Palantir Foundry: Checklist Completa de Características y Servicios
Propósito de este documento: Referencia exhaustiva de todas las capacidades de Palantir Foundry para validar si una implementación open source las cubre. Cada ítem incluye una casilla [ ] para marcar como cumplido.
Palantir Foundry es una plataforma de operaciones de datos de nivel empresarial construida sobre una arquitectura de más de 300+ microservicios. Su diferenciador clave es el Palantir Ontology : una capa operacional que conecta activos digitales (datasets, modelos, pipelines) con sus contrapartes del mundo real, habilitando tanto análisis convencional como flujos de trabajo con IA. La plataforma se organiza en ocho grandes dominios de capacidad: Data Connectivity, Model Connectivity, Ontology Building, Use Case Development, Analytics, Product Delivery, Security & Governance, y Management & Enablement.[1][2][3][4]
1. CONECTIVIDAD E INTEGRACIÓN DE DATOS 1.1 Data Connection (Conectores y Fuentes)
#
Característica
Descripción
✅ Cumplido
1.1.1
Conectores nativos (200+)
Soporte out-of-the-box para sistemas enterprise como SAP, Salesforce, Oracle, etc.[5]
[ ]
1.1.2
Conector SAP (Foundry Connector 2.0)
Conector dedicado para SAP con actualizaciones regulares (v2.35.0 SP32)[6]
[ ]
1.1.3
Streaming data sources
Soporte para Kafka, Kinesis y otras fuentes de streaming con baja latencia[7]
[ ]
1.1.4
REST API source
Conector genérico para cualquier REST API con autenticación configurable[8]
[ ]
1.1.5
Generic source / custom connectors
Framework para conectores personalizados vía genéric source o REST API source[9]
[ ]
1.1.6
IoT / IIoT data sources
Integración con sistemas industriales y sensores IoT/IIoT[10]
[ ]
1.1.7
On-premises agent
Agente para conectar con fuentes en redes privadas o on-premises[11]
[ ]
1.1.8
Virtual tables (zero-copy)
Acceso in-place a tablas en Databricks, BigQuery, Snowflake sin mover datos[12]
[ ]
1.1.9
Auto-registration de tablas
Registro automático periódico de todas las tablas accesibles de una fuente[12]
[ ]
1.1.10
Bulk registration
Registro masivo de múltiples virtual tables a la vez[12]
[ ]
1.1.11
Update detection / versioning
Detección de cambios en fuentes externas (Delta, Iceberg) para builds incrementales[12]
[ ]
1.1.12
Export / egress controls
Controles de egress y políticas para exportar datos hacia sistemas externos[8]
[ ]
#
Característica
Descripción
✅ Cumplido
1.2.1
Interfaz visual drag-and-drop
Constructor de pipelines punto a clic sin código[4]
[ ]
1.2.2
Transforms batch (PySpark)
Transformaciones Spark en Python para pipelines batch a gran escala[13]
[ ]
1.2.3
Transforms ligeros (Polars/Python)
Lightweight transforms composables con Spark; hasta 10x mejora en consumo[14]
[ ]
1.2.4
LLM-powered transforms
Clasificación, análisis de sentimiento, resumen, extracción de entidades, traducción via LLMs[1]
[ ]
1.2.5
External compute orchestration
Orquestación de compute externo (ej. Spark clusters externos) junto con pipelines nativos[15]
[ ]
1.2.6
Streaming pipelines
Pipelines de streaming con latencia < 15 segundos hasta el Ontology[16]
[ ]
1.2.7
Scheduling e integración de builds
Programación y orquestación de pipelines complejos multi-tecnología[15]
[ ]
1.2.8
Incremental transforms
Transforms incrementales que procesan solo datos nuevos/cambiados[12]
[ ]
1.2.9
Multi-language pipelines
Pipelines que combinan diferentes lenguajes y motores de compute[14]
[ ]
1.2.10
AI Assist en Pipeline Builder
Asistente de IA integrado que sugiere transformaciones y acciones[1]
[ ]
#
Característica
Descripción
✅ Cumplido
1.3.1
Web-based IDE
Entorno de autoría de código en browser con soporte Git[4]
[ ]
1.3.2
Control de versiones (Git)
Branching, merging, pull requests, protected branches[17]
[ ]
1.3.3
CI/CD integrado (ci/foundry-publish)
Pipeline de publicación continua integrado en el flujo de PR[17]
[ ]
1.3.4
Soporte TypeScript v2
Funciones en TypeScript v2 con autenticación first-class[18]
[ ]
1.3.5
Soporte Python
Funciones y transforms en Python con todas las librerías del ecosistema[18]
