Cloudera ha presentado los resultados de The Great AI Re-Architecture , un estudio según el cual el 98 % de las organizaciones españolas encuestadas retrasó o canceló algún proyecto de inteligencia artificial durante los últimos doce meses por problemas de gobernanza y cumplimiento normativo.
Los datos, recogidos en junio de 2026, reflejan cómo la gestión de la información y las limitaciones de las arquitecturas heredadas están condicionando el paso de las pruebas de IA a su despliegue empresarial.
La investigación se basa en una encuesta a 1.500 arquitectos empresariales, responsables de infraestructura cloud y arquitectos de datos de nueve mercados. El trabajo de campo se realizó entre el 5 y el 22 de junio en Estados Unidos, Canadá, Brasil, Sudáfrica, España, Reino Unido, Singapur, India y Japón. La muestra española incluyó profesionales de empresas con al menos 250 empleados, mientras que en la mayoría de los demás países el mínimo fue de 1.000 trabajadores.
El alcance de las cifras, por tanto, se concentra en organizaciones medianas y grandes y en perfiles técnicos vinculados a las decisiones de datos e infraestructura. Cloudera no detalla cuántos de los 1.500 participantes correspondieron a España. Tampoco desglosa qué proporción retrasó proyectos y cuál los canceló, ni qué parte de la cartera de IA quedó afectada. El resultado del 98 % agrupa ambas situaciones y no implica que esas compañías hayan detenido todas sus iniciativas.
Las arquitecturas heredadas limitan el escalado de la IA
La gobernanza aparece ligada a un problema más amplio de infraestructura. El 84 % de las organizaciones españolas consultadas considera que su arquitectura de datos necesita una revisión profunda para impulsar eficazmente la IA, doce puntos por encima del promedio global, situado en el 72 %. Además, el 63 % afirma que la implantación de estas tecnologías ya ha modificado, al menos en alguna medida, sus prácticas de almacenamiento y arquitectura.
El cambio responde a que los sistemas de IA requieren acceder a datos repartidos entre aplicaciones corporativas, nubes públicas, entornos privados y centros de datos propios. A medida que aumentan los casos de uso, también crecen las necesidades de trazabilidad, control de acceso, calidad de la información y aplicación uniforme de políticas. Una arquitectura concebida para cargas analíticas más acotadas puede tener dificultades para responder a esas exigencias sin añadir integraciones y capas de gestión.
El 49 % de las compañías españolas considera que mantener una gobernanza eficaz se ha vuelto más difícil tras incorporar IA. El porcentaje queda por debajo del 65 % registrado en la región EMEA, aunque sigue indicando que el problema afecta a cerca de la mitad de la muestra nacional. Para el 32 % de los encuestados, la seguridad, la gobernanza y el cumplimiento son ya los principales motivos de los cambios realizados en la infraestructura de IA.
«La era actual de la IA está obligando a las organizaciones a replantear los cimientos de su infraestructura tecnológica», afirma Sergio Gago, CTO de Cloudera, al valorar la presión que las nuevas cargas de trabajo ejercen sobre los sistemas empresariales.
Estas dificultades tienen una consecuencia operativa directa: iniciativas que funcionan en un entorno de experimentación pueden quedar bloqueadas cuando deben conectarse con datos sensibles, cumplir reglas de residencia o permitir auditorías. En esa fase, la viabilidad depende tanto del modelo utilizado como de la capacidad de la empresa para identificar qué información consume, dónde se procesa y quién puede acceder a ella.
Las cargas de IA se reparten entre nube, centros de datos y edge
La respuesta de las empresas españolas no consiste en concentrar toda la infraestructura en una única ubicación. El 49 % trasladó durante el último año cargas de IA desde la nube pública hacia nubes privadas o sistemas on-premise. El movimiento apunta a una revisión selectiva de dónde se ejecuta cada carga, especialmente cuando intervienen datos regulados, costes elevados de procesamiento o requisitos internos de control.
Las previsiones de inversión confirman que las compañías planean combinar modelos. Durante los próximos dos años, el 35 % espera aumentar su gasto en nube y el 31 % priorizará un enfoque híbrido. Otro 17 % prevé invertir más en edge computing, mientras que el 16 % reforzará su infraestructura on-premise. Los porcentajes describen estrategias que pueden coexistir dentro de una misma organización y descartan una retirada generalizada de la nube pública.
Una distribución más amplia de las cargas aporta margen para decidir dónde procesar los datos, pero también multiplica los puntos que deben gobernarse. Las empresas necesitan mantener políticas coherentes entre proveedores y entornos, conservar el linaje de la información y evitar que cada proyecto desarrolle mecanismos propios de seguridad y cumplimiento. Esa complejidad explica que la arquitectura híbrida esté ganando peso al mismo tiempo que la gobernanza se convierte en una barrera.
«Muchas empresas están descubriendo que las arquitecturas concebidas para la analítica tradicional no se diseñaron para la gobernanza y la flexibilidad que la IA exige hoy. El éxito dependerá de construir unos cimientos de datos sólidos que den a las organizaciones la libertad de ejecutar la IA allí donde tenga más sentido, sin renunciar al control ni a la seguridad», sostiene Sergio Gago.
Anywhere Cloud centraliza la gestión de entornos distribuidos
Junto con los resultados, Cloudera ha presentado Cloudera Anywhere Cloud, una plataforma modular destinada a desplegar, gobernar y escalar servicios de datos e IA en nubes públicas, infraestructuras soberanas y centros de datos privados. La propuesta pretende ofrecer una capa común de gestión para cargas distribuidas, de forma que las empresas puedan elegir su ubicación sin tener que trasladar o duplicar todos los datos.
La plataforma incorpora un modelo centralizado de gobernanza zero trust y mecanismos para mantener la trazabilidad y aplicar controles sobre información alojada en distintos entornos. También contempla la ejecución de motores certificados por Cloudera, entre ellos Apache Spark, Apache Kafka y Trino, así como otros motores de código abierto elegidos por cada compañía.
La interoperabilidad se apoya en Apache Iceberg y API unificadas, elementos con los que Cloudera plantea reducir las integraciones específicas y la dependencia de un solo proveedor. La compañía añade agentes capaces de convertir instrucciones en lenguaje natural en flujos de trabajo de datos automatizados, una función orientada a disminuir parte de la carga operativa de los equipos. Cloudera no ha concretado el calendario general de disponibilidad ni el esquema de precios de Anywhere Cloud, datos necesarios para valorar su adopción y coste frente a las plataformas ya implantadas.
Para las direcciones de tecnología y datos, las cifras trasladan el foco presupuestario hacia capacidades que antes podían tratarse como componentes secundarios: catalogación, linaje, control de acceso, portabilidad de políticas y selección de la ubicación de cada carga. Si los proyectos de IA deben superar esas condiciones antes de entrar en producción, la arquitectura y la gobernanza pasarán a determinar qué casos de uso avanzan, cuánto cuestan y con qué rapidez pueden escalarse.
