Alberto Alonso
Microsoft Data Platform MVP & Snowflake Data Superhero
Introducción
El sector de los datos lleva años dándole vueltas a la misma pregunta: cómo sacar partido de las capacidades avanzadas de una plataforma sin quedar atado a ella. Hoy conviven motores de proceso, plataformas analíticas, agentes de IA, frameworks de machine learning y múltiples entornos cloud, así que la interoperabilidad ha pasado a ser un requisito estratégico.
La reciente incorporación en public preview de la Iceberg Scan Plan API dentro de Snowflake Horizon Catalog va bastante más allá de una novedad técnica, porque vuelve a demostrar cómo los formatos abiertos, y especialmente Apache Iceberg, están cambiando el diseño de las arquitecturas modernas de datos e inteligencia artificial.
El auge de Apache Iceberg
Apache Iceberg se ha convertido en uno de los estándares abiertos de referencia en analítica. Lo que propone es sencillo y muy potente: separar el almacenamiento de los datos de los motores que los consumen.
Frente a los formatos propietarios que atan la información a una sola plataforma, Iceberg deja que los datos vivan en almacenamiento abierto (ADLS, S3, GCS, etc.) y que se consuman desde motores muy distintos, entre ellos:
- Snowflake
- Apache Spark
- Trino
- Databricks
- Flink
- PyIceberg
- Motores de IA y machine learning
Con este enfoque desaparece buena parte del vendor lock-in de siempre y se pueden diseñar arquitecturas más flexibles, capaces de evolucionar y sostenibles en el tiempo.
Así, los datos se convierten en un activo que comparte toda la organización y dejan de estar cautivos de una única tecnología.
El reto pendiente era la gobernanza
Los estándares abiertos han solucionado casi todo el problema de la interoperabilidad, pero quedaba una pregunta de fondo: cómo garantizar que las políticas de seguridad y gobierno de datos se mantengan independientemente del motor que acceda a ellos.
La cuestión pesa todavía más cuando sobre los mismos datos trabajan a la vez:
- Equipos de BI.
- Científicos de datos.
- Plataformas de IA generativa.
- Aplicaciones operacionales.
- Usuarios de negocio.
Compartir datos con Iceberg ya era bastante sencillo; lo difícil era asegurar que las políticas de acceso se siguieran cumpliendo siempre igual.
Snowflake responde con Horizon Catalog
Snowflake ha añadido la posibilidad de aplicar políticas de protección sobre tablas Apache Iceberg consultadas desde motores externos mediante Snowflake Horizon Catalog. La documentación indica que Snowflake permite aplicar:
- Políticas de acceso a nivel de fila (row access policies).
- Políticas de enmascaramiento de columnas (masking policies).
- Políticas basadas en etiquetas (tag-based policies).
Lo más interesante es que esas políticas se respetan también cuando la consulta llega desde motores externos como:
- Apache Spark
- Trino
- PyIceberg
- Otros motores compatibles con el estándar Iceberg Scan Plan API.
En otras palabras, la gobernanza deja de estar ligada al motor de consulta y pasa a viajar junto a los datos. Era una de las piezas que faltaban para que las arquitecturas de datos modernas lograran una interoperabilidad real a escala empresarial.
Un pequeño anuncio con grandes implicaciones
La nota de lanzamiento publicada por Snowflake el 10 de septiembre de 2026 anuncia la disponibilidad en public preview de la Iceberg Scan Plan API en Horizon Catalog. Puede parecer un detalle menor, pero tiene bastante alcance.
Según la documentación, Snowflake ofrece ahora dos mecanismos para aplicar políticas sobre tablas Iceberg desde motores externos:
- Snowflake Connector for Spark, que enruta las consultas a través de Snowflake.
- Iceberg REST Catalog Scan Plan API, que comparte temporalmente un conjunto de datos filtrado según las políticas definidas.
La segunda vía es la más interesante, porque sirve para cualquier motor compatible con el estándar Iceberg y evita depender de conectores propietarios, lo que supone un avance importante hacia ecosistemas abiertos de verdad.