[ ]
1.3.6
Plantillas de repositorio
Templates predefinidos (Model Training, Functions, etc.)[19]
[ ]
1.3.7
Libraries side panel
Gestión de dependencias/librerías directamente desde el IDE[18]
[ ]
#
Característica
Descripción
✅ Cumplido
1.4.1
Stream creation con schema
Definición de streams con schema tipado (String, Double, Timestamp, etc.)[20]
[ ]
1.4.2
Hot buffer + cold storage archiving
Datos del stream archivados a cold storage cada pocos minutos como dataset estándar[21]
[ ]
1.4.3
Fault tolerance con checkpoints
Tolerancia a fallos con checkpoints periódicos para restart sin reprocesar[21]
[ ]
1.4.4
Job graph visualization
Representación visual del pipeline de streaming (job graph)[21]
[ ]
1.4.5
Streaming syncs desde fuentes externas
Ingesta de Kafka, Kinesis y otras plataformas de streaming[7]
[ ]
1.4.6
Transform de streams en Pipeline Builder
Transformación de streams en tiempo real directamente en Pipeline Builder[20]
[ ]
1.4.7
Push manual via API
Ingesta de records vía curl/OAuth para testing y producción[20]
[ ]
#
Característica
Descripción
✅ Cumplido
1.5.1
Grafo interactivo de linaje
Vista gráfica de cómo fluyen los datos a través de la plataforma[22]
[ ]
1.5.2
Data Lineage (datasets)
Trazabilidad completa de origen y transformaciones de cada dataset[23]
[ ]
1.5.3
Workflow Lineage (GA)
Linaje de ejecución: cómo interactúan objetos, acciones, apps y automatizaciones[24]
[ ]
1.5.4
Upstream/downstream impact analysis
Ver qué datasets se verán afectados antes de hacer cambios[24]
[ ]
1.5.5
Builds desde Data Lineage
Trigger de builds directamente desde la vista de linaje[25]
[ ]
1.5.6
Propagación de markings por linaje
Los markings de seguridad se heredan automáticamente a datasets derivados[26]
[ ]
1.6 Datasets y Filesystem
#
Característica
Descripción
✅ Cumplido
1.6.1
Dataset con transacciones
Historial de transacciones (snapshot, append, delete) sobre cada dataset[27]
[ ]
1.6.2
Branching de datasets
Branches por entorno (dev/prod) con el mismo patrón que Git[27]
[ ]
1.6.3
Dataset Views
Vistas de datasets sin duplicar datos[27]
[ ]
1.6.4
Dataset Preview
Visualización de contenido e historial/metadatos de un dataset[4]
[ ]
1.6.5
Data Health checks
Definición y monitoreo de health checks sobre la calidad de datasets[4]
[ ]
1.6.6
Filesystem navegable
Sistema de ficheros jerárquico (proyectos, carpetas, archivos)[27]
[ ]
1.6.7
Linter / anti-patterns detector
Análisis del enrollment para detectar anti-patrones y optimizar recursos[4]
[ ]
#
Característica
Descripción
✅ Cumplido
1.7.1
Generación automática de pipelines ERP
Genera pipelines end-to-end sobre sistemas ERP sin desarrollo manual[4]
[ ]
1.7.2
Generación de Ontology desde ERP
Crea el Ontology a partir de sistemas enterprise automáticamente[4]
[ ]
2. ONTOLOGY (CAPA SEMÁNTICA Y OPERACIONAL) 2.1 Ontology Manager — Tipos Semánticos
#
Característica
Descripción
✅ Cumplido
2.1.1
Object Types
Definición de tipos de objeto con propiedades tipadas y metadata rico[3]
[ ]
2.1.2
Link Types
Relaciones entre tipos de objeto (uni/bidireccionales)[3]
[ ]
2.1.3
Properties con Value Types
Tipos de valor con restricciones y contexto adicional embebido[1]
[ ]
2.1.4
Interfaces / Polimorfismo
Interfaces que describen la forma de un object type para polimorfismo[3]
[ ]
2.1.5
Shared Property Types
Propiedades compartidas entre múltiples object types[28]
[ ]
2.1.6
Time-dependent properties
Propiedades que varían en el tiempo (time series nativas)[29]
[ ]
2.1.7
Geo-point properties
Soporte nativo para coordenadas geoespaciales en object types[28]
[ ]
2.1.8
Media references
Referencias a imágenes, vídeos y otros medios en objetos[1]
[ ]
2.1.9
Semantic search (unstructured data)
Búsqueda semántica para desbloquear datos no estructurados[1]
[ ]
2.1.10
Digital twin / espejo del mundo real
El Ontology como gemelo digital de la organización[3]
[ ]
2.2 Action Types (Kinética del Ontology)
#
Característica
Descripción
✅ Cumplido
2.2.1
Action Types (formularios punto a clic)
