Durante años, muchos proyectos de migración a la nube han seguido el mismo patrón: inventario, análisis, rediseño, reescritura de código, adaptación de ETLs, validaciones y, finalmente, migración. Aunque este enfoque sigue siendo válido, no siempre encaja con la realidad de organizaciones que deben abandonar plataformas legacy bajo la presión de renovaciones de licencias, costes crecientes o iniciativas de modernización aceleradas.
Recientemente he estado revisando la propuesta de virtualización de migraciones presentada por Snowflake a través de Snowflake AIM (AI Migration), una aproximación interesante que plantea una pregunta provocadora:
¿Es realmente necesario reescribir toda una plataforma antes de migrarla?
Según Snowflake, la respuesta es que no siempre. La estrategia consiste en permitir que determinadas cargas de trabajo continúen funcionando sobre Snowflake con mínimos cambios, reduciendo significativamente el riesgo y el tiempo de transición
El problema de las migraciones tradicionales
Cuando una organización decide abandonar plataformas como Teradata, Oracle, SQL Server, Netezza o Synapse, suele enfrentarse a varios desafíos:
- Miles de objetos SQL.
- Procedimientos almacenados complejos.
- Herramientas BI altamente dependientes del modelo actual.
- ETLs construidos durante años.
- Dependencias difíciles de identificar.
- Riesgo elevado de regresiones funcionales.
El resultado es que el proyecto técnico acaba convirtiéndose en una transformación completa de la plataforma.
Sin embargo, el negocio normalmente busca algo mucho más simple:
- Reducir costes.
- Modernizar la arquitectura.
- Habilitar casos de IA.
- Ganar elasticidad.
- Evitar futuras renovaciones costosas.
No necesariamente desean dedicar meses o incluso años a reconstruir todo desde cero.
¿Qué propone Snowflake AIM?
La nueva propuesta de virtualización de Snowflake permite ejecutar determinadas cargas de trabajo existentes directamente sobre Snowflake minimizando los cambios necesarios en aplicaciones, ETLs y consultas. Snowflake posiciona esta estrategia como una vía para acelerar la salida de plataformas legacy, especialmente en escenarios de migración desde Teradata.
La idea es sencilla:
- Migrar el entorno a Snowflake.
- Mantener inicialmente el comportamiento existente.
- Evitar grandes reescrituras durante la primera fase.
- Modernizar posteriormente de forma progresiva.
En lugar de abordar una transformación masiva, se adopta una estrategia de:
Lift → Stabilize → Modernize
Virtualización no significa quedarse en el pasado
Uno de los aspectos más interesantes es que Snowflake no plantea la virtualización como destino final.
La virtualización actúa como una capa de compatibilidad temporal que permite:
- Reducir el tiempo de salida de la plataforma origen.
- Disminuir riesgos de negocio.
- Mantener la continuidad operativa.
- Liberar presupuesto para iniciativas de valor.
Posteriormente la organización puede evolucionar gradualmente hacia:
- Snowpark.
- Arquitecturas abiertas basadas en Iceberg.
- AI Data Cloud.
- Aplicaciones nativas.
- Agentes de IA.
- Compartición de datos.
Este enfoque resulta especialmente atractivo para organizaciones que quieren empezar a explotar casos de IA cuanto antes en lugar de esperar a finalizar un proyecto de migración de varios años.
La conexión con la IA
Quizá el mensaje más relevante de Snowflake no es la virtualización en sí misma, sino el objetivo final:
llevar los datos a una plataforma preparada para IA lo antes posible.
La compañía posiciona Snowflake AIM como una familia de capacidades que no sólo ayudan a mover datos, sino también a:
- Convertir código.
- Analizar dependencias.
- Validar migraciones.
- Automatizar conversiones.
- Acelerar la modernización utilizando IA
Este enfoque encaja perfectamente con una tendencia que observamos cada vez más en clientes:
«La prioridad ya no es únicamente modernizar una plataforma de datos, sino habilitar capacidades de IA sobre datos corporativos gobernados«
¿Dónde encaja esta estrategia?
No todas las organizaciones necesitan una capa de virtualización.
Sin embargo, puede resultar especialmente útil cuando existen:
Presión temporal
- Renovación próxima de licencias.
- Fin de soporte de la plataforma actual.
- Proyectos corporativos de consolidación.
Complejidad técnica elevada
- Miles de procedimientos.
- SQL propietario.
- Dependencias históricas.
Necesidad de reducir riesgo
- Sistemas críticos.
- Operaciones 24×7.
- Escenario de mínima interrupción.
Iniciativas de IA prioritarias
- Agentes corporativos.
- Analítica avanzada.
- Plataformas GenAI.
- Casos RAG.
Una reflexión desde la arquitectura de datos
Desde mi punto de vista, la virtualización representa un cambio interesante de mentalidad.
Durante años hemos asumido que una migración implicaba necesariamente una reingeniería completa. Sin embargo, muchas organizaciones no obtienen valor por reescribir SQL; obtienen valor cuando consiguen:
- Democratizar el acceso al dato.
- Incorporar IA en procesos de negocio.
- Compartir información entre equipos.
- Modernizar el gobierno del dato.
- Construir nuevos productos de datos.
Si una estrategia de virtualización permite acelerar ese camino, merece la pena analizarla.
La clave está en entender que la virtualización no es el destino, sino un acelerador para llegar antes a una plataforma moderna.
Conclusión
La propuesta de virtualización de Snowflake abre una vía interesante para organizaciones que buscan abandonar plataformas heredadas sin asumir inmediatamente el coste y riesgo de una transformación completa. Snowflake AIM plantea una aproximación donde la migración y la modernización pueden desacoplarse, permitiendo realizar primero la transición y posteriormente evolucionar hacia arquitecturas nativas, abiertas y preparadas para IA.
En un contexto donde la velocidad de adopción de la IA es cada vez más importante, quizá la pregunta ya no sea:
«¿Cómo reescribimos toda la plataforma?«
Sino:
¿Cómo llegamos antes a una plataforma donde podamos generar valor con nuestros datos?
Alb3rto Alonso 