Azure HorizonDB pasó a disponibilidad general el 17 de noviembre, en el primer día de Ignite 2026, y el mismo motor de PostgreSQL entró en vista previa pública dentro de Microsoft Fabric. Si te ganas la vida moviendo datos, esto te toca más de lo que parece: la base transaccional y el lakehouse dejan de ser dos mundos que se hablan por un ETL nocturno.
Lo anunció Satya Nadella sin rodeos: HorizonDB es un PostgreSQL distribuido y gestionado, ya disponible en 13 regiones de Azure, con hasta 8 veces el rendimiento de un Postgres que administras tú. El número llamativo es el 8X, pero la frase que de verdad cambia diseños es la otra: al traer HorizonDB a Fabric, los agentes pueden razonar sobre transacciones vivas junto a petabytes de histórico.
Qué se anunció y en qué estado está cada pieza
Los titulares mezclaron GA con preview, así que vale separarlo:
- ▸Azure HorizonDB: disponibilidad general, en 13 regiones de América, Europa y Asia-Pacífico, con más regiones en camino.
- ▸Fabric HorizonDB: vista previa pública. Es Postgres serverless corriendo dentro de Fabric, no un servicio aparte al que te conectas.
- ▸Database Hub en Fabric: general. Los agentes de base de datos para SQL y PostgreSQL que viven ahí dentro siguen en preview.
- ▸Servidor MCP de PostgreSQL: le da a un agente una manera estándar de descubrir qué sabe hacer la base y pedírselo, sin que alguien escriba un wrapper a mano.
Preview significa preview. Lo he visto mil veces: alguien lee «Postgres en Fabric» en LinkedIn y arranca una migración de producción en diciembre. La parte de Fabric todavía va a cambiar de forma, de límites y probablemente de precio.
Postgres dejó de ser «la base de la aplicación»
La arquitectura que casi todos tenemos se parece a esto: la app escribe en Postgres, un proceso nocturno copia esas tablas al warehouse, y el analista responde preguntas con datos de ayer. Funciona, pero el negocio ya no pregunta por ayer. Pregunta por las últimas dos horas.
Meter el motor transaccional dentro de la misma plataforma analítica es el intento de Microsoft de borrar ese salto. Databricks viene empujando lo mismo desde el otro lado con Lakebase, y lo comenté cuando comparamos Fabric y Databricks hace un par de semanas. Las dos plataformas quieren el mismo territorio: que no muevas los datos, que traigas el cómputo encima.
El cuello de botella rara vez fue el motor de la base. Fue el equipo que no tenía permiso para tocar el pipeline.
Eso es lo que no sale en el keynote. Puedes tener Postgres distribuido con 8X de rendimiento y seguir tardando tres semanas en agregar una columna, porque el permiso lo da otra gerencia. La tecnología nueva no arregla eso; solo deja sin excusa al que decía que era culpa de la base.
Qué quiere decir «PostgreSQL distribuido»
Un Postgres normal corre en una máquina. Creces agrandando esa máquina hasta que ya no hay máquina más grande, y ahí empieza el dolor: particionar a mano, mover tablas, inventar réplicas de lectura. Un motor distribuido reparte el almacenamiento y el cómputo entre varios nodos sin que tu aplicación se entere, y te deja crecer de forma horizontal.
Para ti eso se traduce en tres cosas concretas: consultas analíticas pesadas que ya no tumban la base transaccional, menos trabajo de sharding manual, y un camino de crecimiento que no pasa por reescribir la aplicación. El precio de la entrada es el de siempre con un servicio gestionado: pierdes control fino sobre la configuración y quedas atado a cómo el proveedor decide actualizar las versiones.
En el mismo Ignite salió otra pieza que para el día a día pesa igual o más: los trabajos gestionados de dbt dentro de Fabric. Puedes construir, probar y correr transformaciones al lado de tus notebooks y pipelines sin montar la CLI en una máquina local ni mantener un runner propio. Si tu equipo ya vive en dbt, eso elimina una de las excusas más comunes para no consolidar la plataforma.