Configuración de acciones con interfaz visual sin código[1]
[ ]
2.2.2
Function-backed Actions
Acciones con lógica arbitraria definida en Functions (TypeScript/Python)[30]
[ ]
2.2.3
Ontology Edits TypeScript API
API tipada para crear/editar/borrar objetos y links desde Functions[30]
[ ]
2.2.4
Batch apply actions
Aplicar hasta 20 (o más) acciones del mismo tipo en una sola llamada[31]
[ ]
2.2.5
Action validation
Validar parámetros de una acción antes de ejecutarla[32]
[ ]
2.2.6
Object Storage V2 (escritura inmediata)
Ediciones visibles inmediatamente tras completar la acción[31]
[ ]
2.2.7
Webhook / External system actions
Acciones que orquestan cambios en sistemas externos[1]
[ ]
2.2.8
Permisos granulares por Action
Control de quién puede ejecutar cada acción bajo qué condiciones[1]
[ ]
2.2.9
Scenario / what-if branching
Proyectar consecuencias de un cambio en un branch del Ontology (sandbox)[1]
[ ]
2.3 Functions (Lógica de Negocio)
#
Característica
Descripción
✅ Cumplido
2.3.1
Functions en TypeScript v2
Lógica de negocio tipada en TypeScript con soporte de autenticación[18]
[ ]
2.3.2
Functions en Python
Funciones en Python con acceso al Ontology y plataforma SDK[18]
[ ]
2.3.3
Object Set Queries
Consultas sobre conjuntos de objetos (filtros, agregaciones)[30]
[ ]
2.3.4
Link Traversals
Navegación por las relaciones entre objetos del Ontology[30]
[ ]
2.3.5
External Functions
Llamadas a sistemas externos en tiempo real desde acciones y workflows[1]
[ ]
2.3.6
Platform SDK en Functions
Acceso a APIs de la plataforma (schedules, media sets, etc.) desde Functions[18]
[ ]
2.3.7
LLM en Functions (Language Model Service)
Llamadas a LLMs directamente desde Functions para lógica IA[18]
[ ]
2.4 Object Views, Explorer y Vertex
#
Característica
Descripción
✅ Cumplido
2.4.1
Object Views
Representación canónica / UI estándar para mostrar un tipo de objeto[4]
[ ]
2.4.2
Object Explorer
Exploración y búsqueda visual del Ontology completo[4]
[ ]
2.4.3
Vertex — System graphs
Grafos de objetos relacionados para análisis de sistemas[4]
[ ]
2.4.4
Vertex — Simulaciones end-to-end
Ejecución de simulaciones usando modelos sobre los grafos del sistema[4]
[ ]
2.5 Foundry Rules y Machinery
#
Característica
Descripción
✅ Cumplido
2.5.1
Foundry Rules
Definición y aplicación de reglas de negocio complejas sobre datasets, objetos y series temporales[4]
[ ]
2.5.2
Machinery (Process Mining)
Comprensión y gestión de procesos, identificación de comportamientos no deseados[4]
[ ]
2.5.3
Machinery widget de monitoreo
Widget de análisis y monitoreo en tiempo real de procesos Machinery[15]
[ ]
2.5.4
Dynamic Scheduling
Optimización de scheduling con ML y gestión de restricciones del Ontology[4]
[ ]
#
Característica
Descripción
✅ Cumplido
2.6.1
Type mapping Foundry ↔ Gotham
Representación unificada del Ontology entre Foundry y Gotham[28]
[ ]
2.6.2
Object Set Service
Servicio backend que soporta búsqueda, filtrado y agregación de objetos para Gotham[28]
[ ]
3. CONECTIVIDAD Y DESARROLLO DE MODELOS (MLOps) 3.1 Model Assets y Modeling Objectives
#
Característica
Descripción
✅ Cumplido
3.1.1
Modeling Objectives
Gestión del ciclo de vida completo de un problema ML (colaboración, documentación, deployment)[33]
[ ]
3.1.2
Model development in-platform
Entrenamiento de modelos con scikit-learn, TensorFlow, OR-tools, etc.[33]
[ ]
3.1.3
Import de modelos externos
Integración de modelos entrenados fuera de la plataforma (containers, librerías, APIs)[33]
[ ]
3.1.4
Batch deployment
Despliegue batch: transform que corre inferencia sobre un dataset de entrada[34]
[ ]
3.1.5
Live/online deployment
Despliegue en tiempo real de modelos envueltos en Functions para Workshop[35]
[ ]
3.1.6
Model adapters
Abstracción de la lógica del modelo independientemente del framework[1]
[ ]
3.1.7
Versioning y reproducibilidad
Cada modelo está vinculado al código, datos y entorno de entrenamiento[19]
[ ]
3.1.8
Governance y audit trail de modelos
Registro gobernado de cómo se produjo cada modelo[33]
[ ]
3.1.9
Staging y release to production
