NVIDIA, HPE, Dell. Todos apostando fuerte por la IA on-premise. Los argumentos son claros: control total del dato, sin dependencia de terceros, latencia mínima, soberanía del proceso productivo.
Y tienen razón en todo eso.
Pero hay una parte de la conversación que se queda fuera del catálogo del fabricante.
El hardware de IA se encarece trimestre a trimestre. Los ciclos de obsolescencia son de 2 a 3 años. Y la inversión en infraestructura no genera retorno si los procesos que soporta no están estandarizados antes de encender el primer servidor.
He visto organizaciones que han invertido millones en infraestructura on-premise y siguen tomando decisiones con Excel porque nadie mapeó el flujo de datos antes de comprar el hierro.
La arquitectura no es el problema. El orden sí lo es.
El cloud tiene sus propios riesgos: vendor lock-in, costes que escalan con el uso, dependencia total del proveedor para cualquier cambio. Lo que empieza barato puede volverse caro muy rápido cuando el volumen crece.
El híbrido suena a solución equilibrada — y a veces lo es. Pero sin una estrategia clara es lo peor de los dos mundos mal gestionado.
Lo que ninguna arquitectura resuelve por sí sola: que el proceso que soporta esté documentado, que el dato sea limpio y accesible, y que haya alguien en la organización que entienda qué pasa cuando el sistema falla.
Antes de decidir la arquitectura, la pregunta correcta no es qué infraestructura quiero. Es qué proceso necesito soportar, qué dato gestiono y qué capacidad interna tengo para operarlo.
La herramienta óptima emerge del problema real. No del catálogo del fabricante.
¿Vosotros en qué arquitectura estáis apostando — y por qué?