Lo interesante: ahora quien consulta la base puede ser un agente
El servidor MCP de PostgreSQL es la pieza que más me interesa de todo el anuncio. Hasta hace poco, para que un agente leyera tu base tenías que escribirle herramientas a mano, una por consulta, y rezar para que no inventara un JOIN. Con MCP el agente descubre el esquema y las capacidades por un protocolo común, y tú decides qué expones.
Eso mueve el trabajo de lugar. El reto deja de ser «conectar» y pasa a ser gobernar: qué tablas ve el agente, con qué usuario, con qué límite de filas, y cómo auditas lo que preguntó. Si te interesa ese lado del oficio, la ruta AI Agentic Engineer trabaja justo ahí: arquitectura de agentes, herramientas, memoria y control, no prompts bonitos. Y si tu stack es Azure, el taller de agentes inteligentes con Azure te deja el circuito armado de punta a punta.
Cuándo esto no es para ti
Si tu base de datos tiene 40 GB y responde bien, un motor distribuido no te va a arreglar nada. Vas a pagar por elasticidad que no usas y a complicar el diagnóstico cuando algo falle. La mayoría de las empresas medianas de la región están en ese punto, y ahí la plata rinde muchísimo más puesta en modelado, índices y en alguien que sepa leer un plan de ejecución.
Tampoco lo veo urgente si estás todo en Google Cloud o AWS. Esto es una jugada de plataforma: tiene sentido cuando ya tienes Fabric, Entra y el resto del stack de Microsoft adentro. Mover un Postgres a otra nube solo por un anuncio es la clase de decisión que se defiende en una reunión y se sufre durante dos años.
Qué haría esta semana si trabajas con Azure o Fabric
- ▸Levanta una instancia de Azure HorizonDB en una región cercana y mide con tu carga real, no con el benchmark del blog. El 8X es contra Postgres autoadministrado, que es una base movediza para comparar.
- ▸Revisa qué extensiones usas hoy. Las migraciones de Postgres casi nunca mueren por el SQL; mueren por una extensión que el servicio gestionado no soporta.
- ▸Si ya estás en Fabric, prueba HorizonDB en un workspace de laboratorio y deja producción quieta hasta que salga de preview.
- ▸Escribe en una página quién puede dar acceso de lectura a un agente. En serio, esa página te va a ahorrar un incidente.
Qué aprender para no quedarte mirando
Nada de esto exige empezar de cero. Es el mismo oficio con una capa más. Si estás construyendo tu base, Azure SQL de Cero a Héroe te da el músculo de modelado y consulta que después aplicas en cualquier motor, y Azure Data Factory desde cero cubre la orquestación que sigue siendo el 70% del trabajo diario. Para el examen DP-700, que es el que pide la mayoría de ofertas con Fabric en LATAM, está la preparación para Microsoft Fabric Data Engineer.
Si vienes de afuera y lo que quieres es el rol completo, la ruta Data Engineer arma el recorrido entero: SQL, Python, orquestación, nube y un proyecto que puedas mostrar en una entrevista. Es la vía larga, y es la que de verdad cambia el sueldo.
Una última cosa, por si estás decidiendo motor: que Microsoft empuje Postgres no significa que todo deba ser relacional. Para catálogos, eventos y datos sin esquema fijo sigue siendo mejor otra herramienta, y eso lo ves claro en NoSQL desde Cero. Elegir bien la base al inicio te ahorra la migración del año siguiente. Puedes revisar el catálogo completo de cursos y empezar por donde tengas el hueco.
Y si prefieres ver esto en vivo antes de leerte la documentación entera: cada semana hacemos un taller práctico en la Comunidad AI Builders, desde 19 USD al mes, donde armamos cosas como esta a mano y con preguntas en el momento.


