Entrevistas
Leo Brunnick, Director de Producto en Cloudera – Serie de entrevistas
Añade Unite.AI a tus fuentes preferidas en Google
Leo Brunnick, Director de Producto en Cloudera, es un ejecutivo veterano de tecnología y emprendedor con más de tres décadas de experiencia construyendo y escalando software, medios digitales y organizaciones de tecnología empresarial. En Cloudera, dirige la Gestión de Producto, Ingeniería y Soporte al Cliente, supervisando la dirección de producto y tecnología de la compañía mientras expande las capacidades de su plataforma de datos e IA. Antes de unirse a Cloudera en 2025, Brunnick pasó seis años en Naviga, más recientemente como Director de Operaciones, donde lideró a más de 600 profesionales en producto, ingeniería, marketing, R&D, soporte al cliente y servicios profesionales. En etapas anteriores de su carrera, fundó y se desempeñó como Director Ejecutivo de Patheos, haciendo crecer la plataforma de medios digitales a aproximadamente 15 millones de visitantes mensuales antes de una salida exitosa, y pasó ocho años como Director de Producto en la empresa de gestión de contenido empresarial Vignette. Su trayectoria también incluye consultoría tecnológica en Andersen Consulting y servicio como oficial de infantería del Cuerpo de Marines de EE. UU.
Cloudera es una empresa de datos empresariales e IA centrada en ayudar a las organizaciones a gestionar, gobernar, analizar y aplicar IA a los datos dondequiera que residan—en nubes públicas, centros de datos privados y entornos de edge. Su plataforma híbrida combina gestión de datos, analítica, aprendizaje automático, IA generativa y, cada vez más, capacidades de IA agente, al tiempo que enfatiza la seguridad empresarial, la gobernanza, la privacidad y la portabilidad de cargas de trabajo. La estrategia actual de la plataforma de la compañía incluye Cloudera Anywhere Cloud, una arquitectura diseñada para ofrecer a las empresas una experiencia de nube consistente en diferentes entornos de infraestructura, junto con un lago de datos abierto, una malla de datos unificada, procesamiento de datos en tiempo real y herramientas para desarrollar y desplegar modelos y agentes de IA. Cloudera afirma que su tecnología gestiona más de 25 exabytes de datos y es utilizada por grandes empresas globales que buscan modernizar su infraestructura de datos sin requerir que todas las cargas de trabajo o datos sensibles se trasladen a una nube pública.
Su carrera ha abarcado la consultoría tecnológica, la dirección de organizaciones de producto en Vignette y Naviga, la fundación y escalado de Patheos, y ahora el desempeño como Director de Producto en Cloudera. ¿Cómo han influido esas experiencias en la forma en que piensa sobre la construcción de plataformas tecnológicas empresariales en un momento en que la IA está cambiando fundamentalmente la manera en que las organizaciones utilizan sus datos?
En todas esas situaciones, se aplica el mismo principio. La tecnología es más valiosa cuando hace que algo complicado sea más fácil de usar para las personas. Este punto es aún más importante ahora, ya que la IA crea oportunidades significativas mientras añade una capa adicional de complejidad para las empresas que ya navegan datos en la nube, centros de datos y entornos cada vez más soberanos.
Al construir esta nueva era en Cloudera, a menudo considero cómo podemos permitir que las organizaciones se beneficien de las nuevas tecnologías sin obligarlas a replantear todo lo que ya han construido. En los últimos años, las empresas han desarrollado sus dominios de datos, aplicaciones, modelos de gobernanza y procesos operativos. No sería razonable descartar todo eso cada vez que surge una nueva tecnología. Las plataformas que tengan éxito en la era de la IA se basarán en lo que las organizaciones ya poseen, al tiempo que les brindan la flexibilidad y el control para adaptarse a medida que sus necesidades evolucionen.
Cloudera introdujo recientemente Cloudera Anywhere Cloud para ayudar a las empresas a construir y operar IA en nubes públicas, infraestructura privada, nubes soberanas, entornos locales y el edge. ¿Qué problema observó entre los clientes que convenció a Cloudera de que este tipo de arquitectura unificada era necesaria?
