing o ventas obtengan respuestas y tomen decisiones a partir de datos corporativos. La pieza central es Genie Ontology, una capa de contexto que organiza datos, documentos, aplicaciones y personas para que los agentes puedan responder con más precisión.

El caso de Albertsons Companies ayuda a entender el cambio. La cadena estadounidense de supermercados trabaja con Databricks en inteligencia para merchandising y precios. En una sesión del Data + AI Summit, Databricks explica que Albertsons procesa 70.000 millones de filas de transacciones en su Lakehouse y modela relaciones entre artículos y promociones mediante estructuras reutilizables, capaces de mostrar efectos de sustitución, ventas inducidas y canibalización entre productos.

La pregunta ya no es solo “cuánto vendió este queso la semana pasada”. La pregunta interesante es otra: si se lanza una promoción agresiva de una marca concreta, cuántas ventas puede quitar a la marca blanca, qué efecto tendrá sobre productos relacionados y cuánto espacio de lineal debería reajustarse. Antes, una consulta así podía requerir semanas de extracción, conciliación y análisis entre ERP, logística, punto de venta y herramientas de business intelligence. Ahora la ambición es que un agente pueda operar sobre una capa de datos preparada para responder a ese tipo de decisiones.

Accenture también ha situado a Albertsons como ejemplo de adopción de soluciones agentic sobre Databricks para inteligencia de precios, con análisis histórico, previsión y explicabilidad orientada a responsables de categoría.

Snowflake se mueve en una dirección parecida. La compañía está poniendo el acento en arquitecturas abiertas, datos gobernados e interoperabilidad para que los agentes trabajen sobre definiciones fiables y no sobre interpretaciones improvisadas. Sus anuncios recientes sobre formatos abiertos e Iceberg buscan precisamente que los datos puedan ser accesibles por distintas herramientas sin quedar atrapados en una sola capa propietaria.

La batalla real está en la capa semántica

El debate de fondo no va de sustituir ERP por agentes de IA. Va de quién controla la capa semántica de la empresa. Es decir, quién define que un código de producto pertenece a una familia, que una promoción afecta a una categoría, que una tienda tiene un comportamiento comparable con otra, que un retraso logístico altera una previsión de margen o que una decisión comercial tiene impacto en inventario, compras y caja.

Durante mucho tiempo esa inteligencia estaba repartida entre consultores, informes, procesos internos y módulos propietarios. Palantir la convirtió en una capa operativa de alto valor. SAP y Oracle intentan incrustarla en sus suites. Databricks y Snowflake quieren que viva sobre la plataforma de datos.

Para un consejo de administración, la pregunta se vuelve más incómoda. No basta con decidir qué herramienta de IA se va a comprar. Hay que decidir dónde se va a construir el cerebro operativo de la compañía y bajo qué reglas. Si se construye dentro del ERP, la integración puede ser más natural, pero también más dependiente. Si se construye dentro de una plataforma cerrada de inteligencia operativa, el retorno puede ser rápido, aunque la salida sea más difícil. Si se apoya en datos abiertos, gobernados y reutilizables, el camino exige más disciplina técnica, pero ofrece más margen de maniobra.

El ERP no va a desaparecer. SAP y Oracle seguirán teniendo una posición fuerte porque registran procesos que no admiten improvisación. Palantir tampoco pierde relevancia por la llegada de agentes sobre lakehouses; su propuesta sigue siendo atractiva para organizaciones que necesitan conectar decisiones, operaciones y seguridad en entornos muy complejos. Pero el centro de gravedad se está moviendo.

La empresa que trate sus datos como un subproducto del ERP puede acabar comprando inteligencia varias veces: una al proveedor transaccional, otra al proveedor de analítica, otra al proveedor de agentes y otra al consultor que conecta todo. La empresa que organice sus datos como un activo propio tendrá más capacidad para elegir modelos, agentes y aplicaciones sin rehacer su arquitectura cada vez.

La inteligencia artificial empresarial no está separando solo tareas humanas de tareas automatizadas. Está separando el sistema que registra el negocio del sistema que entiende el negocio. Esa división puede ser la gran batalla tecnológica de la próxima década.

Preguntas frecuentes

¿Significa esto que SAP y Oracle van a perder importancia?
No. Sus sistemas seguirán siendo básicos para registrar operaciones críticas. Lo que cambia es que la inteligencia y la automatización pueden construirse fuera del ERP, sobre una capa de datos más amplia.

¿Qué diferencia a Palantir de Databricks o Snowflake?
Palantir propone una capa operativa cerrada y muy integrada para representar objetos, decisiones y acciones del negocio. Databricks y Snowflake parten más desde la infraestructura de datos y buscan que los agentes trabajen sobre datos gobernados y reutilizables.

¿Por qué los formatos abiertos importan en la IA empresarial?
Porque reducen la dependencia de un único proveedor y permiten que distintas herramientas consulten los mismos datos con reglas comunes. En IA, eso puede facilitar que los agentes trabajen sobre información consistente.

¿Cuál es el riesgo para las empresas?
El principal riesgo es construir una nueva dependencia tecnológica justo cuando intentan modernizarse con IA. La decisión importante no es solo qué agente comprar, sino dónde queda almacenado y gobernado el conocimiento operativo de la compañía.