Flujo de release: staging → production con número de versión[34]
[ ]
3.1.10
ML feedback loops
Loops de feedback desde datos de producción, outcomes y acciones de usuario[33]
[ ]
3.1.11
MLflow integration
Integración con MLflow para tracking de métricas, image logging y vistas de parámetros[36]
[ ]
3.1.12
Marketplace de modelos (DevOps)
Packaging y distribución de modelos como productos via Marketplace[37]
[ ]
3.1.13
Compute Modules (containers serverless)
Despliegue de containers Docker serverless con escalado horizontal[4]
[ ]
3.2 AIP — Language Model Service
#
Característica
Descripción
✅ Cumplido
3.2.1
Interfaz unificada multi-LLM
Interfaz unificada para GPT-4, Claude, Gemini, Grok, y otros modelos[38]
[ ]
3.2.2
LLM en redes privadas
Modelos LLM operando dentro de redes privadas del cliente[39]
[ ]
3.2.3
Multimodal / Vision-Language Models
Soporte para modelos de visión y aplicaciones móviles[1]
[ ]
3.2.4
LLM cost governance
Tracking de consumo y costes de los LLMs[23]
[ ]
3.2.5
Evaluations (benchmarking LLMs)
Suite de evaluación para medir y comparar rendimiento de modelos LLM[40]
[ ]
#
Característica
Descripción
✅ Cumplido
3.3.1
AIP Agents con herramientas del Ontology
Agentes LLM con acceso a datos y herramientas del Ontology[41]
[ ]
3.3.2
Deploy interno (Workshop widget)
Agentes deployables en Workshop via AIP Interactive widget[41]
[ ]
3.3.3
Deploy externo (OSDK / APIs)
Agentes accesibles desde aplicaciones externas via OSDK y APIs[41]
[ ]
3.3.4
Agents como Functions (para Automate)
Publicación de agentes como funciones para usar en Automate[41]
[ ]
3.3.5
Tool use / Function calling
Los LLMs pueden invocar herramientas y trazabilidad de la secuencia de llamadas[38]
[ ]
3.3.6
AI FDE (natural language platform ops)
Operar Foundry en lenguaje natural para todos los usuarios[15]
[ ]
#
Característica
Descripción
✅ Cumplido
3.4.1
AIP Logic (LLM decision logic builder)
Entorno de desarrollo de lógica de decisión con LLMs[42]
[ ]
3.4.2
Automate (event-driven triggers)
Automatizaciones disparadas por cambios en el Ontology[4]
[ ]
3.4.3
Automate — notificaciones
Envío de notificaciones cuando se cumplen condiciones sobre los datos[4]
[ ]
3.4.4
Automate — submit Actions automáticas
Ejecución automática de acciones cuando se cumplen condiciones[4]
[ ]
3.4.5
Proposal-based pattern (human-in-the-loop)
Agentes que generan propuestas para revisión humana antes de aplicar cambios[1]
[ ]
4. DESARROLLO DE CASOS DE USO (APLICACIONES) 4.1 Workshop (No-code / Low-code App Builder)
#
Característica
Descripción
✅ Cumplido
4.1.1
Punto a clic (drag-and-drop)
Constructor de aplicaciones visual sin código[4]
[ ]
4.1.2
Pro-code customizations
Soporte para personalizaciones en código dentro del builder[4]
[ ]
4.1.3
Widget library (continuamente actualizada)
Biblioteca de widgets prediseñados integrada[43]
[ ]
4.1.4
AIP Interactive widget (agent embed)
Widget para embeber agentes AIP en aplicaciones Workshop[41]
[ ]
4.1.5
Scenario / what-if en Workshop
Soporte nativo de escenarios para workflows "¿Qué pasaría si...?"[1]
[ ]
4.1.6
Embedded Quiver dashboards
Incrustar dashboards de Quiver dentro de apps Workshop[44]
[ ]
4.1.7
Embedded Map
Incrustar componente de mapa geoespacial[45]
[ ]
4.1.8
Consumer mode (usuarios externos B2C/B2B)
Modo seguro para entregar apps a usuarios externos sin acceso a la plataforma[46]
[ ]
4.2 Slate (Pro-code App Builder)
#
Característica
Descripción
✅ Cumplido
4.2.1
HTML / CSS / JavaScript custom apps
Aplicaciones completamente personalizadas con tecnologías web estándar[47]
[ ]
4.2.2
Integración con Ontology layer
Acceso nativo al Ontology desde aplicaciones Slate[47]
[ ]
4.2.3
Acceso directo a datasets
Slate puede interactuar directamente con datasets además del Ontology[48]
[ ]
4.2.4
Drag-and-drop + código
Interfaz mixta: visual para estructura, código para personalización[47]
[ ]
4.3 OSDK React Applications
#
Característica
Descripción
✅ Cumplido
4.3.1
React UI con OSDK como backend
Aplicaciones React usando Foundry como backend via OSDK[4]
