La adopción de inteligencia artificial en las empresas está entrando en una nueva fase. Tras los primeros pilotos y pruebas de concepto, el desafío ahora consiste en convertir esos proyectos en entornos de producción capaces de operar de forma continua, segura y eficiente. Con este objetivo, Vertiv, especialista en infraestructura digital crítica, ha anunciado una nueva guía que proporciona a las organizaciones un marco práctico para planificar y desplegar infraestructuras preparadas para la IA empresarial.
La publicación, desarrollada junto con STL Partners y presentada en colaboración con el Deloitte Center for Integrated Research, propone un enfoque basado en las cargas de trabajo que permite vincular las necesidades de negocio con los requisitos tecnológicos y de infraestructura física que exige cada aplicación de inteligencia artificial.
La infraestructura, factor decisivo para la IA en producción
Según la investigación que sustenta la guía, uno de los principales obstáculos para la adopción masiva de la IA no reside en los propios modelos, sino en la capacidad de las organizaciones para proporcionar los recursos necesarios para soportarlos. Aspectos como la disponibilidad de energía, los sistemas de refrigeración, la conectividad o la capacidad operativa pueden condicionar tanto la ubicación de las cargas de trabajo como la velocidad con la que estas llegan a producción.
«La siguiente fase de la IA empresarial estará determinada no solo por los modelos y la capacidad de computación, sino también por la habilidad de las organizaciones para proporcionar la infraestructura adecuada», señala Giordano Albertazzi, CEO de Vertiv.
La compañía considera que abordar estas cuestiones desde las etapas iniciales de planificación permite reducir riesgos, evitar cuellos de botella y acelerar la implantación de proyectos de IA de gran escala.
Cuatro pasos para diseñar una estrategia de infraestructura de IA
La guía propone una metodología estructurada en cuatro fases:
- Definir el objetivo empresarial y la carga de trabajo de IA.
- Analizar su escala, funcionamiento y requisitos operativos.
- Determinar la ubicación de despliegue más adecuada.
- Asociar la carga de trabajo con un modelo de infraestructura física y un diseño de referencia.
Este proceso busca facilitar la toma de decisiones tanto a los responsables de negocio como a los equipos de TI, operaciones e instalaciones, alineando las necesidades de cada caso de uso con la infraestructura más eficiente.
Seis arquetipos de cargas de trabajo y cuatro modelos de infraestructura
Uno de los elementos centrales de la guía es la clasificación de las cargas de trabajo de IA en seis arquetipos, que abarcan desde el entrenamiento y reentrenamiento de modelos hasta diferentes escenarios de uso productivo.
A partir de esta categorización, las organizaciones pueden asignar cada carga de trabajo a uno de los cuatro modelos de infraestructura física identificados por Vertiv:
- Clúster de IA en el edge.
- Clúster de IA de pequeño tamaño.
- Clúster de IA de gran escala.
- Clúster de IA de alta densidad.
Cada modelo incorpora recomendaciones específicas relacionadas con energía, refrigeración, conectividad, resiliencia operativa, sistemas de control y capacidad de crecimiento futuro.
Un enfoque híbrido para un ecosistema diverso
La investigación destaca que no existe una única alternativa válida para todas las cargas de trabajo de IA. Mientras que los proyectos exploratorios pueden mantenerse en la nube pública, las aplicaciones críticas para el negocio pueden requerir entornos híbridos, infraestructuras propias, centros de colocation o incluso despliegues en el edge para garantizar menores latencias, mayor control sobre los datos o requisitos específicos de operación.
Desde esta perspectiva, la guía apuesta por un enfoque flexible que permite aprovechar las ventajas de cada entorno tecnológico según las características de cada proyecto, evitando estrategias universales y favoreciendo decisiones basadas en criterios técnicos y operativos.
Evaluar la preparación de las instalaciones desde el principio
La disponibilidad de infraestructuras preparadas para soportar IA se perfila como uno de los factores clave para el éxito de los despliegues empresariales. Por ello, la metodología incluye una evaluación temprana de la capacidad de las instalaciones para asumir nuevas cargas de trabajo, analizando recursos energéticos, sistemas de refrigeración, espacio disponible, conectividad y capacidad de expansión.
Según Vertiv, identificar estas limitaciones desde las primeras fases permite evitar retrasos, sobrecostes y rediseños posteriores, facilitando una transición más fluida desde la innovación hasta la operación en producción.
