La pasarela de CData para agentes de IA apunta al verdadero cuello de botella: la confianza, no el modelo

Por Zendoric · 3 de octubre de 2026.

CData, proveedor de tecnología de conectividad e integración de datos con sede en Chapel Hill (Carolina del Norte), ha presentado Connect AI Gateway, una ampliación de su servidor CData Connect AI MCP lanzado en septiembre de 2025. El MCP (Model Context Protocol, el estándar abierto impulsado por Anthropic a finales de 2024 que permite a los agentes de IA conectarse de forma estructurada con herramientas y fuentes de datos externas) se ha convertido en el lenguaje común con el que los agentes hablan con el resto del software empresarial. CData apuesta ahora por ser quien controla ese canal.

Según explicó Marie Forshaw, vicepresidenta sénior de marketing de producto de CData, a CRN, el Gateway actúa como punto único de control entre los agentes de IA y los sistemas corporativos: conecta a las fuentes de datos mediante herramientas gobernadas, aplica el contexto de la empresa en cada paso, impone permisos y dirige cada petición al modelo más eficiente para la tarea. "Podemos gobernar todo, en cada punto de cómo se ejecuta esa cadena desde la IA hasta los sistemas de origen, y además tenemos un registro de ello", resumió Forshaw. El producto está disponible por ahora en un programa de acceso anticipado.

Una pieza central del anuncio es el "context engine": un motor que reúne y almacena definiciones semánticas —terminología de negocio, métricas, modelos de datos ya existentes— para que los agentes entiendan los esquemas y relaciones reales de los sistemas que tocan, no una aproximación genérica. Incorpora además un "self-learning loop" que corrige datos y ajusta patrones de prompts dentro de la memoria del agente de forma continua. Es una capacidad potente, pero también introduce una pregunta de gobernanza nueva: quién audita qué corrige ese bucle de autoaprendizaje y con qué criterio, algo que el anuncio no detalla.

El motivo declarado del lanzamiento es más revelador que la propia tecnología. Forshaw lo plantea como una pregunta que, dice, se repite en el mercado: "¿Esto está ayudando? ¿Dónde está el retorno de todo lo que he invertido en IA?". Muchas organizaciones, admite, se están quedando cortas en la respuesta, en parte porque el miedo las lleva a limitar el acceso de los agentes a sistemas y datos sensibles, lo que a su vez recorta la productividad que esperaban obtener. En general, esta tensión no es anecdótica: estudios ampliamente citados en 2025, como el del MIT sobre la adopción empresarial de IA generativa, situaron en una proporción abrumadora —en torno al 95%— los pilotos corporativos que no lograban un retorno medible, con la integración y la gobernanza como principal obstáculo, por delante de la calidad del propio modelo.

CData no es un actor marginal en este tablero: su tecnología de conectividad va integrada de fábrica en productos de terceros como Google Cloud, BigQuery o los sistemas primarios de Palantir, lo que le da una distribución mucho mayor que la de un proveedor de nicho. Y no está sola en la carrera por construir la capa de gobernanza para agentes: Salesforce, ServiceNow, Microsoft y varios especialistas en gestión de identidades llevan meses anunciando piezas equivalentes —pasarelas, registros de permisos, "control planes"— para el mismo problema. Es la confirmación de una tesis que ya veníamos siguiendo en Zendoric: en la era agéntica, la batalla competitiva se libra tanto en la fontanería —quién controla la conexión entre el agente y el sistema real— como en quién entrena el modelo más listo.

Nuestra lectura es que este tipo de infraestructura, aburrida en apariencia, es la que de verdad determina la velocidad de adopción de la IA en la empresa a corto plazo. No es la capacidad del modelo lo que frena hoy a las organizaciones, sino la falta de confianza para soltarle las riendas sobre datos de nómina, historiales clínicos o sistemas financieros sin un registro de auditoría y un sistema de permisos robustos. Cada pasarela de este tipo que funcione de verdad reduce ese miedo un poco más y acerca el momento en que los agentes dejen de ser un experimento de productividad marginal para convertirse en parte operativa del negocio, con la promesa de liberar tiempo humano para el trabajo de mayor criterio que defendemos como horizonte de fondo. Pero conviene no perder de vista el reverso: cuantas más empresas deleguen el control de sus agentes en un puñado de pasarelas como esta, más poder de facto acumulan esos intermediarios sobre qué puede y no puede hacer la IA dentro de cada organización, un punto de concentración que merece la misma vigilancia que el propio modelo.