Claude Whiteboards, Sheets y Data salieron el 10 de noviembre y, por una vez, un anuncio de Anthropic me interesa más como analista que como developer. No hay modelo nuevo acá. Lo que Claude estrenó son tres superficies de trabajo: un pizarrón compartido, una hoja de cálculo y una capa que se enchufa directo a tu warehouse. Si tu día se va entre consultas, tableros y reuniones de planificación, esto te toca.
Qué salió exactamente el 10 de noviembre
Tres cosas distintas, anunciadas el mismo día, y conviene no mezclarlas:
- ▸Claude Whiteboards (beta): un lienzo en tiempo real para planear en grupo. Discutes un plan a medias en voz alta y Claude lo convierte en una línea de tiempo con responsables y fechas.
- ▸Claude Sheets (beta): hojas de cálculo generadas desde un prompt, con fórmulas y formato, y editables por varias personas a la vez.
- ▸Claude Data (disponibilidad general): es lo que hasta ayer se llamaba Dashboards. Cambió de nombre y salió de beta.
Los tres viven solo en planes pagos, y funcionan en web, escritorio y móvil. Ahí viene la letra chica que a más de uno le va a costar una mañana: en planes Team vienen prendidos por defecto, pero en Enterprise, Sheets y Whiteboards quedan apagados hasta que un administrador los habilite, y Claude Data se enciende solo el 19 de noviembre. Si trabajas en una empresa grande y no ves los botones, no es tu cuenta, es la configuración de tu organización.
Claude Data es el que de verdad te cambia la semana
Dashboards arrancó en beta el 8 de octubre y lo interesante nunca fue el gráfico: fue a qué se conecta. Amazon Redshift, BigQuery, ClickHouse, Databricks y Snowflake, más CRMs como Salesforce. O sea, Claude deja de adivinar sobre un CSV que le pegaste y empieza a consultar la fuente donde de verdad viven tus números. Un mes después ya es GA con nombre nuevo.
Pero GA no significa que todo esté listo. Las consultas certificadas y el compartir en vivo siguen en beta, y justamente esas dos son las que separan un tablero confiable de uno bonito. Una consulta certificada es la que alguien del equipo de datos revisó y aprobó: sin eso, cada persona le pregunta a Claude "¿cuántos clientes activos tenemos?" y cada una recibe una definición distinta de "activo". Eso no es un problema de la herramienta, es el viejo problema de la gobernanza de métricas, y la IA lo acelera en vez de resolverlo.
Mi recomendación práctica: antes de dejar que medio equipo le pregunte cosas al warehouse en lenguaje natural, lee el SQL que Claude genera. Siempre. Te vas a encontrar joins que inflan filas y filtros de fecha mal puestos, y los vas a cachar en treinta segundos si sabes leer una consulta. Si esa parte te cuesta, SQL para todos es el piso mínimo para trabajar con este tipo de herramientas sin que te vendan humo.
Sheets y Whiteboards: menos revolución, más fricción que desaparece
Claude Sheets no viene a pelearle a Excel. Viene a matar ese paso tonto de pedirle una tabla al chat, copiarla, pegarla en una hoja y arreglarle el formato. Ahora la hoja nace dentro de Claude, con fórmulas, y la edita más de una persona. Para un tracker de campaña, una matriz de priorización o un presupuesto rápido, alcanza y sobra. Para un modelo financiero con treinta pestañas enlazadas, no: eso sigue siendo territorio de Excel y de quien sepa armarlo.
Whiteboards es el más fácil de subestimar y el que más me sorprendió. La promesa no es dibujar cuadritos, es que la conversación desordenada de una reunión salga convertida en un plan con dueños y fechas. Si alguna vez terminaste una sesión de planificación con un pizarrón lleno y cero tareas asignadas, sabes exactamente qué problema resuelve.
