Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · motherduck.com
El amanecer del Data Intelligence Engineer
MotherDuck propone un nombre para el nuevo rol de los equipos de datos con IA: el Data Intelligence Engineer. Con agentes que escriben SQL y construyen pipelines, el trabajo pasa de atender tickets a curar contexto, modelo de datos y evals, y a responder de que las cifras sean correctas.
Foto: vía motherduck.com
1 medio · MadridPublicada 13 nov, 10:50Actualizada 13 nov, 15:45· Ya no está en portadaEscrita por IA · cómo funciona
El artículo parte de una frase de Nick Ursa, jefe de ingeniería de datos y cofundador de MotherDuck: es la primera vez en su carrera que no tiene backlog. Aun así está más ocupado que nunca, porque ahora debe asegurarse de que las cifras que producen un LLM o un agente sean correctas. El autor presentó el nombre del rol en Data Outpost el 4 de noviembre.
Sostiene que un equipo de datos existe para que el negocio decida mejor y más rápido, y que el problema ha sido el camino de una pregunta hasta su respuesta: un relevo de tickets entre responsable, analista e ingeniero en el que cada traspaso supone espera y pérdida de contexto. Las herramientas de la era copilot aceleraron algunos pasos, pero no eliminaron los traspasos.
Según el autor, algo cambió a partir de diciembre de 2025: los modelos mejoraron con el SQL, la lógica de negocio resultó ser algo que un agente puede deducir con algo de contexto, y los agentes pasaron a ser multiturno, de modo que pueden probar una consulta, mirar el resultado y reintentar. Como prueba, cuenta que su charla fue una app hecha con MotherDuck y Claude, con datos de cuatro fuentes, sin mirar una sola línea de código o SQL.
Escribir SQL, crear dashboards o montar pipelines con dbt dejará de requerir conocimiento especializado, dice, pero hace falta alguien que responda de que los datos son correctos: «la ingeniería de datos es una función de responsabilidad». Un modelo no sabe cómo cuenta ingresos tu empresa ni cuál de varias tablas parecidas es la buena. El Data Intelligence Engineer automatiza la ingesta y la transformación creando y dirigiendo agentes, codifica el conocimiento del sistema en contexto compartido, mantiene un modelo de datos limpio y ejecuta evals, con el objetivo de que cualquiera en la organización pueda hacer preguntas a un agente y obtener respuestas correctas.
«The Dawn of the Data Intelligence Engineer» · puesto 27 · 110 puntos · enviado por jonbaer
Lo que dicen los comentarios
Los comentarios se reparten entre la crítica al título y la discusión sobre qué falta realmente por resolver. Varios ven el rol como un data engineer potenciado con agentes, o como una variante de funciones de siempre, y se quejan de la proliferación de títulos en datos. Otros debaten si el contexto de negocio es insalvable: unos creen que un agente puede leerlo en Slack o Confluence, otros replican que la definición correcta depende de la situación y que hay incidencias que no se pueden «limpiar». También aparece la preocupación por la confianza: si cualquiera puede hacer que un agente le dé la respuesta que quiere, hace falta una capa de métricas. Un comentario discute que los dashboards decidan algo y otro duda de la calidad real del código de los modelos.
Antes un «data engineer» era un ingeniero de software bueno con datos: Kafka, Airflow, DBT, saber cuándo elegir Postgres o Clickhouse. Luego la gente de BI, envidiosa, se apropió del título, rompió cosas y lo arruinó.
Siempre se han podido manipular los datos para defender lo que quieras; antes había que convencer a un analista, ahora basta un agente. Hay que exponer la capa de métricas. Tiene gracia: tras democratizar los datos, ahora restringimos el acceso.
Hay datos que no se pueden limpiar: que tu proveedor de pagos fallara y solo procesara el 50 % de los pedidos en Nochebuena no se arregla modelando. Ahí hace falta una capa de contexto que explique lo ocurrido.
El modelo sabe lo mismo que los humanos: leyendo Slack, Confluence o correos. Preveo que será un miembro más de Slack que, si le falta contexto, preguntará a la gente y actualizará la documentación.
Cierto, salvo cuando no. La definición correcta depende de la situación: si un director de ventas saca cifras para el de finanzas, la definición habitual de ventas no vale. ¿Cómo lo sabría el LLM?
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.