dbt Labs ha consolidado en mayo la expansión del nuevo motor dbt Fusion con la integración nativa con Microsoft Fabric y la incorporación de soporte para DuckDB, Apache Spark y Python UDFs sobre Snowflake y BigQuery. El movimiento refuerza la apuesta de la compañía por mantener Fusion como capa de transformación neutral entre proveedores, en un sector donde Snowflake y Databricks aspiran a absorber cada capa del stack moderno de datos.
La integración con Microsoft Fabric, anunciada como expansión oficial del ecosistema Fusion, completa el cuadro de los grandes hyperscalers. Fusion ya estaba disponible en Snowflake desde marzo y en BigQuery desde abril; con Fabric incluido, los equipos que trabajan sobre OneLake y Synapse pueden aprovechar el motor escrito en Rust que reduce drásticamente los tiempos de compilación frente al Core tradicional de Python. La adición es relevante para la base empresarial Microsoft, históricamente menos atendida por dbt Labs que las plataformas independientes.
El soporte para DuckDB en beta abre un caso de uso que la comunidad pedía hace tiempo: ejecutar proyectos dbt en local sin necesidad de cuenta de warehouse, ideal para testing, exploración y pipelines de CI donde el coste de warehouse importa. Para equipos pequeños que iteran rápidamente sobre modelos sin querer pagar minutos de Snowflake en cada commit, DuckDB sobre Fusion es un cambio significativo en el flujo diario.
Las novedades incluyen también el dbt Developer Agent en preview, un agente de IA específicamente entrenado para entender los patrones de trabajo de los analytics engineers: añadir tests, refactorizar modelos, generar documentación y proponer optimizaciones sin romper las dependencias del DAG. Es la respuesta de dbt Labs al GitHub Copilot generalista, con conocimiento contextual del proyecto dbt completo.
Para el sector, las implicaciones se cruzan con dos tendencias paralelas. Por un lado, Snowflake acaba de absorber dbt nativamente en Cortex Code; por otro, Confluent ya distribuye su adaptador dbt para Apache Flink. El equilibrio entre dbt como herramienta independiente y dbt como capa empotrada en cada plataforma es el punto de tensión del año en data engineering. Mientras Fusion siga avanzando en su modelo multi-engine, dbt Labs mantiene una posición negociadora frente a sus propios partners-competidores.
Más en Dataprix: Análisis de plataformas de integración de datos.
Fuente: dbt Labs Blog.