[ ]
4.3.2
TypeScript bindings type-safe
Bindings TypeScript con type-safety para el Ontology[49]
[ ]
4.3.3
Soporte NPM, Pip/Conda, Maven
SDK disponible para TypeScript, Python, Java y OpenAPI spec[49]
[ ]
4.3.4
Developer Console
Portal para crear y gestionar aplicaciones OSDK[49]
[ ]
4.3.5
VS Code Workspaces in-platform
IDE VS Code integrado con soporte nativo para Python transforms y OSDK React[4]
[ ]
4.3.6
Palantir extension for VS Code
Extensión VS Code con acceso a repositorios, builds y AI coding assistant[4]
[ ]
4.3.7
Palantir MCP (Model Context Protocol)
Conecta IDEs de IA externas con el Ontology y herramientas de Foundry[4]
[ ]
4.3.8
Ontology MCP
Expone recursos del Ontology como herramientas MCP para agentes externos[4]
[ ]
#
Característica
Descripción
✅ Cumplido
4.4.1
Automate (ver sección AIP)
—
[ ]
4.4.2
Solution Designer
Herramienta interactiva para diseñar arquitecturas de soluciones[4]
[ ]
4.4.3
Carbon (curated workspaces)
Combina apps y recursos en workspaces curados para usuarios finales[4]
[ ]
4.4.4
Use Case app
App de gestión de casos de uso con Workshop, Slate y Quiver integrados[50]
[ ]
5.1 Contour (Top-down Analysis)
#
Característica
Descripción
✅ Cumplido
5.1.1
Exploración top-down visual
Análisis punto a clic sobre datasets a escala[51]
[ ]
5.1.2
Transform boards (joins, filtros, agregaciones)
Transformaciones step-by-step con recálculo automático downstream[52]
[ ]
5.1.3
Display boards (gráficos, tablas)
Visualizaciones de resultados: histogramas, scatter, tablas, etc.[52]
[ ]
5.1.4
Paths y secuencias de análisis
Análisis organizados en paths con boards en serie[51]
[ ]
5.1.5
Parámetros de análisis
Parámetros para cambiar vistas (rangos de fechas, IDs, localizaciones)[51]
[ ]
5.1.6
Dashboards con chart-to-chart filtering
Dashboards interactivos con filtrado cruzado entre gráficos[51]
[ ]
5.1.7
Export a dataset (materialización)
Guardar resultados de Contour como nuevo dataset en Foundry[51]
[ ]
5.1.8
Export PDF
Exportación de dashboards a PDF[51]
[ ]
5.1.9
Fullscreen presentation view
Modo presentación en pantalla completa para dashboards[51]
[ ]
5.2 Quiver (Time Series y Ontology Analytics)
#
Característica
Descripción
✅ Cumplido
5.2.1
Análisis de time series
Visualización y cálculo de KPIs sobre datos temporales[29]
[ ]
5.2.2
Point-and-click sin código
Transformaciones y análisis sin escribir código[44]
[ ]
5.2.3
Navegación de relaciones entre object types
Traversal y análisis de objetos relacionados del Ontology[44]
[ ]
5.2.4
Joins entre object sets
Agregación y análisis sobre múltiples object sets[44]
[ ]
5.2.5
Visual functions (bloques de lógica reutilizables)
Funciones visuales reutilizables para simplificar análisis[44]
[ ]
5.2.6
Dashboards interactivos y paramétricos
Dashboards con filtros dinámicos publicables para stakeholders[44]
[ ]
5.2.7
Embed en Workshop, Object Views, Carbon
Incrustar análisis Quiver en otros contextos de la plataforma[44]
[ ]
5.2.8
Vega plots
Soporte para gráficos Vega avanzados[44]
[ ]
5.3 Map (Geospatial Analysis)
#
Característica
Descripción
✅ Cumplido
5.3.1
Análisis geoespacial y temporal
Canvas geoespacial con datos del Ontology sobre capas de mapa[45]
[ ]
5.3.2
Track analysis (movimiento histórico)
Visualización de trayectorias y movimiento de activos móviles en el tiempo[45]
[ ]
5.3.3
Raster imagery y capas GIS
Soporte para imagery satelital y capas geoespaciales externas[45]
[ ]
5.3.4
Color/style por valor de dato
Visualización diferenciada con colores y estilos basados en propiedades del objeto[45]
[ ]
5.3.5
Combinación con time series y sensores
Análisis conjunto de datos IoT, series temporales y eventos sobre el mapa[45]
[ ]
5.3.6
Standalone o embebido en Workshop
Usable como análisis independiente o componente en Workshop[45]
[ ]
5.4 Notepad (Collaborative Documents)
#
Característica
Descripción
✅ Cumplido
5.4.1
Editor de texto enriquecido colaborativo
Documentos colaborativos con formato rico (texto, imágenes)[53]
[ ]
5.4.2
Embed de widgets de Contour, Quiver, etc.
