El cofundador de Databricks, Matei Zaharia, gana el premio ACM y declara que AGI ya está aquí



En breve: Matei Zaharia, profesor de informática de Berkeley y cofundador de Databricks que creó Apache Spark, ganó el Premio ACM en Computación 2026 por sus contribuciones fundamentales a los sistemas de datos distribuidos y la infraestructura de inteligencia artificial. El premio de 250.000 dólares, financiado por una donación de Infosys, es uno de los honores de mitad de carrera más prestigiosos de la informática. Zaharia donará el premio a organizaciones benéficas. En una entrevista posterior al anuncio, argumentó que AGI ya llegó, “simplemente no está en una forma que apreciamos”, y que el campo debería dejar de comparar la IA con la cognición humana.

De la tesis doctoral a la infraestructura global

Zaharia comenzó a construir Apache Spark como estudiante de doctorado en UC Berkeley en 2009, una alternativa más rápida a Hadoop MapReduce, que se había convertido en el marco predeterminado para el procesamiento de datos distribuidos a gran escala pero que estaba sobrecargado por una lenta E/S basada en disco entre etapas. Spark trasladó la computación intermedia a la memoria, reduciendo los tiempos de procesamiento para cargas de trabajo iterativas, capacitación en aprendizaje automático, procesamiento de gráficos y análisis de flujo, de horas a minutos o segundos. La brecha de rendimiento fue lo suficientemente decisiva como para que Spark reemplazara efectivamente a MapReduce para la mayoría de las cargas de trabajo analíticas a los pocos años de su lanzamiento. Sigue siendo uno de los marcos de procesamiento de datos más utilizados en el mundo. La tesis doctoral de Zaharia sobre Spark ganó el Premio de Tesis Doctoral ACM en 2014, y el proyecto se convirtió en la semilla de Databricks, la empresa de datos e inteligencia artificial que cofundó en 2013 con seis colegas de Berkeley. Databricks alcanzó una valoración de 134.000 millones de dólares en diciembre de 2025 tras su ronda de financiación Serie L y reveló una tasa de ingresos de 5.400 millones de dólares en febrero de 2026, con un crecimiento interanual de más del 65%. La ACM, en su mención del premio, atribuyó a Zaharia el “desarrollo visionario de sistemas de datos distribuidos e infraestructura informática, que ha permitido el aprendizaje automático, el análisis y la inteligencia artificial a gran escala a escala global”. El ecosistema de código abierto que Zaharia ayudó a popularizar, Apache Spark tiene la licencia Apache 2.0, la misma licencia que Google usó la semana pasada para su familia de modelos de peso abierto Gemma 4. se ha convertido en el marco predeterminado para los lanzamientos de modelos y herramientas de IA que apuntan a una amplia adopción comercial.

Delta Lake, MLflow y la casa del lago de datos

Las contribuciones de Zaharia no se limitaron a Spark. A medida que la infraestructura de datos se trasladó a la nube y las organizaciones comenzaron a almacenar grandes cantidades de datos no estructurados en almacenes de objetos como Amazon S3, surgió una nueva serie de problemas: los lagos de datos en la nube eran rápidos y baratos pero poco confiables, sin garantías transaccionales, sin aplicación consistente de esquemas y sin una forma basada en principios para manejar escrituras concurrentes. Zaharia codesarrolló Delta Lake para resolver esto, llevando la semántica transaccional de ACID a los almacenes de objetos en la nube y habilitando un nuevo patrón arquitectónico, el data lakehouse, que combinaba las ventajas de costo y escala de un lago de datos con las propiedades de coherencia y gobernanza de un almacén de datos tradicional. La arquitectura Lakehouse es ahora el producto comercial principal de Databricks y ha sido ampliamente adoptada en toda la ingeniería de datos empresariales. Un tercer proyecto, MLflow, abordó el caos operativo que había surgido cuando el aprendizaje automático pasó de la investigación a la producción. Los equipos que creaban modelos de aprendizaje automático no tenían una forma consistente de rastrear experimentos, versiones de modelos o administrar implementaciones en el diverso conjunto de herramientas, Scikit-learn, TensorFlow, PyTorch, XGBoost, que una sola organización podría usar simultáneamente. MLflow proporcionó un marco de ciclo de vida estructurado que se convirtió en una de las plataformas líderes para hacer operativa la IA a escala.

