Databricks: 4 claves para vender a grandes empresas

Por qué tu producto no se vende solo, aunque sea el mejor

Databricks vale US$190.000 millones y más del 70% de las empresas del Fortune 500 son sus clientes. Pero su cofundador, Arsalan Tavakoli-Shiraji, recuerda que en los primeros años perdió negocios enormes por razones que no tenían nada que ver con la calidad del software.

Su diagnóstico, compartido en TechCrunch Disrupt, es incómodo para cualquier founder técnico: "todos pensamos que se trata de la tecnología y de tener la mejor tecnología", dijo. Lo que aprendió a golpes es que "las personas y los procesos son lo que más importa".

La anécdota que mejor lo ilustra: consiguió una reunión con un prospecto importante y descubrió, ya sentado en la mesa, que esa persona había firmado un contrato gigante con su principal competidor. "No tiene ningún interés en escucharme porque apostó su carrera a ese competidor", relató. No había producto que arreglara eso.

El otro patrón que vio repetirse fue igual de frustrante: negocios que se caían no por precio ni por funcionalidad, sino porque la startup no estaba preparada para responder preguntas legales, contractuales o de seguridad. En enterprise, esas preguntas no son un trámite final: son la evaluación real.

La táctica que le abrió la puerta a Databricks: vender bajo el paraguas de otro

Cuando Databricks era joven intentó, sin éxito, conseguir una reunión con UBS, el banco suizo. Lo que destrabó todo fue cerrar una alianza con Microsoft y convertirse en partner de Azure.

El efecto fue doble. Por un lado, los acuerdos de venta quedaban cubiertos bajo los términos de Microsoft. Por el otro, y más importante, los vendedores de Microsoft agendaban las reuniones y recomendaban a la startup puertas adentro. "De repente, esa reunión ya no era difícil de conseguir", recordó Tavakoli-Shiraji. "Fue un impulso enorme poder asociarnos con alguien que tenía ese acceso y esa distribución".

Con el equipo de ventas de Microsoft empujando, empezaron a recibir demanda desde todos lados. Llegaron incluso problemas nuevos, como prospectos que pedían funcionalidades para países donde Databricks todavía no operaba. Problemas buenos, dice, pero problemas al fin.

Hoy la relación se invirtió: Databricks es la empresa grande que vende productos de startups bajo sus propios términos y su propio esquema de ciberseguridad. Entre los ejemplos que mencionó están Hightouch (herramientas de marketing y datos de clientes con IA, en la que además invirtió), Addepar (datos para profesionales de inversión) y Tecton, una startup de machine learning que Databricks terminó adquiriendo.

Para un founder, la lección es concreta: si tu producto es bueno pero tu acceso al comprador enterprise es nulo, un canal de distribución puede valer más que otra ronda de producto.

Las cuatro C que todo comprador enterprise te va a preguntar

Tavakoli-Shiraji agrupa las objeciones de las grandes empresas en cuatro categorías que llama las cuatro C. Vale la pena usarlas como checklist antes de una demo:

• Contexto: ¿el modelo puede entrenarse con la terminología, los procesos y las prioridades de la empresa? Él lo describe como "incorporar a un nuevo empleado".
• Elección: ¿el cliente puede cambiar de modelo de IA sin quedar atado a un solo proveedor?
• Costo: ¿puede controlar cuánto le cuesta operar el producto de IA?
• Control: ¿qué salvaguardas gobiernan el comportamiento del sistema y protegen la información sensible?

Las cuatro apuntan al mismo miedo: quedar dependiendo de un proveedor que no entiende su negocio, que los encierra y que les dispara la factura. Si tu pitch no responde a eso, el comité de compras lo va a hacer por ti.

El hueco real está en los sistemas viejos que nadie quiere tocar

Tavakoli-Shiraji hace un ejercicio con los CIO: les pide calificar del uno al cinco dónde están con IA. Un uno significa que sus empleados apenas tienen acceso a ChatGPT; un cinco, que adoptaron capacidades nuevas que cambiaron sus procesos de negocio.

"Todos eligen 'estoy en tres, tirando a cuatro'. Pero el 99% de los que hablo están en el uno y el dos". Su conclusión es que las empresas todavía no saben desplegar agentes de IA de forma que generen valor más allá de que los equipos de ingeniería escriban código. "Van a pasar muchos, muchos años antes de que la gente pueda desplegar IA de forma realmente significativa en la empresa".

