El discurso oficial sobre IA y empresa repite un argumento conocido: la transición es inevitable, los agentes son los nuevos empleados digitales, la infraestructura de datos es el eje de la competitividad, quien no actúe ahora llegará tarde. Yuan Yuan, vicepresidente de Huawei y responsable global de su línea de almacenamiento, comparte ese relato en público. En París, en conversación con medios tecnológicos europeos, en el que participó La Ecuación Digital, también dijo otras dos cosas que no aparecen en ninguna nota de prensa y que cuentan una historia bastante distinta.
La primera: el 90% de las tarjetas de aceleración de IA que se producen hoy, las de NVIDIA y Huawei, están siendo consumidas por hiperescaladores. Solo el 10% llega a entornos empresariales. La segunda: el mayor reto de Huawei en este momento no es tecnológico. Es que sus clientes no saben qué necesitan. «Los clientes no pueden liderarnos ya en algunos momentos», dijo Yuan Yuan. «No saben lo que necesitan en IA. Lo que estamos desarrollando se basa en nuestros propios juicios, nuestras predicciones. Puede que cometamos un gran error.»
Las dos afirmaciones cuentan la misma historia: entre el relato de la adopción masiva y la realidad del mercado hay una distancia que casi nadie nombra en público.
La infraestructura de IA existe. La empresa aún no ha llegado
La imagen que predomina en el debate público es la de una tecnología que ya está aquí y que las organizaciones tienen que adoptar con urgencia. El dato de Yuan Yuan sobre el reparto de tarjetas de aceleración la pone en duda. Si menos del 10% del cómputo especializado en IA está en manos de empresas, la adopción masiva que se da por descontada es, de momento, más una aspiración de mercado que una realidad operativa. El grueso del hardware está en los centros de datos de Amazon, Microsoft y Google, que lo usan para ofrecer servicios de IA como infraestructura alquilada. La empresa, el fabricante, el banco, el hospital, el retailer, accede a esa capacidad desde fuera, como cliente, no como propietario.
Esto no es una crítica al estado de la tecnología. Es una descripción de dónde está el ciclo. Yuan Yuan lo explicó con una secuencia que tiene lógica: primero los supercomputadores científicos, en Europa, centros como JÜLICH en Alemania o CSCS en Suiza, que están reconvirtiendo su infraestructura de cómputo de alto rendimiento hacia IA para la ciencia. Luego los proveedores cloud, que construyen servicios de inferencia, entrenamiento y refinamiento de modelos para vender a terceros. Y después, gradualmente, los grandes sectores, gobierno, retail, manufactura, que adoptarán IA conforme madure su comprensión del caso de uso y del coste. «Lleva tiempo», dijo. «Lleva tiempo.»
El dato cuadra con lo que IDC trasladó en el mismo foro. Andrew Buss, director sénior de investigación, señaló que las empresas están pasando del piloto a la producción, pero que muchas «luchan por integrar y hacer que funcione a escala». Y añadió una cifra de sus propias previsiones para 2026: las empresas sin datos de calidad listos para la IA perderán un 15% de productividad frente a las que sí los tengan. No es el dato de quien ya opera en la era de los agentes; es el dato de quien todavía está resolviendo si sus datos son utilizables.
El problema de demanda que el vendor no puede resolver solo
El segundo punto que Yuan Yuan planteó en París tiene más peso que el primero. Durante 20 años, Huawei construyó lo que sus clientes le pedían: ellos marcaban el camino y la compañía ejecutaba. Ese modelo funcionó bien en el almacenamiento tradicional, pero en IA ya no opera de la misma manera, porque los clientes no tienen claridad suficiente sobre qué necesitan. La hoja de ruta que Huawei está ejecutando ahora, la arquitectura de referencia para centros de datos de IA, los nuevos productos, se basa en las propias predicciones de la compañía, no en demanda articulada por el cliente.
Adley Zhang, responsable europeo de ventas de soluciones para centros de datos, lo confirmó desde su posición de campo: «El requerimiento del cliente no está claro en este momento». Los proyectos de IA que ve en sus conversaciones con clientes son todavía pequeños, incrementales, muy exploratorios.
Hay una tensión real aquí. Por un lado, el relato del sector insiste en la urgencia: quien no adopte IA ahora quedará atrás. Por otro lado, el vicepresidente del segundo fabricante de almacenamiento del mundo admite que no sabe exactamente qué le van a pedir sus clientes y que puede estar invirtiendo mal. Las dos cosas son ciertas a la vez, pero su coexistencia dice algo sobre el momento del ciclo que el discurso público no transmite con la misma nitidez.
