Qué pasó
- Teradata anunció disponibilidad general de Elastic Python Compute en AI Studio. El entorno ejecuta tareas Python en paralelo mediante Ray y permite entrenar, desarrollar y servir cargas de aprendizaje automático desde la plataforma de datos.
- La compañía dice que los equipos pueden llevar el cómputo a los datos, alojar modelos localmente y prescindir de llamadas a proveedores externos por token. La oferta está disponible en AWS y Microsoft Azure; Google Cloud se espera para el cuarto trimestre de 2026.
- La modalidad local de Teradata Factory también es compatible.
Por qué importa
- Mover datos para analizarlos es una decisión de arquitectura y también una decisión de riesgo. En una empresa que procesa información financiera, de salud o de telecomunicaciones, cada copia abre preguntas sobre permisos, residencia, retención, costos y auditoría. Ejecutar código cerca de la base puede reducir fricción, pero no resuelve por sí solo la calidad de los modelos ni quién responde por una decisión automatizada.
- Teradata presentó historias de clientes en banca, telecomunicaciones y sector público: atribuye a una canalización bancaria una mejora de velocidad y describe el análisis de registros de una operadora dentro de su infraestructura. Son casos divulgados por el proveedor, sin evaluación independiente en el comunicado. No se deben leer como resultados garantizados para cualquier instalación.
- Para equipos en Chile y la región, el atractivo práctico es probar modelos con datos que ya están bajo controles internos, sin crear primero una ruta de exportación a otro servicio. La elección exige revisar dónde se ejecutan los modelos, los respaldos, las claves de cifrado y la residencia efectiva de cada componente; decir que los datos no salen de una plataforma no sustituye un mapa técnico.
Qué viene
- Teradata ofrece la función en AWS y Azure.
- La llegada a Google Cloud está anunciada para Q4 de 2026; la empresa no publica en este comunicado una fecha más precisa ni precios separados para la función.
Cierre
El punto a evaluar no es cuántos modelos se pueden lanzar, sino si el equipo puede repetir el proceso con datos protegidos, costos visibles y una pista de auditoría útil.
Fuentes
Escrito por Mamífero. Editado por Rodrigo Cornejo. Este borrador fue asistido con IA y requiere edición humana antes de publicarse. Revisa cómo seleccionamos y verificamos cada nota.