Confluent ha publicado el release Q2 2026 de Confluent Cloud, centrado en hacer accesible el procesamiento de streaming preparado para IA. El conjunto de novedades busca acercar el mundo del streaming a los flujos de trabajo basados en SQL y a los agentes, en un momento en que la frontera entre datos en movimiento y datos en reposo se difumina.
La pieza más relevante para los equipos de ingeniería es el nuevo adaptador dbt para Confluent Cloud for Apache Flink, acompañado de Materialized Tables, que llevan el procesamiento de flujos al modelo declarativo de dbt y permiten definir transformaciones en streaming con la misma sintaxis y disciplina de testing que ya se usa en batch. Es un paso más hacia un único lenguaje de transformación que cubra ambos paradigmas.
El release añade también un servidor Model Context Protocol (MCP) gestionado con Confluent Agent Skills, que expone los datos en streaming a agentes de IA con gobernanza, y las Snapshot Queries, consultas SQL puntuales que devuelven una vista a un instante concreto combinando el histórico profundo de Tableflow con los eventos en tiempo real de Kafka mediante union reads. Según Confluent, estas consultas son entre 50 y 100 veces más rápidas que escanear los flujos de Kafka en crudo.
Para un arquitecto de datos, el mensaje es doble. Por un lado, dbt se consolida como capa de transformación común entre batch y streaming, lo que reduce la fragmentación de herramientas y conocimiento en los equipos. Por otro, el servidor MCP refleja la presión del sector por dejar que los agentes consuman datos operacionales en tiempo real sin renunciar a controles de acceso y linaje.
El movimiento encaja en la estrategia de Confluent de situar Apache Flink como estándar de procesamiento de flujos sobre Kafka, y llega en un trimestre en el que prácticamente todos los grandes proveedores de datos han incorporado servidores MCP y adaptadores dbt. La consecuencia práctica es que las arquitecturas en streaming empiezan a parecerse, en herramientas y patrones, a las analíticas tradicionales.
Más en Dataprix: Análisis de plataformas de integración y streaming de datos.
Fuente: Confluent Blog.