Databricks, plataforma de datos e IA
Databricks es una empresa de datos e inteligencia artificial. Su producto, Databricks Data + AI Platform, reúne en un mismo espacio de trabajo la ingeniería de datos, la ciencia de datos, el aprendizaje automático, la analítica SQL y la inteligencia empresarial (BI). Está construida sobre Apache Spark y usa una arquitectura lakehouse. Hay una prueba gratuita disponible.
Qué ofrece Databricks
Esta sección se basa en el sitio web de Databricks, su página de precios y la documentación de Auto Loader, consultados el 24 de octubre de 2026. El coste real también depende de la nube que conectes; consulta la página de precios de Databricks.
| Componente de Databricks | Cómo lo describe Databricks | Fuente |
|---|---|---|
| Data + AI Platform | Unifica datos, analítica e IA para impulsar agentes, aplicaciones y consultas en lenguaje natural, y funciona en distintas nubes | Resumen de la plataforma |
| Databricks SQL | Un almacén de datos abierto y sin servidor, con consultas en lenguaje natural, un editor SQL asistido por IA y el motor de consultas Photon | Databricks SQL |
| Lakeflow | Ingesta, transformación y orquestación en un solo motor. Lakeflow Connect ingiere datos de bases de datos, aplicaciones SaaS, flujos de eventos y almacenamiento en la nube | Ingeniería de datos |
| Auto Loader | Procesa de forma incremental los archivos nuevos que llegan al almacenamiento en la nube. Lee JSON, CSV, XML, Parquet y más desde S3, ADLS, GCS y volúmenes de Unity Catalog | Documentación de Auto Loader |
| Notebooks | Explorar datos con Python y SQL, con un asistente de IA integrado | Notebooks colaborativos |
Sobre los precios, la página de precios indica que una cuenta de prueba puede usar la plataforma sin costo. Si conectas tu propia cuenta en la nube, tu proveedor de nube te sigue cobrando el cómputo. También existe una edición gratuita para estudiantes y aficionados. Databricks aclara que no es para uso en producción ni comercial.
Para quién es
Databricks afirma tener más de 20,000 clientes. Los usuarios principales son:
- Equipos de ingeniería de datos que crean pipelines por lotes y en tiempo real y quieren ingesta, transformación y programación en un solo lugar.
- Equipos de analítica y BI que consultan datos con SQL, paneles y conversación en lenguaje natural.
- Equipos de aprendizaje automático e IA que entrenan modelos, crean agentes y los despliegan en la misma plataforma.
Convertir subtítulos y comentarios en vivo en un corpus de Databricks
En las plataformas de vídeo, la señal útil no suele estar en el título, sino en lo que se dice en el vídeo y en cómo reacciona el público al momento. Ese texto es abundante y desordenado, justo lo que un lakehouse de Databricks procesa bien. Un equipo que investiga contenidos podría montarlo así:
- Lo que se dice. EveryInfra devuelve texto por vídeo desde el endpoint de transcripciones de YouTube, los subtítulos de Bilibili y las transcripciones de Douyin.
- Las reacciones. El danmaku y los comentarios de Bilibili, junto con el endpoint de comentarios de YouTube, muestran cómo respondió la audiencia al mismo vídeo.
- Depositar en un volumen. Un job escribe cada respuesta JSON en un volumen de Unity Catalog, por ejemplo una carpeta por día.
- Ingerir sin intervención. Auto Loader vigila esa carpeta y añade los archivos nuevos a una tabla Delta de forma incremental, sin volver a leer los antiguos.
- Etiquetar. En Databricks SQL, funciones de IA como ai_analyze_sentiment clasifican cada comentario y después agregas por canal, tema o semana.
Si un job necesita cientos de vídeos, envía las solicitudes como trabajos asíncronos y consulta sus ID; así el clúster de Databricks no queda ocupado esperando. Los vídeos que fallan no se facturan, de modo que una segunda pasada para completar huecos no cuesta más.
Valídalo primero en la Free Edition
Para probar el flujo, procesa unas decenas de vídeos en la Free Edition de Databricks. Databricks indica que no es para producción ni uso comercial; los proyectos reales van en una cuenta de prueba o de pago. Las condiciones del producto las fija el sitio de Databricks; todo lo que aparece aquí sale de sus páginas públicas.