Agentes, DSPy y la frontera actual de la investigación

La investigación reciente de Zaharia ha pasado de la infraestructura de datos a los sistemas que hacen que los agentes de IA sean más confiables y capaces. Es coautor de DSPy, un marco de código abierto que optimiza automáticamente las indicaciones y parámetros utilizados para instruir a los modelos de lenguaje para tareas específicas, reemplazando la ingeniería de indicaciones manual que se ha convertido en una fuente importante de fragilidad en los sistemas de producción de IA. Un proyecto relacionado, GEPA, amplía este enfoque a la calidad de los agentes, centrándose en cómo mejorar la confiabilidad de los flujos de trabajo de IA de varios pasos donde los errores se acumulan a través de decisiones secuenciales. El hilo conductor a lo largo de la carrera de Zaharia es el pensamiento sistémico aplicado a las partes de la IA que no son el modelo en sí: los canales de datos, el seguimiento de experimentos, la infraestructura de implementación y ahora la capa de orquestación de agentes. El ecosistema de implementación de IA empresarial que ha crecido en torno a estas herramientas es ahora un mercado comercial importante por derecho propio: Infosys, que financia el Premio ACM a través de su donación, también es uno de los socios ancla de Claude Partner Network de Anthropic, lanzada en marzo de 2026 con 100 millones de dólares comprometidos para la implementación de IA empresarial. un mercado que no existiría en su forma actual sin los datos y la infraestructura de ML que el trabajo de código abierto de Zaharia hizo accesible. “Lo que más me emociona,» Zaharia dijo en la entrevista de TechCrunch, «es lo que yo llamaría IA para búsqueda, pero específicamente para investigación o ingeniería.” Imagina a estudiantes e investigadores utilizando IA para simular cambios a nivel molecular en sistemas biológicos y predecir sus resultados, una investigación científica autónoma a una escala y velocidad que ningún equipo humano podría replicar.

“AGI ya está aquí”, el reclamo y lo que quiere decir

El momento que más llamó la atención en el anuncio no fue el premio en sí, sino una declaración que hizo Zaharia sobre el estado de la IA. “AGI ya está aquí«, dijo a TechCrunch. «Simplemente no está en una forma que apreciemos..” La afirmación es provocativa, pero su elaboración aclara lo que está diciendo y lo que no está diciendo. La definición convencional de inteligencia artificial general, un sistema capaz de realizar cualquier tarea intelectual que un ser humano pueda realizar, establece una comparación entre la IA y la cognición humana que, según Zaharia, es un marco equivocado. “Deberíamos dejar de intentar aplicar estándares humanos a estos modelos de IA.«, dijo. Su razonamiento es que las capacidades de los sistemas de IA actuales son estructuralmente diferentes de la inteligencia humana en lugar de simplemente más débiles. Un ser humano sólo puede aprobar el examen de la abogacía si ha integrado grandes cantidades de conocimientos jurídicos a través de años de estudio; una IA puede ingerir el mismo corpus en minutos. Si luego responde correctamente a las preguntas legales, el punto de Zaharia es que descartar esto como «no realmente inteligencia» porque se adquirió de manera diferente es un estándar arbitrario. El debate sobre cómo definir y medir el progreso de la IA está dando forma a la estrategia competitiva en los laboratorios más importantes: Demis Hassabis describió recientemente cómo Google DeepMind se reestructuró para acelerar el ritmo de la investigación, caracterizando la carrera actual de la IA como “feroz» y «históricamente intenso“. La redefinición de AGI que hace Zaharia es menos una afirmación triunfalista que un argumento metodológico: la insistencia del campo en medir la IA con respecto a puntos de referencia humanos puede estar causando que se malinterprete de qué son realmente capaces los sistemas que ya ha construido. La evidencia comercial de esa capacidad se está acumulando rápidamente. Anthropic, cuyos modelos se ejecutan en la infraestructura de datos que el trabajo de código abierto de Zaharia ayudó a normalizar, alcanzó una tasa de ingresos anuales de 30 mil millones de dólares a principios de este año.. El año 2025 marcó el cambio en la IA de una novedad de investigación a una infraestructura operativa.y Zaharia, cuya carrera siempre se ha centrado en la capa debajo de la capa que todos los demás miran, ha estado sentando las bases para ese cambio desde su doctorado.



Fuente: TNW

Compartir:

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Esta web utiliza cookies propias y de terceros para su funcionamiento, análisis, programas de afiliación y para mostrar publicidad personalizada basada en tu perfil y hábitos de navegación. Además, incluye enlaces a sitios externos con sus propias políticas de privacidad, las cuales podrás gestionar al visitarlos. Al hacer clic en Aceptar, consientes el uso de estas tecnologías y el tratamiento de tus datos para estos fines.   
Privacidad