Para el directivo que tiene que tomar decisiones de infraestructura, este contexto importa. La presión del relato sectorial tiende a producir dos errores opuestos: el que compra demasiado pronto y demasiado amplio, apostando por una pila completa antes de tener claro el caso de uso; y el que espera a que el mercado se clarifique y llega tarde a construir las capacidades de datos que cualquier proyecto serio necesita. Ninguno de los dos es un problema que el proveedor de infraestructura resuelva. Es un problema de criterio de negocio.
La soberanía del dato: causa real y argumento de venta, otra vez
En la conversación de París surgió también la pregunta sobre soberanía digital: cómo está cambiando el equilibrio entre la nube americana y la infraestructura local, y si eso está afectando a las decisiones de los clientes europeos. Yuan Yuan respondió con precisión: hay clientes, sanidad, gobierno, manufactura, cuya regulación o cuyo dato propietario les impide llevarlo a la nube pública. Para ellos, construir infraestructura propia es la única opción real. Pero esa infraestructura no tiene por qué estar aislada: puede colaborar con los modelos base de la nube pública para el entrenamiento general y refinar los modelos sobre datos propios en local. Un modelo híbrido, no una elección binaria.
La respuesta describe bien cómo funciona en la práctica. Pero conviene leerla en su contexto: la da el vicepresidente de un fabricante de hardware cuyo interés directo es que la empresa construya infraestructura propia en lugar de contratar servicios cloud. El argumento de la soberanía es legítimo, en Europa tiene un peso regulatorio y político que no tiene en otras geografías y es también, simultáneamente, el mejor argumento comercial disponible para un fabricante de infraestructura on-premise en un mercado donde los hiperescaladores dominan. Las dos cosas son verdad a la vez, y distinguirlas es tarea del comprador.
La pregunta sobre cómo diseñar una arquitectura que no quede obsoleta cuando cambien las reglas europeas sobre IA produjo la declaración más reveladora sobre la postura real de Huawei: la compañía proporciona las herramientas para que el cliente gestione sus modelos, pero no toca los datos ni los modelos en sí. «Los modelos son de los europeos», dijo Yuan Yuan. «Nosotros solo damos los servicios». Es una delimitación deliberada que responde a una sensibilidad política evidente: Huawei no quiere aparecer en el debate sobre qué hace con los datos de sus clientes europeos. La distinción entre proveedor de herramientas y propietario de datos es la que le permite operar en un mercado donde su origen genera suspicacias regulatorias que ningún producto técnico resuelve por sí solo.
Lo que revelan los precios de la memoria
Hay un tercer hilo con implicaciones prácticas para cualquier empresa que esté evaluando cuándo construir infraestructura de IA. Yuan Yuan fue claro sobre los precios de los componentes: el precio de los SSD y la memoria seguirá alto al menos hasta 2028, cuando se espera que la demanda de los hiperescaladores se sature. Hasta entonces, construir infraestructura propia tiene un sobrecoste estructural que no existía hace dos años.
La consecuencia para quien está decidiendo entre cloud y on-premise es que el modelo financiero de la infraestructura propia ha cambiado. Los argumentos técnicos y de soberanía pueden ser sólidos, pero el de coste en el corto plazo es más difícil de sostener mientras los componentes sigan caros. Construir ahora significa asumir esa prima. Esperar a 2028 puede mejorar los precios, aunque a cambio de perder tiempo en construir las capacidades de datos que el ciclo exige. La respuesta correcta depende del sector, del tamaño de la organización y de cuánto dato propietario tiene la empresa para justificar la inversión.
El 10% como indicador del momento real
La cifra del 10% es el dato que mejor describe el punto en que está realmente el ciclo de adopción de IA en la empresa. No procede de un informe de analistas ni de una presentación preparada, sino de la estimación del responsable del negocio de almacenamiento de uno de los mayores fabricantes del sector, dicha sin diapositivas detrás.
Esa cifra sitúa la infraestructura de IA empresarial en una fase de construcción muy temprana. La mayor parte del cómputo, de los datos procesados y de los modelos entrenados sigue estando en manos de un puñado de actores que después venden acceso al resto. La empresa que quiere construir capacidad propia, por regulación, por ventaja competitiva en su dato propietario o por razones de soberanía, está tomando una decisión de inversión con alto grado de incertidumbre sobre qué va a necesitar en tres años, en un momento en que los componentes están caros y los proveedores admiten que tampoco tienen del todo claro qué les pedirán sus clientes.
Nada de esto invalida la decisión de invertir, pero sí la hace más exigente. La diferencia entre una inversión bien hecha y una mal hecha en infraestructura de IA no reside en el producto que se compra, sino en la claridad previa sobre el dato que se tiene, el caso de uso que se quiere resolver y la velocidad a la que la organización puede absorber una capacidad nueva. Esos tres elementos son anteriores a cualquier decisión de proveedor.