Existe una presión creciente sobre los clientes para poner en práctica la IA, incluso cuando sus datos e infraestructura están distribuidos en más entornos que nunca. Los datos pueden residir en nubes públicas, centros de datos privados, entornos soberanos y el edge, cada uno con sus propios requisitos de seguridad, regulatorios, de rendimiento y económicos. Gestionar todos estos entornos puede generar una carga operativa significativa para las organizaciones.
La idea detrás de Anywhere Cloud es que las empresas no deben tener que elegir entre la agilidad de la nube y mantener el control, la seguridad y la gobernanza de sus datos. Las organizaciones necesitan una forma consistente de desplegar, gobernar y escalar servicios de datos e IA donde tenga más sentido para el negocio. Con un plano de control único, las compañías pueden dedicar menos tiempo a gestionar la infraestructura subyacente y más tiempo a centrarse en los resultados que desean alcanzar con sus datos e IA, sin importar en qué entorno residan.
Usted ha dicho que la IA empresarial ha “superado el modelo de solo nube pública”. ¿Cuáles son las mayores limitaciones que enfrentan las empresas al intentar ejecutar IA de producción completamente en entornos de nube pública, y qué cargas de trabajo se están trasladando cada vez más a otros lugares?
Las plataformas que tengan éxito en la era de la IA se basarán en lo que las organizaciones ya poseen y les brindarán la flexibilidad para adaptarse a medida que sus necesidades evolucionen. La nube pública sigue siendo una parte importante de la estrategia tecnológica empresarial, pero no es la única opción. A medida que la IA pasa a producción, las compañías deben determinar dónde deben ejecutarse sus datos y cargas de trabajo según factores como la regulación, la seguridad y el costo.
Esto muestra que las decisiones sobre dónde colocar las cargas de trabajo ahora se toman de manera más deliberada. Ciertas aplicaciones de IA serían, sin duda, apropiadas en la nube pública, mientras que las cargas de trabajo que implican datos altamente sensibles o regulados podrían tener que permanecer en un centro de datos privado o en un entorno soberano. En otros casos, las cargas de trabajo estarán mejor en el edge, ya que la latencia es un factor importante. El objetivo no es alejarse de la nube pública; más bien, es permitir a las empresas la flexibilidad de ejecutar cada tipo de carga de trabajo en el lugar que sea más adecuado para ella, sin verse obligadas a crear un modelo operativo separado para cada entorno.
Cloudera Anywhere Cloud incluye un copiloto agente que puede traducir solicitudes en lenguaje natural en flujos de datos y operaciones de infraestructura. ¿Qué nivel de autonomía esperas que alcancen estos sistemas y dónde deberían las empresas mantener la supervisión humana a medida que los agentes obtienen mayor control sobre la infraestructura crítica de datos?
Los agentes seguirán asumiendo el trabajo operativo repetitivo que actualmente ocupa el tiempo de los equipos de datos e infraestructura. Si un agente puede expresar un resultado en lenguaje natural y luego convertirlo en un flujo de trabajo o una acción de infraestructura, reducirá enormemente la fricción y hará que las capacidades avanzadas de datos estén disponibles para un mayor número de personas.
Una mayor autonomía también genera una mayor necesidad de una gobernanza eficaz. Las empresas deben contar con políticas claras que especifiquen a qué puede acceder un agente, qué acciones puede realizar por sí mismo y cuándo se requiere la aprobación humana. Cuanto mayor sea el impacto potencial de una acción, más cruciales se vuelven esos controles. La autonomía y la gobernanza deben avanzar en paralelo para proporcionar a los agentes la libertad suficiente para lograr ganancias reales de productividad, al tiempo que se asegura que la organización mantenga la supervisión y el control sobre sus datos e infraestructura clave.
