dbt Labs ha publicado la cuarta edición de su State of Analytics Engineering Report, el estudio de referencia anual sobre el estado de la ingeniería analítica. El hallazgo central de la edición 2026 es revelador: la confianza en los datos se ha convertido en la prioridad número uno para las organizaciones, con un salto de 66% a 83% en un solo año —el mayor incremento registrado en la historia del informe. Ese dato no es una buena noticia sin matices: significa que la desconfianza en los datos generados o procesados por IA está creciendo más rápido que las soluciones para abordarla.
El informe, elaborado a partir de 363 respuestas de profesionales y responsables de datos, revela una brecha preocupante entre la velocidad de adopción de la IA y los mecanismos de control. El 72% de los encuestados prioriza el coding asistido por IA en sus flujos de desarrollo, pero solo el 24% prioriza la gestión de pipelines asistida por IA, que incluye testing y observabilidad. Dicho de otra forma: se adopta el acelerador, pero no el freno. El 71% de los profesionales señala que los outputs incorrectos o alucinados que llegan a los stakeholders es su principal preocupación, especialmente en contextos donde agentes autónomos operan sobre datos organizacionales a escala.
En el plano de la gobernanza, el 41% de los encuestados reporta ambigüedad en la propiedad de los datos, y los problemas de calidad siguen siendo el obstáculo recurrente más citado. El gasto en infraestructura de datos crece más rápido que los presupuestos de los equipos: el 57% informa de un incremento en costes de warehouse y cómputo frente a solo el 36% que reporta mayor presupuesto para su equipo. El informe coincide con el anuncio de la fusión de dbt Labs y Fivetran, lo que añade relevancia estratégica a sus conclusiones.
Para los líderes de datos, el mensaje del informe 2026 es claro: la velocidad de adopción de IA sin las correspondientes inversiones en gobernanza, observabilidad y calidad de datos crea una deuda técnica de confianza que tarde o temprano afectará a las decisiones de negocio. Construir pipelines de datos confiables no es un requisito previo a la IA —es un componente inseparable de cualquier estrategia de IA que funcione en producción.
Más en Dataprix: Gobernanza de datos: calidad, linaje y gestión
Fuente: PR Newswire – dbt Labs