Editor en La Ecuación Digital. Analista y divulgador tecnológico con…
A medida que la inteligencia artificial se incorpora a procesos reales, las empresas están teniendo que tomar decisiones que durante la fase experimental apenas aparecían: cuánto cuesta operar cada aplicación, dónde conviene ejecutar las cargas, cómo gobernar agentes capaces de actuar sobre sistemas empresariales, qué hacer cuando un modelo falla o hasta qué punto una arquitectura permite cambiar de proveedor sin tener que reconstruirla.
Estas cuestiones empiezan a pesar especialmente entre las grandes organizaciones. En España, el 20,3% de las empresas utilizó alguna tecnología de inteligencia artificial en 2025 y, entre las grandes compañías, el porcentaje ascendió al 57,5%, según Eurostat.
El estudio The State of Enterprise AI 2026, encargado por Cloudera a Wakefield Research entre 1.500 responsables de TI, apunta a algunas de las dificultades que están apareciendo. El 89% de los encuestados afirma haber limitado o rediseñado casos de uso por el aumento del consumo de tokens, el 45% ha trasladado cargas como consecuencia de los costes, el 75% considera la gobernanza y el cumplimiento un obstáculo para escalar y el 84% asegura que los requisitos de soberanía, residencia o jurisdicción influyen en dónde ejecuta sus cargas de IA.
El problema ya no consiste únicamente en desplegar inteligencia artificial, sino en hacerlo sin perder el control sobre costes, datos, modelos e infraestructura.
EVOLVE26 Madrid, el encuentro de Cloudera sobre datos e inteligencia artificial que se celebrará el próximo 24 de noviembre, llevará buena parte de estas cuestiones a una agenda que combina sesiones técnicas con experiencias de organizaciones como Banco de España, Orange España, BT, Bank of Ireland, Deutsche Bank, Ibercaja y la Dirección General de Salud Digital de la Comunidad de Madrid.
Más que las novedades de producto, el interés de la jornada estará en comprobar cómo están resolviendo estas organizaciones algunas de las decisiones que ya condicionan sus proyectos de IA.
Del coste del modelo al coste de la tarea
Durante la primera expansión de la inteligencia artificial generativa, buena parte de la discusión económica giró alrededor del precio de los modelos y de la infraestructura. En producción, sin embargo, el cálculo se vuelve mucho más complejo.
Cada interacción puede implicar consumo de tokens, recuperación de información, llamadas a herramientas, bases de datos vectoriales, inferencia, almacenamiento, observabilidad y capacidad de cómputo. Cuando intervienen agentes capaces de ejecutar varias acciones para completar una única tarea, atribuir el coste real de cada operación resulta todavía más difícil.
La sesión «Bringing AI to Your Data in Any Cloud or Data Center» abordará el uso de modelos privados y la posibilidad de ejecutarlos junto al dato, mientras que «Enterprise Agentic AI with AMD and Cloudera» plantea otro aspecto relevante desde el punto de vista económico: no todas las cargas de IA necesitan necesariamente un gran modelo de lenguaje ni una GPU.
Para una empresa, la cuestión no es decidir de forma general si la infraestructura privada resulta más barata que la nube. La respuesta dependerá del volumen, el nivel de utilización, el hardware, la energía, la operación y las condiciones comerciales de cada proveedor.
Lo importante es saber cuánto cuesta realmente completar una tarea mediante IA y qué margen existe para cambiar de modelo o de infraestructura cuando esa ecuación deja de ser asumible.
Qué hacer cuando un sistema de IA falla
El funcionamiento en procesos reales también cambia la tolerancia al error. Una demostración puede fallar sin consecuencias importantes, pero un servicio integrado en atención al cliente, operaciones, riesgos o procesos internos críticos necesita mecanismos de control muy diferentes.
El estudio de Cloudera señala que el 98% de los encuestados ha retirado o reconsiderado algún despliegue de IA por fallos, alucinaciones o comportamientos inesperados. Retirar, reajustar o sustituir modelos empieza así a formar parte de la operación habitual de estos sistemas.
«From Model to Production: Running & Governing AI Inference at Scale on Anywhere Cloud» abordará cuestiones relacionadas con «model serving», escalado automático y observabilidad en entornos privados, cloud y «on-premises».
Pero la decisión operativa va más allá de la infraestructura. Las organizaciones necesitan establecer qué ocurre cuando un modelo deja de cumplir el nivel esperado, cuándo debe degradarse una funcionalidad, cuándo conviene sustituirlo, cuándo el proceso debe volver a una aplicación convencional y en qué situaciones tiene que intervenir una persona.
Los indicadores tradicionales de disponibilidad, latencia o errores siguen siendo necesarios, pero las aplicaciones de IA añaden otras variables: calidad de las respuestas, comportamiento, costes, trazabilidad y riesgo.
Gobernar agentes que ya no se limitan a responder
El problema de gobernanza cambia cuando la IA deja de limitarse a generar respuestas y empieza a actuar sobre sistemas empresariales.
Un asistente puede recuperar información y generar un texto. Un agente puede consultar datos, utilizar herramientas, modificar registros o poner en marcha procesos. Cuanta más capacidad de actuación adquiere, más importante resulta delimitar qué puede hacer y con qué permisos.
EVOLVE26 dedica varias sesiones a esta cuestión. «Deliver Rich, Trusted, 360-degree Context to Agents with Cloudera’s Intelligent Lakehouse» analizará cómo proporcionar contexto gobernado a agentes a partir de información distribuida entre distintas fuentes, utilizando tecnologías como Apache Iceberg, Trino y conectores con aplicaciones empresariales como Salesforce, ServiceNow y SAP.