Integración de gráficos y tablas de otras apps directamente en el documento[53]
[ ]
5.4.3
Templates de Notepad
Plantillas como blueprints para generar nuevos documentos[53]
[ ]
5.4.4
Export / print de documentos
Exportación e impresión de documentos Notepad[53]
[ ]
5.4.5
Indexado por AIP Assist
Los documentos pueden ser indexados y consultados via AIP Assist (RAG)[54]
[ ]
5.4.6
Marketplace support
Incluir documentos y templates Notepad en productos Marketplace[55]
[ ]
5.5 Fusion (Spreadsheet Bidireccional)
#
Característica
Descripción
✅ Cumplido
5.5.1
Spreadsheet editable sincronizado con dataset
Sync bidireccional: editar en spreadsheet → actualiza dataset en Foundry[4]
[ ]
5.5.2
Query de datos del Ontology en spreadsheet
Mostrar y consultar datos del Ontology en formato de hoja de cálculo[4]
[ ]
5.6 Code Workspaces y Code Workbook
#
Característica
Descripción
✅ Cumplido
5.6.1
JupyterLab® integrado
Entorno Jupyter nativo en la plataforma[4]
[ ]
5.6.2
RStudio® Workbench integrado
RStudio nativo para workflows de estadística y R[4]
[ ]
5.6.3
LLMs en notebooks
Acceso a modelos LLM directamente desde notebooks[42]
[ ]
5.6.4
Code Workbook (legacy)
Entorno web de análisis en código con workflows de data science[4]
[ ]
5.7 Integraciones BI Externas
#
Característica
Descripción
✅ Cumplido
5.7.1
Conector Tableau
Conector dedicado para Tableau[1]
[ ]
5.7.2
Conector Power BI
Conector dedicado para Power BI[1]
[ ]
5.7.3
ODBC/JDBC drivers
Drivers estándar para conectar herramientas SQL externas[1]
[ ]
5.7.4
Python SDK
SDK Python para acceso programático a datos y Ontology[56]
[ ]
5.7.5
REST API (Foundry API)
API REST con OAuth 2.0 para construir aplicaciones sobre la plataforma[57]
[ ]
6. PRODUCT DELIVERY (DevOps y Marketplace)
#
Característica
Descripción
✅ Cumplido
6.1.1
Packaging de productos
Crear "productos" con colecciones de recursos (pipelines, Ontology, apps, modelos)[58]
[ ]
6.1.2
Release channels / versioning
Etiquetar versiones del producto con canales de release[58]
[ ]
6.1.3
Gestión de instalaciones (fleet)
Administrar una flota de instalaciones con upgrades automáticos[58]
[ ]
6.1.4
Maintenance windows
Configuración de ventanas de mantenimiento para actualizaciones[46]
[ ]
6.1.5
Foundry Branching (beta)
Branching a nivel de enrollment para desarrollo de features[59]
[ ]
#
Característica
Descripción
✅ Cumplido
6.2.1
Storefront de productos
Descubrimiento e instalación de productos publicados[4]
[ ]
6.2.2
Guided installation
Instalación guiada con configuración personalizable[4]
[ ]
6.2.3
Recommended products
Recomendaciones de productos relacionados[4]
[ ]
6.2.4
Starter packs / ejemplos
Workflow starter packs para arranque rápido[4]
[ ]
6.2.5
Instalaciones multi-space
Instalación del mismo producto en múltiples spaces[46]
[ ]
7. SEGURIDAD Y GOBERNANZA
#
Característica
Descripción
✅ Cumplido
7.1.1
Role-based access control (RBAC)
Control de acceso discrecional basado en roles[60]
[ ]
7.1.2
Markings (mandatory access controls)
Controles mandatorios que viajan con los datos independientemente de la ubicación[61][62]
[ ]
7.1.3
Propagación de markings por linaje
Los markings se heredan automáticamente a todos los recursos derivados[26]
[ ]
7.1.4
Classification-based access controls (CBAC)
Controles de clasificación para información gubernamental sensible[63]
[ ]
7.1.5
Scoped sessions
Usuarios pueden seleccionar un subconjunto de markings por sesión[62]
[ ]
7.1.6
