Sigma Computing ha cerrado una ronda de Serie E de 80 millones de dólares que dobla su valoración hasta los 3.000 millones de dólares, desde los 1.500 millones de la Serie D de 2024. Lo anuncia la compañía hoy 18 de mayo de 2026 a través de Business Wire. La ronda la lidera Princeville Capital —cuya socia Vivian Huang entra en el consejo de administración—, con nuevos inversores estratégicos: Databricks Ventures, ServiceNow Ventures y Workday Ventures. Los anteriores —Altimeter Capital, Avenir Growth, D1 Capital Partners, Spark Capital, Sutter Hill Ventures, entre otros— también participaron. JP Morgan actuó de placement agent. El contexto financiero que justifica la valoración: Sigma alcanzó 200 millones de dólares de ARR en abril de 2026, con un crecimiento de más del 100% interanual. El año anterior estaban en 100 millones. No es un raro unicornio de proyecciones; es una empresa que está ejecutando.
¿Qué hace Sigma Computing y por qué ahora?
Sigma se define como una plataforma de «AI Apps y analytics agéntico». En términos más concretos: es una capa de análisis que se sienta encima de los data warehouses de nube —Snowflake, Databricks, Google BigQuery— y permite a usuarios de negocio explorar datos en tiempo real, construir aplicaciones y automatizar flujos de trabajo, todo sin mover los datos fuera del warehouse ni necesitar escribir SQL en la mayoría de casos.
Lo que diferencia a Sigma de un BI tradicional como Tableau o Power BI es la arquitectura warehouse-native: las consultas se ejecutan directamente en el warehouse, con la gobernanza y seguridad que este proporciona. Los datos nunca salen, lo que elimina el problema de copias desactualizadas y reduce el riesgo de seguridad. Y a partir de 2024-2025, Sigma añadió agentes de IA que pueden ejecutarse en ese mismo entorno gobernado, lo que da a los equipos de TI el control que necesitan mientras permite a los usuarios de negocio trabajar con velocidad de agentes.
El producto estrella de la ronda es Sigma Agents: agentes de IA no-code que operan en tres modos. Modo interactivo: el usuario habla con el agente y aprueba acciones. Modo autónomo: el agente monitoriza datos y ejecuta workflows de forma programada. Modo externo: el agente hace llamadas API a sistemas de terceros. En el primer trimestre del año fiscal en curso, Sigma Agents fue el producto más rápidamente adoptado en la historia de la empresa. El Sigma MCP Server permite obtener respuestas desde ChatGPT y Claude directamente sobre los datos del warehouse, conectando el mundo de los LLMs con los datos gobernados de la empresa. Compatible con Claude Code, Codex, Cursor y Snowflake Cortex Code.
La participación de Databricks Ventures, ServiceNow Ventures y Workday Ventures no es decorativa: cada uno de ellos representa un canal de distribución. Notion convirtió su workspace en una central de agentes de IA integrando Claude Code, Cursor y Codex como agentes de primer nivel; Sigma hace algo similar pero enfocado en el dato y el analytics enterprise.
¿Cuáles son los números reales detrás de la valoración?
Los números son lo que hace esta ronda creíble más allá del entusiasmo del comunicado. 200 millones de ARR es una cifra real y auditable: es lo que los clientes pagan anualmente de forma recurrente. Doblar ese número en un año —de 100M a 200M— indica una retención de clientes alta (porque los que ya estaban siguen pagando) combinada con adquisición de nuevos (el ARR nuevo que cubre el churn y añade encima). Con un crecimiento de más del 100% YoY, Sigma crece más rápido que casi cualquier empresa de analytics enterprise que pueda compararse.
Más de 2.000 clientes usan la plataforma, incluyendo AMD, Duolingo, Colgate-Palmolive y JPMorgan Chase. La empresa añadió más de 1,1 millones de nuevos usuarios activos en el último año fiscal. Y en el contexto de inversión, la valoración de 3.000 millones sobre 200 millones de ARR implica un múltiplo de 15x, razonable para una empresa de SaaS enterprise con crecimiento triple dígito.
El CEO Mike Palmer lo resume: «IT necesita tecnología que permita a la empresa ir rápido en áreas como apps desarrolladas con vibe coding y desarrollo agéntico, mientras también va segura con gestión de permisos, telemetría y más. Sigma proporciona un sistema de confianza para habilitar analytics agéntico a través de aplicaciones vibe-coded mientras garantiza gobernanza, fiabilidad y seguridad.» El término «vibe coding» —construir software a través de prompts en lenguaje natural— aparece en un comunicado de empresa B2B, señal de que el concepto ha cruzado del mundo indie developer al enterprise. El ciclo de recortes en el sector tech en 2025-2026 ha acelerado la adopción de herramientas que permiten hacer más con menos personas, y Sigma se posiciona exactamente en ese espacio.
