La irrupción de la IA obliga a una reinvención completa de la infraestructura tecnológica

La irrupción de la IA en la infraestructura tecnológica ya no se discute solo en términos de energía y enfriamiento. Hay una capa menos visible que también se está reinventando por completo: la red que conecta las GPU entre sí, y los equipos humanos que tienen que operar todo ese conjunto sin que se caiga.

La red que ya no aguanta el tráfico tradicional

Entrenar e inferir con modelos grandes exige mover volúmenes de datos entre GPU a una velocidad que las redes de un centro de datos tradicional no fueron diseñadas para soportar. Durante años InfiniBand dominó ese tráfico —llegó a representar casi el 80% de las ventas de switches en redes backend de IA—, pero el mercado giró: Ethernet ya controla cerca de dos tercios de esas ventas, con Dell'Oro Group proyectando unos 80.000 millones de dólares en ventas de switches Ethernet para IA en los próximos cinco años. 2026 es además el primer año de despliegue masivo de switches de 1.6 Tbps, y arranca la adopción de óptica co-empaquetada (CPO) tanto en Ethernet como en InfiniBand, que sigue rebotando con fuerza gracias a la plataforma Blackwell Ultra de Nvidia.

Lo que esto significa en la práctica: la topología de red ya no es un detalle de bajo nivel que se resuelve comprando más ancho de banda. Es una decisión de arquitectura tan importante como la elección de GPU, porque un cuello de botella en la red puede dejar procesadores de miles de dólares esperando datos en lugar de calcular.

El auge de las plataformas: quién construye el puente entre infra y modelos

El otro cambio es organizacional. El 80% de las empresas ya tiene un equipo dedicado de platform engineering —la disciplina que construye las herramientas internas para que los equipos de desarrollo puedan desplegar y operar infraestructura sin depender de un ticket a sistemas cada vez—, y otro 15% planea crear uno en los próximos 18 meses. La correlación con el éxito en IA es directa: el 73% de las organizaciones con equipos de platform engineering maduros dice que esa madurez fue un factor crítico o significativo para que sus proyectos de IA funcionaran, frente a solo 44% en las organizaciones menos maduras.

Ya no basta con automatizar la infraestructura; el 66% de las organizaciones usa IA en sus propios flujos de aprovisionamiento, detección de desviaciones de configuración y cumplimiento normativo, aunque solo el 31% reporta procesos completamente autónomos. El resto todavía necesita un humano revisando lo que la IA propone antes de aplicarlo en producción.

Gobernanza: el detalle que separa la confianza del caos

Ese humano en el medio no es un capricho. Las organizaciones con gobernanza formal sobre cómo la IA opera su infraestructura reportan 94% de confianza en los resultados, contra apenas 51% en las que operan de forma improvisada. La diferencia no está en qué tan potente es el modelo que usan, sino en si existe un proceso claro de quién aprueba qué cambio y cómo se audita después.

Qué significa esto si no eres un hyperscaler

Ninguna empresa mediana va a construir su propia red de switches de 1.6 Tbps, pero el principio de fondo sí baja de escala: la infraestructura que eliges determina qué tan rápido puedes operar, y tener control real sobre ella —en lugar de depender por completo de una capa gestionada por un tercero— es lo que permite aplicar ese mismo criterio de gobernanza a tu propia operación. Con VPS y servidores dedicados con acceso root real, cualquier equipo técnico puede decidir exactamente cómo se despliega y se audita lo que corre en su infraestructura, en lugar de heredar las reglas de alguien más.

La reinvención de la infraestructura para la era de la IA no se trata solo de más potencia. Se trata de redes que no se atasquen, equipos que sepan operar la complejidad, y procesos de gobernanza que generen confianza real en lo que la IA hace por su cuenta.