La inteligencia artificial (IA) suele presentarse como un problema “existencial” para las empresas. Sin embargo, a pesar del indudable entusiasmo e inversión en esta tecnología, parece que muchos líderes tecnológicos no la abordan como una aplicación empresarial. Ya se acumulan pruebas de que muchos proyectos de IA no logran superar la fase experimental o piloto. Gartner predice que más del 40% de los proyectos de IA, incluida la IA con agentes, se cancelarán para finales de 2027. A menudo, se deberá a controles de riesgo inadecuados y un retorno de la inversión (ROI) incierto.

Este fracaso en el lanzamiento desperdicia inversión y corroe la confianza en la tecnología a largo plazo. Esto crea una brecha entre las organizaciones que están realizando la transición a la IA empresarial de forma constante y aquellas que tienen dificultades para que funcione. Esta brecha se ampliará aún más a medida que la IA general dé paso a la IA con agentes.

Por supuesto, tener una visión es clave para el éxito de la IA con agentes. Lo mismo aplica a contar con los datos para fundamentar la estrategia distintiva de cada empresa. Esto, junto con una inversión inicial, podría ser suficiente para lograr un programa piloto deslumbrante. Pero, ¿basta para garantizar el éxito a escala empresarial? ¿Qué deben hacer los líderes tecnológicos para garantizar que la IA no sólo deleite, sino que realmente cumpla sus expectativas?

Enfoque empresarial

La respuesta es garantizar la disponibilidad operativa para la IA con agentes. En pocas palabras, se trata de la capacidad de implementar, gestionar y escalar la IA a toda la organización. Esto implica esforzarse para garantizar que lo que comienza como un piloto convincente, pero desconectado, se integre en toda la empresa. Significa garantizar que la IA se ejecute en una plataforma unificada que abarque computación, datos y gobernanza. Una plataforma que pueda replicarse en toda la organización, ya sea localmente, en la nube o en el borde.

El concepto básico no es nuevo. Implementar con éxito cualquier carga de trabajo crítica para el negocio, como ERP o CRM, exige el mismo enfoque en la infraestructura operativa subyacente. Dicho esto, hay desafíos específicos que destacar cuando se trata de lograrlo con IA.

Es fácil pensar que la ecuación de la infraestructura de IA empieza y termina con las GPU. Pero la memoria de alto ancho de banda, el almacenamiento rápido y las redes correspondientes desempeñan un papel importante. Lo mismo ocurre con otros procesadores y aceleradores, dependiendo de la parte del flujo de trabajo.

Lo más importante es que esa infraestructura, ya sea local, en la nube o híbrida, debe adaptarse y escalar conforme los proyectos pasan del piloto local a la producción empresarial. La IA con agentes, por su naturaleza, puede ser mucho más persistente que las cargas de trabajo corporativas más tradicionales.

Pero esto va más allá de la potencia del procesador o los gigabytes de almacenamiento. La seguridad y la gobernanza son innegociables en los proyectos de IA empresarial. Los datos subyacentes y los modelos propios de una organización son clave para su futuro y deben mantenerse en secreto.

Operación de escala horizontal

La soberanía de los datos y las regulaciones de IA en general complican aún más las cosas. Los líderes tecnológicos necesitan saber que sus datos están donde dicen estar y tener claro quién puede y quién no puede acceder a ellos.

Las posibilidades de la IA con agentes son ilimitadas. Pero también lo es el precio si esta infraestructura subyacente no se gestiona adecuadamente. Pagar sólo por las GPU y la energía para ejecutarlas y dejarlas infrautilizadas reduce drásticamente el retorno de la inversión y socava los compromisos ESG.

Los líderes tecnológicos necesitan planificar desde el principio cómo escalar la capacidad, tanto vertical como horizontalmente. Pero también necesitan ser capaces de gestionar y predecir los costos. Por lo tanto, necesitan confiar en que su plataforma y herramientas les permiten hacerlo fácilmente.

Esto se vuelve aún más crítico con la entrada de agentes de IA. Es necesario garantizar la seguridad, la gobernanza y el cumplimiento normativo incluso cuando los agentes acceden, generan datos y toman decisiones. La infraestructura debe ser capaz de soportar y gestionar picos de demanda a medida que se ejecutan sus acciones. Es necesario considerar la ubicación de los activos para reducir la latencia de las cargas de trabajo de inferencia que se ejecutan en tiempo real. Y el consumo de energía debe mantenerse dentro de límites aceptables.

Una vez que se tiene en cuenta todo esto, queda más claro lo que significa la preparación operativa en la era de la IA con agentes.

Futuro de la IA con agentes

La verdadera preparación operativa exige un enfoque llave en mano para la IA, en la forma de una plataforma completa, con la capacidad de abarcar GPU y otros aceleradores necesarios. Debe incluir servicios de datos integrados que admitan la gama de formatos que necesitará la IA, junto con controles de seguridad y gobernanza correspondientes.

Los modelos amplios de lenguaje (Large Language Model, LLM) no siempre ofrecen respuestas repetibles. Sin embargo, la infraestructura en la que se basan GenAI y la IA con agentes debe ser repetible para que las empresas puedan escalar según la demanda. Esto incluye la nube, así como las instalaciones locales y el borde.

Al contar con la plataforma y las herramientas adecuadas, los líderes tecnológicos pueden garantizar que su personal se centre en maximizar constantemente el valor que pueden obtener de sus inversiones en IA.

La IA con agentes es una aplicación empresarial. Y las aplicaciones empresariales necesitan una infraestructura de nivel empresarial que las respalde desde la fase piloto, pasando por la producción y en el futuro. Porque eso es lo que garantizará la existencia de la organización a largo plazo.