Cloudera está trabajando con NVIDIA para ofrecer aceleración GPU nativa mediante cuDF en cargas de trabajo de Apache Spark 4.1, con posibles mejoras de rendimiento de hasta 4× sin requerir que las organizaciones reescriban sus aplicaciones PySpark o SQL existentes. ¿Por qué es tan importante eliminar la necesidad de reescrituras de código para acelerar la adopción de IA empresarial?
Las empresas han realizado inversiones significativas en sus aplicaciones, habilidades y canalizaciones de datos existentes. Cambiar a una nueva tecnología requiere más que trabajo de ingeniería. Puede introducir riesgos, retrasar resultados y crear interrupciones en sistemas que ya están funcionando.
La aceleración sin código ayuda a abordar ese desafío. Las organizaciones pueden usar sus cargas de trabajo PySpark y SQL existentes para obtener los beneficios de la aceleración GPU sin cambiar fundamentalmente la forma en que sus equipos operan. Esto hace que la tecnología sea más fácil de adoptar y, al mismo tiempo, mejora el rendimiento de las canalizaciones de datos que respaldan la analítica y la IA, protegiendo las inversiones existentes.
Las GPU se están utilizando cada vez más más allá del entrenamiento e inferencia de modelos, incluyendo la preparación de datos y la analítica. ¿Esperas que la aceleración GPU se convierta en una parte estándar del stack de datos empresarial y cómo podría esto cambiar la economía de la preparación de conjuntos de datos masivos para IA?
En mi opinión, las empresas serán mucho más hábiles para alinear su infraestructura con sus cargas de trabajo. Las GPU ya han transformado la forma en que se lleva a cabo el entrenamiento e inferencia de modelos, y la ingeniería de datos es el siguiente ámbito obvio para la innovación, ya que la preparación de grandes conjuntos de datos puede ser un cuello de botella importante al llevar aplicaciones de IA a producción.
El impacto económico es igualmente significativo, ya que un procesamiento más rápido puede hacer más que simplemente completar un trabajo de Spark más rápidamente. La reducción de los tiempos de ejecución de cómputo puede disminuir los costos de infraestructura mientras ayuda a los equipos de datos a iterar más rápido, una consideración cada vez más importante a medida que crecen las cargas de trabajo de IA. Según nuestra investigación, el 84 % de los encuestados ha visto cómo las cargas de trabajo de IA aumentan los costos de infraestructura, lo que hace que sea más importante que las empresas busquen oportunidades de mejora tanto en rendimiento como en costo a lo largo de toda la canalización de datos. El procesamiento de datos acelerado por GPU podría convertirse en una parte importante de esa ecuación.
Una de las promesas de Cloudera Anywhere Cloud es permitir a las organizaciones colocar las cargas de trabajo donde los requisitos regulatorios, económicos u operativos lo exijan, sin mover o copiar continuamente sus datos. ¿Qué tan importante es llevar la computación de IA a los datos, en lugar de llevar todos los datos empresariales a la IA?
Esto es esencial porque las empresas han pasado años construyendo vastas cantidades de datos en diferentes entornos, y mover todos esos datos a un solo lugar para IA suele ser poco práctico. Puede resultar costoso y consumir mucho tiempo, mientras que los requisitos de seguridad, privacidad o soberanía pueden impedir que las organizaciones trasladen ciertos datos por completo.
En la actualidad, no es práctico que las empresas trasladen de forma segura todos sus datos a las distintas aplicaciones y entornos donde se está desplegando la IA. Llevar la IA a los datos permite a las organizaciones usar una mayor parte de los datos que ya poseen, manteniéndolos donde deben estar. También les brinda la flexibilidad de ejecutar las cargas de trabajo donde tenga más sentido según los requisitos comerciales y técnicos. A medida que la IA se integra más en toda la empresa, la capacidad de operar de manera consistente dondequiera que residan los datos será cada vez más importante.
