La Linux Foundation ha anunciado el lanzamiento de OpenSharing Project, un protocolo abierto y neutral pensado para estandarizar cómo las organizaciones comparten activos de inteligencia artificial y datos entre plataformas. La iniciativa, aportada por Databricks y alojada bajo el paraguas de la Linux Foundation, busca resolver un problema que empieza a hacerse evidente en la adopción empresarial de la IA: cada proveedor, marketplace y plataforma está creando su propia forma de distribuir modelos, datos, conectores y habilidades de agentes.
OpenSharing parte de la experiencia de Delta Sharing, el protocolo abierto impulsado por Databricks para compartir datos, y lo amplía hacia la llamada era agéntica. El objetivo ya no es solo mover tablas entre sistemas, sino permitir el intercambio seguro de Agent Skills, modelos de IA y volúmenes de datos no estructurados entre organizaciones, nubes, proveedores on-premise y plataformas de análisis o IA.
Un protocolo común para una IA menos fragmentada
El lanzamiento llega en un momento en el que muchas empresas están desplegando agentes de inteligencia artificial sobre datos propios, modelos externos, herramientas internas y servicios de terceros. El problema es que esa arquitectura suele apoyarse en integraciones punto a punto, APIs específicas o marketplaces propietarios. Cada nuevo proveedor añade conectores, permisos, formatos y reglas distintas.
OpenSharing intenta reducir esa fragmentación mediante un protocolo común. La idea es que una organización pueda publicar activos de IA y datos para que otros los consuman desde su entorno preferido, sin importar si trabajan en una nube concreta, en una plataforma de datos diferente o en una infraestructura local.
| Problema actual | Qué propone OpenSharing |
|---|---|
| Integraciones punto a punto | Un protocolo abierto común |
| Marketplaces propietarios | Intercambio neutral entre plataformas |
| Datos repartidos entre nubes y sistemas | Abstracción de la complejidad de almacenamiento |
| Modelos y skills difíciles de reutilizar | Publicación y consumo estandarizados |
| Fragmentación de formatos | Compatibilidad con varios formatos abiertos |
| Barreras entre proveedores | Gobernanza comunitaria bajo Linux Foundation |
| Datos sensibles on-premise | Acceso sin necesidad de mover todo el dato |
Jim Zemlin, CEO de la Linux Foundation, ha destacado que OpenSharing responde a la necesidad de un marco común y neutral que permita intercambiar activos de IA de forma segura e interoperable. La elección de la Linux Foundation como hogar del proyecto no es menor: busca dar confianza a empresas que no quieren quedar atrapadas en el control de un único proveedor.
De Delta Sharing a la era de los agentes
Databricks aporta OpenSharing como una evolución de Delta Sharing. Ese punto es importante porque no se parte de cero. Delta Sharing ya había servido para compartir datos de forma abierta entre plataformas. OpenSharing intenta llevar ese principio al conjunto de la pila de IA, incluyendo modelos, habilidades de agentes y datos no estructurados.
Matei Zaharia, cofundador y CTO de Databricks, ha señalado que Delta Sharing demostró que la industria elegiría estándares abiertos frente a modelos cerrados, y que OpenSharing extiende esa idea a toda la capa de IA. También ha destacado la ampliación hacia receptores Iceberg y proveedores on-premise.
| Elemento | Delta Sharing | OpenSharing |
| Enfoque inicial | Intercambio abierto de datos | |
| Evolución | Compartición de datos entre plataformas | Compartición de datos, modelos y activos de IA |
| Tipo de activos | Principalmente datasets/tablas | Agent Skills, modelos, datos no estructurados y datasets |
| Gobernanza | Ecosistema abierto ligado a Databricks | Proyecto alojado por Linux Foundation |
| Interoperabilidad | Conectores abiertos | Soporte ampliado a formatos y destinatarios como Iceberg |
| Caso de uso | Analítica y datos compartidos | IA empresarial, agentes, modelos y colaboración entre organizaciones |
La mención a Agent Skills es una señal de hacia dónde va el mercado. Los agentes de IA no solo necesitan modelos. Necesitan capacidades reutilizables: acciones, herramientas, flujos, conectores, acceso controlado a datos y habilidades que puedan ejecutarse dentro de distintos entornos. Si cada plataforma empaqueta esas habilidades de forma incompatible, la adopción empresarial se vuelve más lenta y más cara.
