Infino unifica la recuperación de datos de agentes en Parquet para reducir la complejidad del stack

Un equipo de ex ingenieros de OpenSearch ha lanzado Infino, una plataforma de recuperación open source diseñada específicamente para agentes de IA. Lanzado en octubre de 2026, el sistema permite a los agentes consultar datos estructurados y no estructurados desde una única fuente de verdad almacenada en Apache Parquet. Este enfoque pretende sustituir los complejos stacks de datos multi-sistema actualmente necesarios para soportar flujos de trabajo agénticos.

Qué ha ocurrido

Infino salió del anonimato con una plataforma que aborda la fragmentación típica de la infraestructura moderna de datos para IA. El CEO Ekechi Nwokah argumenta que, aunque los agentes se han convertido en el mayor nuevo consumidor de datos desde los navegadores web, siguen siendo atendidos por infraestructuras construidas para consultas impulsadas por humanos. Las configuraciones tradicionales requieren sistemas separados para análisis SQL, búsqueda por palabras clave y búsqueda semántica vectorial, cada uno con su propia pipeline de ingesta y lógica de sincronización.

La empresa propone colapsar este stack en una única capa de recuperación. En lugar de mantener múltiples copias de datos en diferentes bases de datos, Infino conserva una sola copia en formato Apache Parquet en almacenamiento de objetos. Los agentes pueden entonces buscar, clasificar, filtrar, unir, agregar y razonar sobre estos datos directamente. El motor principal se publica bajo la licencia Apache-2.0, garantizando que los datos sigan siendo accesibles mediante lectores Parquet estándar incluso sin el software Infino.

Nwokah enfatiza que esta arquitectura elimina la necesidad de extenso código pegamento (glue code) y múltiples jobs ETL. Al integrar funciones de recuperación directamente en SQL, los desarrolladores pueden expresar preguntas complejas que involucran tanto búsqueda por palabras clave como semántica en una sola consulta. Esto reduce el número de llamadas a herramientas que un agente debe realizar, disminuyendo la latencia y los costos de tokens asociados al consumo de contexto.

Cómo funciona

Infino almacena los datos como archivos Parquet válidos con índices de búsqueda incrustados junto al pie de página (footer) de Parquet. Este diseño permite que cualquier herramienta que lea Parquet, como Spark o DuckDB, acceda a los datos crudos, mientras que Infino proporciona las capacidades de recuperación acelerada. El sistema admite tanto consultas estructuradas como no estructuradas, permitiendo a los agentes realizar conteos exactos, uniones y filtros junto con búsquedas semánticas sin cambiar de contexto.

Para abordar el problema de los bucles de recuperación, donde los agentes consultan y validan resultados repetidamente, Infino integra modelos de inferencia específicos con el motor de recuperación. Estos modelos más pequeños y especializados manejan tareas simples de manera más económica y rápida que los grandes modelos frontera. La plataforma permite a los desarrolladores señalar datos existentes en Parquet o JSON, ingerirlos y exponerlos inmediatamente a los agentes a través de una interfaz unificada.

La gobernanza se centraliza dentro de esta única copia de datos. Los ingenieros de seguridad pueden definir políticas estrictas sobre quién puede leer filas o columnas específicas y qué acciones se registran. Esto contrasta con la gestión de permisos a través de múltiples pasarelas Model Context Protocol (MCP) y conectores SaaS, ofreciendo una postura de seguridad más determinista para despliegues empresariales.

Detalles clave

• Infino utiliza Apache Parquet en almacenamiento de objetos como la única fuente de verdad para todos los tipos de datos.
• Los índices de búsqueda se incrustan dentro de los pies de página de los archivos Parquet, manteniendo la compatibilidad con lectores Parquet estándar.
• El motor principal es open source bajo la licencia Apache-2.0, disponible en GitHub.
• Las funciones de recuperación están integradas en SQL, permitiendo consultas combinadas de palabras clave, semánticas y analíticas en una sola sentencia.
• La empresa afirma que la arquitectura es aproximadamente 10,5 veces más barata que Elasticsearch y 23 veces más barata que OpenSearch para cargas de trabajo probadas.
• Los fundadores incluyen a Ekechi Nwokah, Vinay Kakade, Asif Makhani y Murali Krishna, con trayectorias profesionales en Amazon, Google y LinkedIn.

Por qué importa

Para los equipos de software que construyen agentes de IA, el requisito actual de orquestar múltiples sistemas de datos crea una sobrecarga operativa significativa. Cada base de datos o motor de búsqueda adicional introduce latencia, costo y carga de mantenimiento. Al unificar estas capacidades, Infino reduce la complejidad del stack de datos, permitiendo a los ingenieros centrarse en la lógica del agente en lugar de la sincronización de datos. Esta simplificación es crítica a medida que las organizaciones escalan desde prototipos de agentes a sistemas de producción que manejan miles de millones de documentos.

Las implicaciones de costos también son sustanciales. Los agentes a menudo emiten muchas consultas pequeñas para responder a una sola pregunta grande, consumiendo espacio en la ventana de contexto y aumentando los costos de API. Una capa de recuperación unificada que devuelve resultados comprehensivos en menos llamadas puede reducir significativamente estos gastos. Además, la capacidad de aplicar políticas de seguridad centralmente ayuda a mitigar los riesgos asociados con el acceso de agentes a datos sensibles a través de sistemas dispares.

Qué puedes hacer

• Evalúa si tus flujos de trabajo actuales de agentes involucran múltiples viajes de ida y vuelta a diferentes fuentes de datos como bases de datos vectoriales y almacenes SQL.
• Considera migrar conjuntos de datos estáticos o semi-estáticos al formato Apache Parquet para prepararte para arquitecturas de recuperación unificadas.
• Revisa tus políticas de gobernanza existentes para ver cómo podrían consolidarse en una única capa de control de acceso.
• Prueba el motor open source Infino en GitHub con un subconjunto de tus datos para medir mejoras en la latencia.
• Analiza el costo de tu stack de recuperación actual, incluyendo mantenimiento ETL y tarifas de infraestructura, frente a las afirmaciones de Infino.
• Explora cómo la integración de funciones de recuperación en SQL podría simplificar la ingeniería de prompts requerida para tus agentes.