La soberanía de los datos se ha convertido en una gran preocupación a medida que los gobiernos y las industrias reguladas adoptan la IA. ¿Cómo están cambiando los requisitos de IA soberana la arquitectura que necesitan las empresas, y espera que las nubes soberanas y la infraestructura privada de IA se vuelvan significativamente más importantes en los próximos años?
Absolutamente. La soberanía se está convirtiendo en un requisito arquitectónico, no simplemente en un tema de cumplimiento. Las organizaciones necesitan saber dónde se almacenan sus datos y dónde se ejecutan sus cargas de trabajo de IA, así como quién tiene acceso y cómo se protege la propiedad intelectual y la información sensible.
Las organizaciones ya no pueden asumir que todo puede centralizarse en una única nube pública. Necesitan la flexibilidad de operar a través de nubes soberanas, infraestructura privada, nubes públicas y sistemas locales, aplicando una gobernanza coherente en cada entorno. Estos requisitos solo serán más importantes a medida que la IA se adentre más en industrias reguladas y procesos empresariales críticos. Las organizaciones que puedan innovar manteniendo el control sobre sus datos y entornos de IA estarán mejor posicionadas para escalar la IA de manera responsable.
A medida que los agentes de IA autónomos obtienen acceso a los datos, aplicaciones e infraestructura empresariales, la gobernanza de datos tradicional puede ya no ser suficiente. ¿Cómo debe evolucionar la gobernanza cuando los usuarios que acceden y actúan sobre los datos empresariales son cada vez más agentes de IA en lugar de humanos?
En el pasado, la gobernanza se basaba principalmente en que personas y aplicaciones pudieran acceder a los datos. Los agentes añaden un nuevo aspecto, ya que pueden acceder a la información, razonar sobre ella y actuar en función de lo que encuentran.
Por ello, las empresas deben aplicar conceptos como identidad, permisos, linaje, observabilidad y acceso de confianza cero a los agentes para garantizar la seguridad y la gobernanza de sus datos. Las organizaciones deben saber qué agente accedió a qué datos, qué hizo con esa información, qué acciones tomó y si esas acciones estaban alineadas con las políticas corporativas. La gobernanza no puede introducirse después de que un agente haya actuado; debe incorporarse al entorno de modo que las políticas y salvaguardas se desplazen junto con los datos y se apliquen de forma continua, independientemente de si la entidad en cuestión es una persona, una aplicación o un agente autónomo.
Cloudera está destacando estándares abiertos como Apache Iceberg, Polaris, Spark, Kafka y Trino en lugar de exigir a los clientes operar completamente dentro de una pila propietaria. A medida que la infraestructura de IA se consolida en torno a grandes plataformas, ¿qué tan importante será que los estándares abiertos e interoperabilidad eviten una nueva generación de bloqueo de proveedores de IA?
Cuanto más la IA se integra en la infraestructura empresarial, más importantes se vuelven los estándares abiertos. La IA evoluciona rápidamente, y las organizaciones deben evitar tomar decisiones arquitectónicas hoy que puedan limitar los modelos, motores, infraestructuras o tecnologías que podrán usar en el futuro.
Tecnologías como Apache Iceberg, Spark, Kafka, Trino y catálogos abiertos brindan a las organizaciones la flexibilidad de usar diferentes herramientas para distintas cargas de trabajo, manteniendo la interoperabilidad en sus entornos de datos. Esto es particularmente importante a medida que las empresas operan cada vez más en nubes públicas, infraestructuras soberanas y centros de datos privados, donde necesitan la libertad de decidir dónde se ejecutan sus datos y cargas de IA sin reconstruir todo alrededor de un único proveedor.
Un enfoque abierto también facilita la adopción de nuevas capacidades de IA mientras se aprovechan las inversiones existentes, en lugar de mover o copiar datos repetidamente a medida que la tecnología evoluciona. A medida que el panorama de la IA sigue cambiando, los estándares abiertos otorgan a las organizaciones la flexibilidad de evolucionar su arquitectura con el tiempo, manteniendo la elección y el control sobre sus datos, infraestructura y decisiones tecnológicas.
Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar Cloudera.
