En su primer informe, que evalúa las plataformas de data lakehouse como un mercado diferenciado, Gartner ha reconocido a Snowflake como líder en el primer Magic Quadrant™ para plataformas de data lakehouse. Nos enorgullece especialmente el reconocimiento en la modernización de almacenes de datos porque, para nuestros clientes, modernizar ya no implica realizar otra migración.
Creemos que este momento marca una transformación, tanto en nuestra plataforma como en el mercado que la rodea.
El mercado ha superado el dilema “almacén de datos o data lake”
Habla con cualquier Chief Data Officer (CDO) y escucharás la misma historia: los datos están distribuidos entre distintas plataformas, nubes y regiones, y cada sistema tiene su propio modelo de confianza. Los equipos copian datos para poder trabajar, y cada copia merma la gobernanza y el significado. El coste y el riesgo aumentan con cada nuevo pipeline.
Pero existe un temor más profundo. Durante décadas, cada nueva ola tecnológica obligaba a los clientes a migrar a otro sistema propietario, a menudo con costes que no podían predecir ni controlar. Entonces, la IA elevó el nivel de exigencia. Los agentes necesitan datos fiables y un contexto coherente en todas las nubes que utiliza una empresa.
La apertura por sí sola no disipa ese temor. Ahora, casi todos los proveedores de este mercado son compatibles con Apache Iceberg™ y los estándares abiertos, lo cual beneficia a los clientes. Las preguntas más difíciles son si una plataforma elimina los motivos que llevan a los equipos a copiar datos y si les ofrece una única forma de gobernar todo lo que se produce en el mundo actual de múltiples motores.
Gartner define las plataformas de data lakehouse como sistemas de gestión de datos analíticos que ofrecen una arquitectura unificada y nativa de la nube para gestionar y analizar todo tipo de datos: estructurados, semiestructurados y no estructurados. El lakehouse es un enfoque transformador que combina el rendimiento gobernado y de alta simultaneidad de un almacén de datos empresarial (EDW) con la escala, la flexibilidad y la compatibilidad con múltiples motores de un data lake, aprovechando formatos de tabla abiertos y admitiendo varios motores de procesamiento. El lakehouse admite una amplia variedad de workloads analíticos y de IA.
Cómo se transformó Snowflake
Comenzamos como un almacén de datos creado para la nube, separando el almacenamiento del cómputo para que los equipos pudieran escalar las analíticas de forma independiente sin gestionar la infraestructura. A medida que los datos de nuestros clientes se distribuían entre plataformas y nubes, el siguiente paso estaba claro: acceder a esos datos dondequiera que estuvieran. Modernizamos nuestra propia plataforma del mismo modo que ayudamos a los clientes a modernizarse: conectando en lugar de empezar de cero.
Creemos que la IA empresarial no debe trabajar con datos en los que no puedes confiar. Esta convicción dio forma a Snowflake AI Data Cloud en torno a cuatro ideas: un único perímetro de confianza para todos tus datos; conexión siempre que sea posible y movimiento de datos solo cuando sea necesario; cómputo y costes bajo tu control; y libertad para elegir el modelo, la nube y la interfaz.
Un único perímetro de confianza y un contexto gobernado para todos tus datos
Los proyectos de modernización siempre prometen a las organizaciones empezar de cero, pero a menudo no cumplen esa promesa. Sin embargo, modernizarse con Snowflake parte de una premisa diferente: La realidad empresarial es que existen múltiples plataformas. Conectar plataformas mediante estándares abiertos e interoperables se adapta a la situación de los clientes y les proporciona autonomía sobre sus datos. Con Snowflake, los clientes pueden definir la confianza una sola vez y extenderla después a todo su patrimonio de datos.
Creemos que esta es la razón por la que Snowflake obtuvo el n.º 1 (4,29/5) para este caso de uso en el informe complementario Critical Capabilities de Gartner. Los clientes reúnen almacenes de datos, data lakes y lakehouses bajo un único perímetro de confianza, en lugar de trasladarlos a otro silo.
