Qlik ha dado un paso significativo en su estrategia de inteligencia artificial aplicada a los datos al extender su motor de ejecución agéntica al ámbito del data engineering. La compañía, conocida principalmente por sus capacidades de analítica y visualización, ha anunciado un conjunto de nuevas funcionalidades que redefinen cómo se construyen y gestionan los pipelines de datos, pasando de un modelo basado en código a uno orientado a la intención declarativa.
Las novedades incluyen pipelines declarativos —donde el ingeniero describe el resultado esperado en lugar de codificar cada paso de la transformación—, enrutamiento en tiempo real mediante Open Lakehouse Streaming, y tres agentes especializados que operan de forma autónoma sobre el stack de datos: el Data Product Agent, encargado de crear y mantener productos de datos; el Data Quality Agent, que monitoriza y corrige problemas de calidad de forma proactiva; y el Analytics Agent, que genera análisis y responde preguntas de negocio sin intervención manual. La propuesta de Qlik es que la ingeniería de datos no sea solo asistida por IA sino dirigida por IA.
Este movimiento sitúa a Qlik en competencia directa con plataformas como Databricks, Snowflake o dbt en la capa de transformación y gestión de datos, ampliando su propuesta de valor más allá del frontend analítico. La integración vertical de BI, data engineering y gobernanza en un único stack agéntico es la apuesta de la compañía para competir en un mercado en rápida consolidación.
Para los equipos de datos que ya utilizan Qlik como capa de visualización, esta evolución puede resultar especialmente atractiva: permite extender el mismo proveedor hacia arriba en el pipeline sin añadir nuevas herramientas. Sin embargo, plantea también la habitual tensión entre simplificación operativa y concentración de dependencia en un único vendor. Los arquitectos de datos deberán evaluar si los pipelines declarativos de Qlik ofrecen el nivel de control y auditabilidad que sus entornos regulados requieren.
Más en Dataprix: Herramientas y plataformas de Business Intelligence
Fuente: Let’s Data Science