«From Intent to Action: Redefining Unified Experience with Cloudera Agents» se centra, por su parte, en el uso de agentes especializados para convertir una intención del usuario en una acción.
Una de las preguntas que tendrán que resolver las empresas es con qué identidad actúa un agente y dónde están sus límites. Si puede consultar un ERP, modificar un registro, lanzar un proceso o enviar información a otra aplicación, debe quedar claro quién le ha concedido esos permisos, qué herramientas puede utilizar, durante cuánto tiempo y bajo qué condiciones.
También será necesario reconstruir posteriormente qué hizo, con qué información actuó y qué decisiones tomó durante el proceso. La gobernanza deja así de aplicarse únicamente a los datos y empieza a extenderse también al comportamiento de los propios sistemas de IA.
Soberanía y movilidad entre entornos
EVOLVE26 contará también con un «breakout track» específico bajo el concepto «Sovereign AI Anywhere», centrado en ejecutar modelos y cargas de IA allí donde se encuentran los datos, ya sea en nube pública, infraestructura propia o «edge».
Para las empresas europeas, la soberanía abarca mucho más que elegir entre nube y «on-premises». Entren en juego la jurisdicción, la residencia del dato, los accesos administrativos, las claves de cifrado, los modelos, los metadatos, los proveedores y la capacidad de mantener operativa una aplicación cuando cambian las condiciones comerciales o regulatorias.
A ello se suma la cuestión de la movilidad. Operar en varios entornos no significa necesariamente poder cambiar fácilmente de uno a otro.
El mismo estudio señala que el 58% de las organizaciones consultadas necesita un rediseño moderado o profundo cuando intenta trasladar una carga de IA.
El modelo puede sustituirse, pero una aplicación depende también de los datos, las bases vectoriales, las políticas, las identidades, los conectores, los registros y los mecanismos de observabilidad. La portabilidad real depende del conjunto de esos componentes, no solo de la posibilidad de ejecutar el mismo modelo en otra infraestructura.
Para responsables de tecnología y arquitectura, la pregunta relevante será cuánto cuesta realmente cambiar de entorno cuando las condiciones dejan de ser favorables.
Las experiencias que pondrán a prueba el discurso
Una parte especialmente relevante de EVOLVE26 estará en las organizaciones que ya han tenido que tomar este tipo de decisiones y pueden mostrar qué ocurrió durante el proceso.
Orange España abordará su migración a Cloudera en cloud y cómo el cambio de arquitectura buscaba aumentar la agilidad y reducir costes operativos.
El sector financiero tendrá una presencia importante. Bank of Ireland expondrán procesos de modernización de plataformas de datos orientados a soportar nuevas cargas de inteligencia artificial, mientras que Deutsche Bank presentará su arquitectura de datos e IA y cómo está intentando medir los resultados obtenidos. Ibercaja, por su parte, mostrará su evolución desde un «lakehouse» híbrido hacia modelos de IA privada.
En el ámbito público, el Banco de España explicará su transición hacia una organización orientada al dato, mientras que SICTI Lake mostrará el proyecto relacionado con el mapa científico nacional.
También destaca la participación de la Dirección General de Salud Digital de la Comunidad de Madrid, que presentará uno de los mayores «data lakehouses» sanitarios de Europa junto con herramientas de gobierno, calidad, auditoría y agentes de asistencia, además de su evolución hacia el European Health Data Space.
En todos estos casos, la cuestión interesante no será únicamente qué tecnología utiliza cada organización, sino qué problema intentaba resolver, qué decisión tuvo que tomar, qué costes aparecieron durante el proyecto y qué limitaciones siguen existiendo después del despliegue.
Ese contraste entre arquitectura, resultados y dificultades es probablemente una de las partes de la jornada que mayor utilidad puede aportar a las empresas que están afrontando decisiones similares.
Qué conviene buscar en EVOLVE26
Más allá de los anuncios, estas son algunas de las preguntas a las que se espera dar respuesta:
¿Cuánto cuesta realmente completar una tarea con inteligencia artificial?
¿Qué ocurre cuando un modelo deja de comportarse como se espera?
¿Con qué identidad y permisos debe actuar un agente?
¿Qué partes de una aplicación pueden trasladarse entre entornos sin tener que reconstruirlas?
¿Y qué resultados empresariales justifican la complejidad tecnológica necesaria para responder a todo lo anterior?
Para las empresas que ya están tomando decisiones sobre costes, agentes, gobernanza, soberanía o infraestructura, la utilidad del encuentro estará precisamente en contrastar cómo están resolviendo esos mismos problemas otras organizaciones.
Porque la pregunta relevante ya no es únicamente hasta dónde puede llegar la inteligencia artificial, sino qué necesita una empresa para mantenerla funcionando, gobernada y económicamente sostenible cuando pasa a formar parte de sus operaciones.
Sigue el análisis de tecnología empresarial en Google
Añade La Ecuación Digital como fuente preferida y verás más análisis sobre inteligencia artificial, cloud, ciberseguridad, infraestructura de datos y transformación digital en tus resultados de Google.
Seguir La Ecuación Digital en GoogleAl hacer clic podrás seleccionar La Ecuación Digital como fuente preferida en Google.
Editor en La Ecuación Digital. Analista y divulgador tecnológico con más de 30 años de experiencia en el estudio del impacto de la tecnología en la empresa y la economía.