Ese entorno compartido es Snowflake Horizon Catalog, basado en Apache Polaris para ofrecer interoperabilidad con Iceberg. Horizon Catalog combina las capacidades de gobernanza y el contexto empresarial para proporcionar un único perímetro de confianza para todos tus datos. Snowflake permite aplicar políticas de enmascaramiento y de acceso a filas en las consultas realizadas en tablas compatibles, incluidos los datos federados de catálogos externos, los datos a los que se accede mediante integraciones sin copia y los datos compartidos entre cuentas y partners. Al mismo tiempo, los controles basados en roles regulan el acceso a modelos y agentes. Los equipos definen métricas y relaciones empresariales en vistas semánticas que las personas y los agentes pueden reutilizar. Después, amplían esa base gobernada a medida que crece su patrimonio de datos.
Klarent, una empresa tecnológica del sector de los seguros, puso en práctica este enfoque definiendo una sola vez en Snowflake cada cliente, póliza, viaje y reclamación. Los agentes, los informes y las aplicaciones utilizan esas definiciones compartidas para que los equipos de marketing y asistencia puedan seguir a un cliente de seguros desde que es un cliente potencial hasta que presenta una reclamación y obtener respuestas coherentes. Lee el caso de éxito completo aquí.
Sin embargo, unificar la seguridad y la gobernanza no exige moverlo todo. Esto nos lleva al segundo principio.
Conectarse siempre que puedas y mover los datos solo cuando sea necesario
La mayoría de los equipos de datos no tienen tanto un problema de datos como de copias: cada nuevo caso de uso comienza con otra extracción y otro pipeline que mantener. La realidad es que la forma más rápida de conseguir analíticas unificadas consiste en dejar los datos donde ya están.
Snowflake también ocupa el n.º 2 (4,23/5) para el caso de uso de plataforma unificada de datos para analíticas en Critical Capabilities. Los clientes obtienen una única plataforma analítica para todos sus datos porque Snowflake se conecta a ellos allí donde se encuentran.
Horizon Catalog funciona con tablas de Iceberg de distintos catálogos externos, mientras que las integraciones profundas de copia cero llegan a sistemas de registro como Workday, Salesforce, SAP y muchos más.
Cuando es necesario mover los datos, las herramientas de streaming y procesamiento por lotes diseñadas para aumentar la productividad de la ingeniería permiten incorporarlos con mucho menos trabajo de pipelines. El resultado es un único lugar donde analizar cualquier dato, con menos copias que almacenar y menos pipelines que gobernar.

Cómputo y costes bajo tu control
La IA cambia la economía de una plataforma de datos. Cuando los agentes consultan datos las 24 horas, el coste debe integrarse en el diseño de la plataforma desde el principio. Los clientes nos han dicho claramente que la previsibilidad importa tanto como el rendimiento, y nos hemos tomado muy en serio sus comentarios.
La forma más sencilla de controlar el coste es necesitar menos infraestructura. Snowflake lleva el cómputo hasta los datos para casi cualquier workload, desde aplicaciones transaccionales en Snowflake Postgres hasta analíticas y workloads con un gran volumen de lecturas en tablas interactivas. El cómputo se adapta a cada workload y optimiza los recursos automáticamente, algo cada vez más importante a medida que los workloads dirigidos por máquinas se convierten en la norma.
A ello se suman controles de costes unificados para todos los workloads y la IA que se ejecutan en Snowflake. Las alertas presupuestarias en los niveles de organización, cuenta y objeto marcan la pauta de los controles detallados. Por su parte, las cuotas por usuario, que incluso pueden bloquear nuevas solicitudes en los servicios de IA compatibles cuando los usuarios alcanzan sus límites, ayudan a los equipos a contener gastos imprevistos en IA. La detección de anomalías puede señalar con antelación picos inesperados.
Para los desarrolladores que buscan mejorar la eficiencia de la inteligencia, Snowflake CoCo proporciona un entorno de evaluación nativo de datos que reduce el coste y mejora la precisión.