¿A qué compite Sigma y qué significa la apuesta de sus inversores?
El mercado de analytics enterprise lo dominan Tableau (Salesforce), Power BI (Microsoft) y Looker (Google). Sigma compite con todos ellos desde el ángulo warehouse-native: no intenta ser el BI más completo en features sino el más fácil de gobernar para IT mientras es el más autónomo para el usuario de negocio. La apuesta estratégica es que los equipos de IT en empresas grandes prefieren herramientas que no saquen los datos del warehouse, y eso es precisamente lo que Sigma ofrece.
La entrada de Databricks Ventures es especialmente significativa: Databricks es uno de los dos grandes data warehouses que Sigma soporta nativamente (junto con Snowflake), lo que convierte esta inversión en un acuerdo de integración profunda disfrazado de ronda de capital. Lo mismo con Workday Ventures: Workday tiene datos de RRHH y finanzas que sus clientes quieren analizar, y Sigma es el canal natural para ese analytics. La participación de ServiceNow Ventures apunta hacia integración con flujos de trabajo de IT management.
Sigma también integra directamente con Claude Code y Codex mediante su Sigma Data Modeling Skills for AI Agents, que permite a ingenieros de datos construir y desplegar modelos de datos directamente desde sus agentes de código favoritos. Es el tipo de integración que convierte a Sigma en parte del flujo de trabajo del developer enterprise en lugar de una herramienta aparte.
Mi valoración
Lo que más me convence de Sigma es que su crecimiento no depende de un solo cliente o un solo producto. 2.000 clientes con ARR de 200 millones implica una media de 100.000 dólares por cliente, lo que es revenue enterprise real, no volumen de suscripciones de consumidor. Y doblar ese número en un año indica expansión tanto en clientes nuevos como en uso dentro de los existentes.
Lo que más me preocupa es la competencia de los propios proveedores del warehouse. Snowflake lanzó Cortex Analytics, que hace directamente lo que hace Sigma. Databricks tiene su propia capa de analytics. Google tiene Looker. Si los data warehouses deciden incentivar a sus clientes a usar sus propias herramientas de analytics, Sigma queda en posición de intermediario incómodo. La inversión de Databricks Ventures es un escudo, pero también puede ser un abrazo.
Mi predicción: Sigma tiene una ventana de 18-24 meses para consolidar su posición antes de que Snowflake y Databricks empujen más activamente sus propias soluciones de analytics agéntico. Si en ese plazo llega a 400-500 millones de ARR, tendrá un argumento de IPO sólido. Si no, podría convertirse en target de adquisición para uno de los grandes.
Preguntas frecuentes
¿Qué es el analytics agéntico y en qué se diferencia del BI tradicional?
El BI tradicional (Tableau, Power BI) presenta datos en dashboards y reportes estáticos que el usuario consulta de forma pasiva. El analytics agéntico (Sigma Agents) permite que un sistema de IA monitorice los datos de forma continua, identifique anomalías o tendencias automáticamente y ejecute acciones o notificaciones sin que nadie tenga que consultar el dashboard. La diferencia práctica: en BI clásico, alguien tiene que mirar el dashboard para detectar un problema; con agentes, el sistema te avisa cuando hay un problema y puede incluso iniciar la respuesta.
¿Cómo se integra Sigma con Claude o ChatGPT?
El Sigma MCP Server permite hacer preguntas sobre los datos del warehouse de la empresa directamente desde interfaces de chat como Claude o ChatGPT. El sistema responde con datos en tiempo real, gobernados por los permisos del warehouse, sin que los datos salgan a los servidores de Anthropic o OpenAI. Para desarrolladores, las Sigma Data Modeling Skills permiten construir y desplegar modelos de datos directamente desde Claude Code, Codex o Cursor.
¿Necesito saber SQL para usar Sigma?
No, aunque puede usarse SQL si se prefiere. La interfaz principal de Sigma es una hoja de cálculo interactiva que permite explorar y manipular datos sin SQL. El Sigma Assistant (copiloto IA) permite hacer preguntas en lenguaje natural. Para usuarios técnicos, la plataforma también soporta Python y SQL directamente. El objetivo es que tanto el analista de negocio sin conocimientos técnicos como el ingeniero de datos puedan trabajar en el mismo entorno con la misma gobernanza.