Por qué importa para empresas con datos sensibles
Uno de los puntos más relevantes de OpenSharing es que puede ayudar a empresas que no quieren mover sus datos sensibles fuera de sus entornos. MinIO, una de las compañías que apoya el proyecto, lo plantea de forma clara: las organizaciones no deberían elegir entre mantener datos sensibles on-premise y usar plataformas modernas de IA y analítica.
En sectores como banca, seguros, salud, administración pública, energía o infraestructura crítica, mover datos entre sistemas no es solo una cuestión técnica. Implica cumplimiento, auditoría, residencia del dato, permisos, cifrado, trazabilidad y contratos. OpenSharing no elimina esos requisitos, pero puede ofrecer una forma más estandarizada de exponer activos y datos a herramientas de IA sin tener que construir una integración distinta para cada consumidor.
| Sector | Valor potencial de OpenSharing |
| Servicios financieros | Compartir datos y activos de IA en entornos controlados |
| Seguros | Acceso a inteligencia de propiedad, ubicación y riesgo |
| Salud | Datos reales listos para análisis sin moverlos innecesariamente |
| Real estate | Modelos y datos de localización más interoperables |
| Infraestructura crítica | Menor dependencia de plataformas cerradas |
| Empresas con on-premise | Uso de IA moderna sin abandonar datos locales |
| Plataformas SaaS | Distribución más sencilla de datos y capacidades de IA |
Las citas de Cotality, Kythera Labs, LSEG, MinIO y Stripe muestran precisamente esa lectura sectorial. Para unos, OpenSharing permite datos de propiedad y riesgo preparados para IA. Para otros, ayuda a llevar datos sanitarios fragmentados a entornos de análisis ya usados por sus clientes. LSEG lo vincula a su estrategia de llevar datos financieros y activos de IA allí donde trabajen sus clientes. Stripe lo relaciona con análisis avanzado sobre datos de clientes, facturación y transacciones.
Interoperabilidad entre formatos abiertos
Otro elemento técnico importante es el soporte de varios formatos y enfoques abiertos de compartición. OpenSharing se apoya en los conectores abiertos de Delta Sharing y amplía la interoperabilidad hacia destinatarios Iceberg. Esto puede reducir una de las grandes tensiones del mercado de datos: la coexistencia de lakehouses, data warehouses, catálogos, formatos de tabla y plataformas cloud que no siempre hablan bien entre sí.
Apache Iceberg se ha consolidado como uno de los formatos abiertos relevantes para tablas analíticas a gran escala. Delta Lake y Delta Sharing tienen su propio ecosistema. La promesa de OpenSharing es no obligar a las empresas a elegir una única plataforma para participar en el intercambio de activos de IA.
| Capa de interoperabilidad | Por qué importa |
| Delta Sharing | Base abierta de intercambio de datos |
| Apache Iceberg | Compatibilidad con ecosistemas analíticos abiertos |
| Datos no estructurados | Necesarios para RAG, agentes y modelos multimodales |
| Modelos de IA | Reutilización entre plataformas y organizaciones |
| Agent Skills | Capacidades ejecutables para flujos agénticos |
| On-premise | Soporte para datos que no pueden moverse |
| Nube híbrida | Encaje con arquitecturas empresariales reales |
Esta interoperabilidad será clave para la IA empresarial. Muchas organizaciones no tienen todos sus datos en un único sistema. Tienen data lakes, warehouses, almacenamiento de objetos, bases relacionales, documentos, PDFs, datos de clientes, logs, telemetría y sistemas heredados. Los agentes necesitan acceder a parte de ese contexto sin convertir cada integración en un proyecto a medida.
Un antídoto contra los marketplaces cerrados
La IA empresarial está entrando en una fase en la que los marketplaces pueden convertirse en un nuevo punto de bloqueo. Un proveedor puede ofrecer modelos, datasets, agentes, conectores y skills dentro de su propia tienda, con condiciones, formatos y APIs propias. Eso simplifica el arranque, pero puede crear dependencias fuertes si la empresa quiere moverse a otro entorno.