Organization-level isolation
Silos estrictos entre organizaciones dentro de un mismo enrollment[64]
[ ]
7.1.7
Guest access cross-organization
Acceso de invitado controlado entre organizaciones[65]
[ ]
7.1.8
Restricted views
Vistas granulares que limitan columnas/filas visibles[66]
[ ]
7.1.9
Consumer mode (external users)
Entrega segura de apps a usuarios externos sin acceso a la plataforma[46]
[ ]
7.2 Autenticación y Cifrado
#
Característica
Descripción
✅ Cumplido
7.2.1
Single Sign-On (SSO / SAML 2.0)
Integración con identity providers via SAML[67]
[ ]
7.2.2
Multi-factor authentication (MFA)
Autenticación de múltiples factores[60]
[ ]
7.2.3
OAuth 2.0 (client credentials, auth code)
Flujos OAuth para server-to-server y autenticación interactiva[68]
[ ]
7.2.4
Encryption in transit y at rest
Cifrado completo de datos en tránsito y en reposo[39]
[ ]
7.2.5
Zero-trust security architecture
Infraestructura zero-trust con node cycling agresivo[2]
[ ]
7.3 Governance y Privacidad
#
Característica
Descripción
✅ Cumplido
7.3.1
Audit logging completo
Registro de todas las interacciones del sistema y decisiones[23]
[ ]
7.3.2
Approvals (change management)
Flujo de aprobación para cambios sensibles (propuestas, acceso, ontology)[4]
[ ]
7.3.3
Checkpoint (justification prompts)
Prompts de justificación para interacciones con datos sensibles[4]
[ ]
7.3.4
Cipher (cryptographic operations)
Servicio de cifrado/descifrado/hashing con gestión de algoritmos y claves[4]
[ ]
7.3.5
Sensitive Data Scanner (SDS)
Descubrimiento automático de datos sensibles con acciones de remediación[4]
[ ]
7.3.6
Data Lifetime / retention policies
Políticas de retención lineage-aware con deletion gobernado[4]
[ ]
7.3.7
Compliances: HIPAA, GDPR, ITAR
Alineación con marcos regulatorios globales[4]
[ ]
7.3.8
Project templates para governance estándar
Templates que estandarizan la gobernanza a escala[66]
[ ]
8. MANAGEMENT Y ENABLEMENT 8.1 Control Panel y Administración
#
Característica
Descripción
✅ Cumplido
8.1.1
Control Panel centralizado
Suite completa de governance, gestión de recursos y administración de seguridad[4]
[ ]
8.1.2
Enrollment vs Organization permissions
Permisos gestionados en dos niveles independientes[69]
[ ]
8.1.3
Resource Management
Insights granulares sobre utilización de recursos del enrollment[4]
[ ]
8.1.4
Upgrade Assistant
Herramienta para gestionar actualizaciones de la plataforma[4]
[ ]
8.1.5
Identity provider mapping (SAML org assignment)
Asignación automática de usuarios a organizaciones via SAML[65]
[ ]
8.1.6
Custom platform branding
Personalización de la experiencia de plataforma con branding organizacional[4]
[ ]
8.2 Enablement y Documentación
#
Característica
Descripción
✅ Cumplido
8.2.1
AIP Assist (platform-wide chatbot)
Asistente IA disponible en toda la plataforma para navegar y generar valor[70]
[ ]
8.2.2
Custom documentation in-platform
Creación y gestión de documentación interna indexada por AIP Assist (RAG)[54]
[ ]
8.2.3
Walkthroughs (tutoriales interactivos)
Tutoriales step-by-step customizables para onboarding de usuarios[4]
[ ]
8.3 Multi-Organization Ecosystems
#
Característica
Descripción
✅ Cumplido
8.3.1
Private + shared spaces
Construcción de ecosistemas con espacios privados y compartidos[71]
[ ]
8.3.2
Data sharing controlado entre orgs
Compartición de datos con controles de auditoría y marcings mandatorios[71]
[ ]
8.3.3
Host organization + partners