En Indeed, la plataforma global de empleo, la adopción de las tablas interactivas y los almacenes de Snowflake permitió al equipo consolidar las analíticas dirigidas a las empresas empleadoras y pasar de 10 clústeres de computación a 4. Los tiempos medios de respuesta de las consultas mejoraron un 60 %, mientras que los costes de infraestructura se redujeron otro 45 %, lo que proporcionó a las empresas empleadoras paneles de control más rápidos con menos infraestructura que mantener. Lee el caso de éxito completo aquí.
Libertad para elegir el modelo, la nube y la interfaz
El panorama de la IA será distinto el próximo trimestre. Una plataforma que te vincula a un único modelo o una sola nube te obliga a reconstruirlo todo cada vez que cambia el terreno bajo tus pies. La realidad actual es que los datos están distribuidos entre distintas nubes y aparecen nuevos modelos constantemente. Snowflake facilita la elección del modelo adecuado para cada tarea y ofrece modelos líderes dentro del perímetro de seguridad de Snowflake. Los agentes acceden a las herramientas que necesitan para realizar tareas reales mediante servidores integrados del protocolo de contexto de modelo (MCP), aunque los equipos también pueden aportar los suyos.
La plataforma funciona en distintas nubes y regiones, con un uso compartido gobernado. Los desarrolladores trabajan en Snowflake CoCo y los profesionales del conocimiento obtienen respuestas en Snowflake CoWork, todo sobre la misma base gobernada.
Qué significa esto para los CDO
En conjunto, estos principios cambian lo que la modernización exige a una organización de datos. Modernizas unificando en lugar de migrando, bajo un único perímetro de confianza para los datos, los modelos y los agentes. Te conectas a los datos allí donde se encuentran y solo los mueves cuando el trabajo lo requiere. El cómputo se adapta a cada workload con controles que mantienen los costes predecibles, y los equipos eligen el modelo, la nube y la interfaz que mejor se adaptan a cada tarea. Toda la plataforma se convierte en el plano de control agéntico, de modo que los equipos de datos pueden llevar los datos a la IA en producción con mayor rapidez.
Próximos pasos
Creemos que esto es lo que exige ahora el mercado: una plataforma, un perímetro de confianza y apertura e interoperabilidad en todas las capas. Esta es la transformación que este reconocimiento representa para nosotros.
Gracias a nuestros clientes, cuyos comentarios han dado forma a cada paso de nuestra transformación; a nuestros partners y a la comunidad de código abierto; así como a los equipos de Snowflake que hicieron realidad esa transformación.
Lee el informe completo Magic Quadrant de Gartner para plataformas de data lakehouse:
- Gartner, Magic Quadrant for Data Lakehouse Platforms, Aaron Rosenbaum, Michael Gonzales et al., 4 de noviembre de 2026.
- Gartner, Critical Capabilities for Data Lakehouse Platforms, Michael Gonzales, Ramke Ramakrishnan et al., 5 de noviembre de 2026.
Gartner y Magic Quadrant son marcas comerciales de Gartner, Inc. o sus filiales.
Gartner no avala a ninguna empresa, proveedor, producto o servicio que aparezca en sus publicaciones, ni recomienda a los usuarios de tecnología que seleccionen únicamente a los proveedores con las puntuaciones más altas u otra distinción. Las publicaciones de Gartner reflejan las opiniones de la organización de análisis empresarial y tecnológico de Gartner y no deben interpretarse como afirmaciones de hechos. Gartner rechaza todas las garantías, expresas o implícitas, con respecto a esta publicación, incluidas las garantías de comerciabilidad o idoneidad para un fin determinado.
- Según pruebas comparativas internas, CoWork con Cortex Sense mejora la precisión del 24,1 % al 86,3 % y reduce el coste por consulta de 1,76 USD a 0,59 USD —una reducción del 66 %— en comparación con un agente de vanguardia sin fundamentación. Obtén más información en: Eficiencia de la inteligencia en acción: Menor coste por resultado fiable con Snowflake CoCo y CoWork ↩