Ahí está la oportunidad que él señala: modernizar sistemas legados carísimos. "Si vas a cualquier banco hoy, todavía tienen un AS/400 de IBM y mainframes. Nadie quería tocarlos porque nadie sabía qué hacía ese código". Los agentes de IA, dice, ahora pueden entrar, entender y descomponer qué hace ese código, lo que abre la puerta a productos que van desde agregar interfaces modernas a esos sistemas antiguos hasta reemplazarlos por completo.

El mercado lo respalda. Según un informe de SNS Insider difundido por Yahoo Finance, el mercado de modernización de mainframes estaba valorado en US$6.850 millones en 2025 y se espera que alcance US$16.950 millones en 2035, con una tasa de crecimiento anual compuesta del 9,39% entre 2026 y 2035. El segmento de mayor crecimiento es el de reingeniería arquitectónica, justamente el que habilitan los agentes.

Los proveedores tradicionales ya se movieron en esa dirección. TechTarget reportó que Broadcom lanzó en abril una versión de su software Automic con un tipo de tarea de "agente de IA" que conecta la orquestación clásica de IT con agentes, y que BMC agregó un asistente de IA a Control-M y anunció soporte de agentes para su producto de mainframe. Cuando los gigantes del software legado empiezan a hablar de agentes, es señal de que el presupuesto se está moviendo.

Qué significa esto para tu startup

El mensaje central de Tavakoli-Shiraji no es que el producto importe poco, sino que el producto es el piso, no la ventaja. En enterprise, la ventaja la construyen el acceso, la preparación y la lectura del miedo del comprador.

Acción 1: prepara el expediente de compra antes de la primera demo. Legal, contractual y seguridad son las tres razones por las que se caen negocios que ya estaban ganados. Ten listos tu cuestionario de seguridad respondido, tus términos estándar y una postura clara sobre residencia de datos. Si el comprador tiene que esperar dos semanas por esas respuestas, ya perdiste el momentum.

Acción 2: busca un canal antes de buscar otra ronda. El caso de Databricks con Microsoft muestra que un partner con acceso puede hacer en semanas lo que tu equipo de ventas no logra en un año. Identifica qué plataformas ya venden a tus clientes objetivo y evalúa entrar a su marketplace o programa de partners, aunque tengas que ceder margen.

Acción 3: usa las cuatro C como guion de descubrimiento. Antes de mostrar funcionalidades, pregunta al cliente cómo entrena a un empleado nuevo, qué pasaría si necesitara cambiar de proveedor de IA, cómo controla hoy el gasto en modelos y qué información no puede salir de su perímetro. Vas a salir de esa reunión con un pitch mucho mejor que el que llevabas.

El contexto ayuda a calibrar expectativas. Databricks no llegó a este punto de un día para otro: según TechCrunch, la compañía fundada en 2013 cerró una ronda de US$10.000 millones en diciembre de 2024 a una valoración de US$62.000 millones, después una Serie L de US$5.000 millones en febrero de 2026 a US$134.000 millones, y en julio de 2026 anunció una ronda liderada por Coatue que la llevó a US$188.000 millones, cerrada finalmente en US$190.000 millones post-money. Yahoo Finance reportó además que la empresa superó los US$7.000 millones de ingresos anualizados recurrentes, con un crecimiento superior al 80% interanual.

Ese recorrido de doce años es el recordatorio más útil: las tácticas de venta enterprise que hoy suenan obvias se aprendieron perdiendo reuniones. La diferencia entre una startup que cierra contratos grandes y una que no suele estar menos en el código y más en cuánto preparó la conversación.

Fuentes

• TechCrunch: Databricks co-founder shares his secrets for winning big enterprises customers
• Pulse 2.0: Databricks To Raise Strategic Funding At $188 Billion Valuation
• TechCrunch: Databricks hits $188B valuation, extending its run as AI's favorite second act
• Yahoo Finance: Databricks Hits $190 Billion Valuation As CEO Ali Ghodsi Claims AGI Has Already Arrived
• Yahoo Finance: Mainframe Modernization Market to Reach $16.95 Billion by 2035
• TechTarget: Bridging the gap: Legacy tools gain enterprise AI support