Modelo de ecosistema con organización host y partners[71]
[ ]
9. DEVELOPER TOOLCHAIN (APIs y SDKs)
#
Característica
Descripción
✅ Cumplido
9.1.1
Foundry Platform API (v1 y v2)
API REST completa para interactuar con la plataforma (datasets, ontology, filesystem, etc.)[57]
[ ]
9.1.2
Datasets API
CRUD completo sobre datasets, branches, transacciones, archivos[72]
[ ]
9.1.3
Ontologies API (Objects, Links, Actions)
API para consultar objetos, navegar links, aplicar acciones[32]
[ ]
9.1.4
Orchestration API (Builds, Jobs, Schedules)
API para gestionar pipelines y schedules programáticamente[6]
[ ]
9.1.5
Streams API (real-time, second latency)
API para análisis y procesamiento de datos en tiempo real[6]
[ ]
9.1.6
Connectivity API (external systems)
API para gestionar conexiones a sistemas externos[6]
[ ]
9.1.7
Filesystem API (folders, projects)
API para gestionar el filesystem de recursos[6]
[ ]
9.1.8
SQL Queries API
API para ejecutar queries SQL sobre datasets[6]
[ ]
9.1.9
Admin API (Users, Groups, Markings, Orgs)
API para gestión administrativa de usuarios, grupos y markings[6]
[ ]
#
Característica
Descripción
✅ Cumplido
9.2.1
Foundry Platform SDK (Python)
SDK Python oficial sobre la Foundry API[56]
[ ]
9.2.2
OSDK (TypeScript/NPM)
SDK del Ontology para TypeScript/React[49]
[ ]
9.2.3
OSDK (Python/Pip)
SDK del Ontology para Python[49]
[ ]
9.2.4
OSDK (Java/Maven)
SDK del Ontology para Java[49]
[ ]
9.2.5
OpenAPI spec (any language)
Especificación OpenAPI para integrar cualquier lenguaje[49]
[ ]
10. INFRAESTRUCTURA Y DEPLOYMENT
#
Característica
Descripción
✅ Cumplido
10.1
SaaS multi-cloud (AWS, Azure, GCP, OCI)
Despliegue como SaaS sobre múltiples clouds[11]
[ ]
10.2
On-premises / air-gapped deployment
Soporte para entornos air-gapped con agent on-premises[11]
[ ]
10.3
Apollo (CI/CD autónomo)
Plataforma de entrega continua que gestiona 300+ microservicios automáticamente[2]
[ ]
10.4
Kubernetes autoscaling build system
Sistema de builds basado en Kubernetes con autoescalado[1]
[ ]
10.5
High availability / autoscaling compute mesh
Compute mesh altamente disponible con autoescalado[2]
[ ]
10.6
Geo-restricted enrollments
Soporte para restricciones geográficas de datos y compute[59]
[ ]
Resumen de Áreas por Dominio
Dominio
Total Ítems
Complejidad
1. Data Connectivity e Integración
~45
Alta
2. Ontology
~35
Muy alta
3. ML / AIP
~30
Alta
4. Aplicaciones (Workshop/Slate/OSDK)
~30
Media-Alta
5. Analytics (Contour/Quiver/Map/etc.)
~35
Media
6. Product Delivery (DevOps/Marketplace)
~10
Media
7. Seguridad y Gobernanza
~25
Alta
8. Management y Enablement
~10
Media
9. APIs y SDKs
~15
Alta
10. Infraestructura
~6
Muy alta
TOTAL ~241 características
Notas de Priorización para una Implementación Open Source Las características se pueden priorizar en tres capas para una implementación open source:
Capa 1 — Core (Bloqueante para viabilidad):
Ontology (Objects, Links, Actions, Functions)
Dataset / Filesystem con branching y transacciones
Pipeline Builder batch (PySpark/Python)
RBAC + Markings básicos
REST API + OSDK básico
Capa 2 — Funcional (Para uso real):
Streaming pipelines
Model deployment (batch y live)
Workshop / app builder básico
Contour y Quiver básicos
Audit logging y data lineage
Capa 3 — Avanzada (Enterprise / diferenciadora):
AIP Agent Studio y LLM integration
HyperAuto (ERP auto-generation)
DevOps y Marketplace
CBAC, Cipher, Sensitive Data Scanner
Multi-organization ecosystems
Apollo (autonomous CI/CD)