Por qué es tan relevante para la IA
El motivo es que los entornos de inteligencia artificial están cada vez más fragmentados. Hoy es normal ver organizaciones en las que:
- Snowflake actúa como plataforma de datos corporativa.
- Spark ejecuta procesos de ingeniería de datos.
- Frameworks de IA consumen datos mediante Python.
- Modelos RAG utilizan índices vectoriales externos.
- Distintos agentes de IA acceden a conjuntos de datos compartidos.
En ese escenario, forzar que todo el acceso pase por una sola plataforma frena tanto la escalabilidad como la innovación. Apache Iceberg permite que múltiples herramientas trabajen sobre los mismos datos y, con las capacidades anunciadas por Snowflake, también es posible mantener de forma consistente las políticas de gobierno definidas por la organización.
Esto nos acerca cada vez más al paradigma:
Write once, govern once, consume everywhere.
Marketplaces, agentes y ecosistemas abiertos marcan el futuro
El sector apunta en una dirección muy clara, y los grandes fabricantes se mueven hacia modelos en los que:
- Los datos permanecen en formatos abiertos.
- Los motores de proceso son intercambiables.
- La gobernanza se centraliza.
- Los agentes de IA consumen datos desde múltiples plataformas.
En este escenario, estándares como Apache Iceberg se convierten en un habilitador estratégico. Ya no hablamos únicamente de eficiencia técnica, sino de:
- Reducir la dependencia tecnológica.
- Facilitar migraciones futuras.
- Incrementar la reutilización del dato.
- Acelerar iniciativas de IA.
- Simplificar la colaboración entre plataformas.
La interoperabilidad pasa así de ser una característica técnica a ser una capacidad de negocio.
Conclusión
Llevo tiempo comentando que una de las batallas más importantes en el mundo de los datos no será quién almacene la información, sino quién facilite mejor su interoperabilidad. La incorporación de la Iceberg Scan Plan API en Snowflake Horizon Catalog vuelve a mostrar que la industria camina hacia arquitecturas más abiertas, en las que el valor ya no reside únicamente en custodiar los datos, sino en permitir que múltiples motores, herramientas y agentes de IA puedan utilizarlos de forma segura y gobernada.
En mi opinión, este movimiento confirma una tendencia que venimos observando desde hace tiempo: el futuro de las plataformas analíticas pasa por adoptar estándares abiertos como Apache Iceberg, que permiten combinar lo mejor de cada ecosistema sin sacrificar el control, la seguridad ni el gobierno corporativo. Porque, en las arquitecturas modernas de datos e IA, la verdadera ventaja competitiva ya no es tener los datos encerrados en una plataforma, sino conseguir que trabajen libremente en todas ellas.
Referencias
- Snowflake (10 de septiembre de 2026). Iceberg Scan Plan API in Horizon Catalog (Public Preview). Snowflake Documentation.
- Snowflake (2026). Enforce data protection policies on Apache Iceberg tables from external query engines. Snowflake Documentation.
- Artículo publicado originalmente en el blog de Alberto Alonso.
Categorías
Post Relacionados
15min. read
Inferencia de LLMs en CPU con Intel Xeon 6
Pruebas de inferencia de LLMs en CPU con Intel Xeon 6 y CompactifAI. Resultados de latencia y throughput con Llama 3.1 8B, 3.3 70B y Llama 4 Scout.
3min. read
Plain Concepts lleva su experiencia en IA al encuentro empresarial de Berlín
Shervin Shahsavari participó en la mesa redonda «Construyendo juntos la Europa del futuro», en la Embajada de España en Berlín, sobre colaboración tecnológica entre empresas españolas y alemanas.
7min. read
Uno no es suficiente, así trabajan los equipos de agentes
Qué es un agente, cuándo hace falta un coordinador y por qué la visión por computador gana a un LLM gigante. Lo que hemos probado en el equipo de R&D.