¿Está su infraestructura realmente lista para la IA?

Hasta ahora, todos tienen una estrategia de IA. Pero muy pocas organizaciones tienen la infraestructura para realmente respaldarla.

Durante el último año, he hablado con docenas de líderes de TI que están bajo una presión real para entregar experiencias impulsadas por IA. Se espera que tengan herramientas de productividad más rápidas, automatización inteligente y gestión de puntos de conexión más inteligente. Y esa presión se extiende más allá de los trabajadores humanos: las organizaciones ahora están siendo solicitadas para aprovisionar y gestionar agentes de IA que necesitan su propia computación, sus propios entornos de escritorio y su propio modelo de gobernanza.

Después de haber pasado años ayudando a construir Windows 365 y Azure Virtual Desktop en Microsoft, he desarrollado una visión clara de lo que separa a las organizaciones que despliegan con éxito la IA de aquellas que se estancan. Casi siempre se reduce a tres cosas: utilización de la nube, calidad de los datos y disciplina de costos.

¿Está utilizando lo que ya tiene?

La primera pregunta que hago a cualquier líder de TI es: ¿cómo bien está aprovechando las capacidades de la nube que ya está pagando?

La mayoría de las organizaciones, si son honestas, subutilizan significativamente sus entornos de nube. Han migrado cargas de trabajo, pero la mentalidad de levantar y trasladar significa que están ejecutando patrones heredados en un entorno moderno y perdiendo las características de optimización integradas en la plataforma de su proveedor de nube.

Esto es enormemente importante para la IA. Estas cargas de trabajo son intensivas en recursos y dinámicas. Se disparan, se escalan y necesitan elasticidad. Un entorno que no ha sido optimizado para la operación nativa de la nube se derrumbará bajo esa demanda o le costará mucho más de lo necesario cuando no lo haga.

Antes de invertir en nuevas capacidades de IA, eche un vistazo duro a su entorno actual y hágase estas preguntas:

• ¿Están sus máquinas virtuales bien dimensionadas, o está ejecutando instancias sobredimensionadas?
• ¿Están las políticas de escalado automático realmente ajustadas a los patrones de carga de trabajo, o están configuradas y olvidadas?
• ¿Está utilizando instancias reservadas y planes de ahorro, o está utilizando precios de pago por uso en toda la tabla?

Los proveedores de nube han invertido en herramientas de optimización. Úselas. Y si su capa de administración no está mostrando estas perspectivas, eso es una brecha que vale la pena cerrar antes de seguir adelante.

Los datos son la base, y la mayoría de los datos de las organizaciones están rotos

El segundo factor de preparación, y francamente más crítico, es el de los datos. No la estrategia de datos en abstracto. El estado real de sus datos hoy.

Los sistemas de IA son tan buenos como los datos en los que se entrenan o contra los que operan. Eso no es una nueva idea, pero las implicaciones prácticas todavía son subestimadas en la mayoría de las organizaciones de TI. Cuando hablo de preparación de datos para la IA, me refiero a tres dimensiones específicas: limpieza, integridad y oportunidad.

La limpieza significa que sus datos no tienen duplicados, inconsistencias o errores que corromperían los resultados. Para la gestión de puntos de conexión, esto podría significar registros de usuarios con atributos obsoletos, perfiles de dispositivos que no han sido actualizados en meses o asignaciones de políticas que no reflejan la estructura de la organización actual.

La integridad significa que tiene el ancho de señales que la IA necesita para hacer inferencias significativas. Un motor de recomendación para la entrega de aplicaciones no es útil si la mayoría de la telemetría del dispositivo está faltando. Un sistema de detección de anomalías no puede establecer una línea de base si su registro tiene brechas. Antes de implementar características impulsadas por IA, mapee qué datos tiene versus lo que una determinada capacidad requiere.

La oportunidad es la dimensión que las organizaciones subestiman más. Se trata de inteligencia en tiempo real o casi en tiempo real. Los datos estancados producen ideas estancadas, y las ideas estancadas pueden ser peores que no tener ideas en absoluto. Si sus tuberías de datos están procesando por la noche lo que debería fluir continuamente, eso es un problema estructural que la IA no resolverá.

La higiene de los datos, la modernización de las tuberías y la instrumentación de la telemetría no hacen presentaciones de junta emocionantes. Pero son la diferencia entre características de IA que funcionan y características de IA que se abandonan tres meses después del lanzamiento.

El control de costos no es un pensamiento posterior

La tercera dimensión de la preparación para la IA es financiera, y merece más atención de la que recibe en la fase de planificación.

Las cargas de trabajo de IA son caras de ejecutar, son difíciles de predecir y a menudo escalan más rápido de lo que los presupuestos pueden seguir. He visto a organizaciones obtener un valor significativo de los primeros pilotos de IA, y luego ver cómo los costos se disparan cuando esos pilotos se mueven a producción, porque nadie había diseñado un modelo de gobernanza de costos para acompañarlos.

Esto es especialmente cierto en entornos de escritorio virtual y de puntos de conexión, donde las características de IA como la inteligencia de sesión, el escalado predictivo y el remedio automatizado pueden generar una demanda de cómputo sustancial en miles de sesiones simultáneamente.

Las organizaciones que gestionan esto bien comparten algunas características:

Tratan la eficiencia de la infraestructura como un requisito previo, no como una optimización para hacer más tarde. Ya han hecho el trabajo de dimensionar correctamente, eliminar el desperdicio y establecer líneas de base de costos antes de que lleguen las cargas de trabajo de IA.

Construyen visibilidad de costos en las operaciones. Saben cuáles son sus costos por usuario, por sesión y por carga de trabajo, lo que significa que pueden detectar cuándo las características de IA están impulsando gastos inesperados lo suficientemente pronto como para corregir el curso.

Y, lo que es importante, han elegido una capa de administración que muestra señales de costos de forma proactiva, por lo que no se enteran de los excesos de costos en la factura de nube mensual, sino a través de paneles en tiempo real que permiten decisiones más rápidas.

La brecha es cerrable, pero requiere honestidad primero

Las organizaciones de las que estoy más optimista son las que están dispuestas a echar un vistazo honesto a dónde se encuentran.

La brecha entre la ambición de IA y la ejecución es real, pero no es permanente. Y la próxima frontera ya es visible: a medida que la IA agente se mueve de piloto a producción, la pregunta de la preparación de la infraestructura se expande más allá de los usuarios humanos para incluir a los agentes mismos.

Eso significa auditar la utilización de la nube antes de expandirla e invertir en la calidad de los datos antes de agregar la IA encima. También significa tratar la gobernanza de costos como una preocupación arquitectónica, no como un problema del equipo de finanzas.

La brecha entre la ambición de IA y la ejecución es real, pero no es permanente. Es un problema de ingeniería y operativo, y esos son exactamente los problemas que nuestra comunidad de TI resuelve con éxito.