Lo que nadie dice de estas herramientas: te quitan el trabajo de armar el artefacto, no el de decidir qué va adentro. Si tus definiciones de negocio están flojas, ahora vas a tener diez tableros flojos en vez de uno.
¿Y esto en qué se diferencia de Copilot en Excel o Gemini en Sheets?
Es la pregunta que me hicieron apenas salió, y la respuesta tiene que ver con dónde vive el contexto. Copilot y Gemini son asistentes que viven dentro de una hoja: saben de esa hoja. Lo de Anthropic va al revés: la conversación es el centro y la hoja, el pizarrón o la consulta al warehouse son salidas de esa conversación. Si vienes arrastrando un análisis de media hora con archivos, criterios y correcciones, pedirle una hoja al final no le cuesta nada porque ya tiene todo el hilo.
La contra también es clara: Microsoft y Google tienen la ventaja de estar donde tu empresa ya trabaja, con los permisos, el control de versiones y la auditoría resueltos desde hace años. Si tu organización vive en Microsoft 365, no vas a migrar los reportes a Claude Sheets, y no deberías. Lo realista en los próximos meses es convivencia: exploras en Claude, entregas en la suite corporativa.
Lo que esto no reemplaza
No reemplaza tu capa semántica ni el modelo de datos. Tampoco reemplaza a Power BI ni a Looker Studio para los reportes que la empresa mira todos los días, con permisos por área y versiones controladas. Claude Data brilla en la pregunta exploratoria, la que antes te costaba media hora de ticket al equipo de datos: "¿por qué cayó la conversión en Lima la semana pasada?". El reporte recurrente sigue siendo del BI de siempre.
Y hay un punto que a los equipos les cae encima tarde: cuando le das a Claude acceso al warehouse, le estás dando acceso a datos de clientes. Los permisos de la conexión importan más que el prompt. Conecta con un usuario de solo lectura y con las vistas que ya tienen filtrado por rol, no con la cuenta de administrador.
Cómo lo probaría esta semana sin romper nada
Un plan de cuatro pasos que puedes correr en un par de tardes:
- ▸Elige un dominio chico y aburrido: pedidos del último trimestre, por ejemplo. Nada de datos sensibles en la primera vuelta.
- ▸Hazle cinco preguntas cuya respuesta ya conoces de memoria. Si falla alguna, ya sabes dónde está el problema de modelado.
- ▸Revisa el SQL de cada respuesta y anota las métricas que Claude interpretó distinto a tu definición oficial. Esa lista es oro para tu diccionario de métricas.
- ▸Recién ahí ábrelo al resto del equipo, con las definiciones corregidas y un documento de una página con lo que sí y lo que no se le pregunta.
Qué conviene aprender para que esto te sume de verdad
El analista que gana con estas herramientas no es el que escribe mejores prompts, es el que entiende el dato que hay debajo. Si vienes empezando, la ruta de Analista de Datos con IA cubre justo esa base: SQL, modelado, visualización y uso de IA sobre datos propios. Si ya trabajas con datos y lo que quieres es exprimir Claude, el curso de Claude básico te deja usando proyectos, archivos y estas nuevas superficies sin dar vueltas.
Y si lo que te late es el paso siguiente (que no sea una persona preguntando, sino un agente que consulta datos, decide y ejecuta), ese es otro oficio: la ruta de AI Agentic Engineer va por ahí, con arquitectura de agentes, memoria y puesta en producción.
Prueba Claude Data con un dominio que conozcas bien y mira cuántas de sus respuestas aguantan una revisión de SQL. Ese número te dice más de tu modelo de datos que cualquier auditoría. Si quieres ver el catálogo completo, está en todos los cursos, y para el lado de datos empieza por la ruta de Analista de Datos con IA.
Una última: lo que sale cada semana es tanto que probarlo solo cansa. En la Comunidad AI Builders hacemos un taller en vivo por semana con estas herramientas recién salidas, desde 19 USD al mes.
