La IA empresarial seguirá a los datos empresariales
Un nuevo estudio de IDC reveló que el 55% de los encuestados adopta un enfoque equilibrado entre la TI privada y la nube pública, mientras que el 38% prefiere principal o exclusivamente la TI privada. Al mismo tiempo, las organizaciones esperan que para 2026 aumente la inversión en los centros de datos principales, los entornos perimetrales (edge), los centros de colocalización (colocation), el alojamiento (hosting) y la nube pública. Además, el 45% menciona la modernización o consolidación de la infraestructura del centro de datos como una de sus principales prioridades de TI.
La razón es clara: las aplicaciones y los datos empresariales ya residen en estos entornos. La IA agéntica hace que esta realidad sea aún más importante. Algunas cargas de trabajo (workloads) se beneficiarán de la escala y los servicios de la nube pública. Otras tendrán que ejecutarse más cerca de los datos empresariales debido a requisitos de latencia, costo, seguridad, soberanía, gobernanza o integración. La estrategia consiste en ejecutar la IA allí donde tenga más sentido. Por este motivo, la IA híbrida se perfila como la arquitectura natural para la inteligencia artificial en las empresas.
Esta es también la razón por la que la modernización es clave. La encuesta de IDC determinó que modernizar o consolidar la infraestructura del centro de datos es la principal prioridad de TI (citada por el 45% de los encuestados), situándose también en los primeros puestos la seguridad, el cumplimiento normativo y la resiliencia. La IA agéntica no es ajena a esa agenda de modernización; de hecho, es cada vez más uno de los motivos principales para acelerarla.
La IA agéntica convierte a la arquitectura en una cuestión de sistemas
El estudio también refleja cómo perciben los compradores el recurso de cómputo. Para la IA agéntica, el 27% de los encuestados considera que las GPU son el factor de rendimiento predominante y el 23% opina que las CPU son lo más importante. Pero la señal más reveladora se encuentra en el medio: cerca de la mitad considera que el rendimiento depende del contexto, escenario en el cual tanto las CPU como las GPU desempeñan un papel fundamental.
La IA agéntica no consiste simplemente en adquirir un clúster de GPU. Requiere una combinación heterogénea de recursos de cómputo diseñada para maximizar el valor de los tokens: no solo la cantidad de tokens entregados por dólar, sino la calidad y la utilidad del trabajo producido.
Por lo tanto, el futuro de la IA empresarial no se debate en términos de CPU frente a GPU. Como mínimo, se trata de CPU más GPU y, cada vez con mayor frecuencia, de CPU más GPU más otros aceleradores. A medida que la IA agéntica escala, el rendimiento y la rentabilidad vendrán determinados cada vez más no por un chip de forma aislada, sino por la eficiencia con la que el sistema en su totalidad logra completar el trabajo útil.
La arquitectura x86 ofrece a las empresas una vía práctica hacia la IA
Las empresas ya operan una vasta base instalada de infraestructura de propósito general. Sus aplicaciones, bases de datos, sistemas de seguridad, herramientas operativas —y gran parte de sus datos— ya se ejecutan sobre ella. La IA agéntica no implica la creación de una «isla» de IA aislada. La IA puede integrarse en la infraestructura que ya hace funcionar a la empresa.
La encuesta indica que la arquitectura x86 sigue estando muy bien posicionada para esta transición. Los compradores calificaron a x86 y Arm casi de forma idéntica en cuanto a su idoneidad teórica para la IA agéntica: 87,5% frente a 87,2%. Sin embargo, una vez que el debate trasciende la teoría y se centra en la ejecución de la IA a gran escala, emergen diferencias más claras. La arquitectura x86 lideró en nueve de los doce atributos evaluados, incluyendo compatibilidad de software (88% frente a 80%), escalabilidad (89% frente a 81%), confiabilidad y resiliencia (88% frente a 82%), adopción actual (88% frente a 77%) y conocimiento profundo de la tecnología (92% frente a 83%). Arm obtuvo una puntuación ligeramente superior en precio, eficiencia energética y satisfacción, pero las ventajas de x86 se alinearon estrechamente con las realidades operativas a las que se enfrentan las empresas al trasladar la IA agéntica de la fase de experimentación a la de producción.
Esta prevalencia tecnológica importa porque las empresas no implementan la IA partiendo de cero (en una «sala limpia»). Llevan consigo décadas de aplicaciones, datos, procesos de gobernanza y experiencia operativa. La base instalada de Xeon ofrece a las organizaciones una plataforma familiar para acercar las capacidades agénticas a sus datos propietarios y flujos de trabajo existentes, en lugar de aislar la IA en un silo independiente.
El papel de Intel: hacer que la IA funcione con la forma en que ya opera la empresa
En Intel, creemos que la próxima fase de la IA se definirá por la eficacia con la que las organizaciones puedan poner la inteligencia a trabajar en toda la empresa. Esto requiere una infraestructura que aproveche los activos que las empresas ya poseen, al tiempo que se incorporan capacidades de IA progresivamente.
Los procesadores Xeon continúan siendo el pilar fundamental para las aplicaciones, los datos y la computación de propósito general que impulsan los entornos corporativos. A medida que la IA se vuelve más agéntica, Xeon también desempeña un rol crucial en la orquestación, la ejecución de aplicaciones, la recuperación de datos, la seguridad, las redes y el uso de herramientas en torno a la inferencia acelerada. Por su parte, las GPU y otros aceleradores proporcionan el cómputo especializado en aquellos puntos donde las cargas de trabajo lo requieren.
La oportunidad radica en lograr que todos esos recursos funcionen mejor de forma conjunta.
Para Intel, eso es exactamente lo que significa un enfoque de sistemas: no se trata de poseer cada componente, sino de diseñar nuestra tecnología y software para que las CPU, los aceleradores, la memoria, las redes y la pila de software en su conjunto funcionen como un ecosistema más eficiente.
Para los clientes empresariales, el objetivo no es exprimir al máximo una única pieza de silicio. Se trata de maximizar el trabajo útil que el sistema puede ofrecer a través de la infraestructura que ya operan junto con las capacidades de IA que están implementando.