OpenSharing se presenta como una alternativa abierta a ese patrón. No impide que existan marketplaces, pero reduce la necesidad de depender de uno concreto. Si los activos se publican y consumen mediante un protocolo común, las empresas pueden cambiar de plataforma, combinar proveedores o mantener parte de su infraestructura dentro de casa con menos fricción.
| Modelo cerrado | Modelo abierto con OpenSharing |
| Activos ligados a un marketplace | Activos compartidos mediante protocolo común |
| Integraciones específicas por proveedor | Interoperabilidad más amplia |
| Dependencia de una nube o plataforma | Portabilidad entre entornos |
| Más dificultad para on-premise | Soporte para datos que permanecen locales |
| Gobernanza del proveedor | Gobernanza comunitaria bajo Linux Foundation |
| Coste de cambio más alto | Menor bloqueo tecnológico |
Para CIOs, CTOs y responsables de datos, esta diferencia tiene impacto económico. La adopción de IA no consiste solo en elegir el mejor modelo. También consiste en evitar que cada nuevo despliegue cree una dependencia difícil de romper.
La gobernanza será tan importante como el protocolo
OpenSharing nace con el respaldo de la Linux Foundation, pero su éxito dependerá de la adopción real. Un estándar abierto solo cambia el mercado si suficiente número de proveedores, plataformas y clientes lo implementan. Databricks aporta tecnología y tracción inicial, pero la prueba estará en si competidores, clientes de Iceberg, operadores on-premise y plataformas de IA lo incorporan de forma práctica.
La gobernanza comunitaria puede ayudar a que el proyecto no se perciba como una extensión cerrada de un solo proveedor. Ese matiz será esencial. En datos e IA, muchas empresas son cautelosas cuando un estándar abierto está demasiado controlado por una compañía concreta. Linux Foundation puede aportar neutralidad, procesos de contribución y una base institucional conocida por otros proyectos críticos de infraestructura.
El proyecto todavía tiene camino por delante. La propia nota indica que habrá más información sobre cómo contribuir o integrar el protocolo en GitHub y en opensharing.io. Eso significa que la adopción técnica y las implementaciones concretas deberán evaluarse a medida que aparezcan.
Una pieza para la IA agéntica empresarial
La gran lectura de OpenSharing es que la IA agéntica necesita infraestructura abierta, no solo modelos más potentes. Si los agentes deben trabajar con herramientas, datos, capacidades y modelos repartidos entre organizaciones, necesitan una forma común de descubrir y consumir esos activos con seguridad.
Sin un protocolo abierto, cada agente quedará atado a la plataforma donde fue creado o al marketplace donde se distribuyó. Con un protocolo común, las empresas podrían compartir habilidades, modelos y datos de forma más parecida a como hoy comparten paquetes, contenedores o APIs, pero con controles empresariales de seguridad y gobernanza.
OpenSharing no resuelve por sí solo todos los retos de la IA empresarial. Siguen pendientes la autorización granular, la trazabilidad, los contratos de uso, la calidad de los datos, la seguridad de los agentes, la responsabilidad sobre resultados y la integración con sistemas legacy. Pero sí apunta a una necesidad real: evitar que la próxima capa de IA nazca fragmentada desde el primer día.
La Linux Foundation y Databricks están poniendo sobre la mesa una idea clara. Si la IA va a depender de modelos, skills y datos distribuidos, el intercambio de esos activos no puede quedar encerrado en cada plataforma. La era agéntica necesita estándares abiertos, o acabará repitiendo los mismos silos que la industria lleva años intentando desmontar.
Preguntas frecuentes
¿Qué es OpenSharing?
OpenSharing es un proyecto de la Linux Foundation que propone un protocolo abierto y neutral para compartir activos de IA y datos entre organizaciones y plataformas.
Quién ha aportado la tecnología inicial?
Databricks ha contribuido el proyecto, que evoluciona el protocolo Delta Sharing para adaptarlo a modelos, Agent Skills y datos no estructurados.
Qué problema intenta resolver?
Busca reducir la dependencia de marketplaces propietarios e integraciones punto a punto, permitiendo compartir activos de IA mediante un protocolo común.
Por qué importa para la IA agéntica?
Porque los agentes necesitan acceder a habilidades, modelos y datos repartidos entre plataformas. Sin estándares abiertos, cada ecosistema puede quedar aislado.
vía: linuxfoundation
