El verdadero cuello de botella de la infraestructura de IA: la entrega de datos, no la potencia de cómputo de GPU.

Antecedentes del sector

La IA empresarial está pasando de la fase experimental a la fase operativa. En los últimos 18 meses, las empresas se han apresurado a adquirir GPU, implementar modelos de lenguaje de gran tamaño (LLM) y construir cadenas de herramientas de IA. Sin embargo, según el informe Spotlight 2025 de IDC, las organizaciones están pasando de implementaciones únicas de IA a arquitecturas de producción repetibles y escalables. A medida que la IA se integra en el núcleo del negocio, el rendimiento, la seguridad, la fiabilidad y la coherencia operativa adquieren la misma importancia que la innovación en modelos.

No obstante, el rendimiento real de muchos proyectos de IA no es el esperado. Los responsables de decisiones tecnológicas suelen atribuirlo a una capacidad de cómputo insuficiente, por lo que añaden más GPU, amplían los clústeres o cambian a modelos más potentes. Pero los equipos de infraestructura descubren que el problema suele estar en la capa de datos: las costosas GPU no carecen de potencia de cómputo, sino de datos.

Impacto en el mercado

El coste de tener GPU inactivas es extremadamente alto. Según el análisis anual de interrupciones de Uptime Institute 2025, más de la mitad de las empresas sufrieron una interrupción importante que costó más de 100 000 dólares, y una de cada cinco superó el millón. Cuando los conductos de datos se obstruyen, la utilización de las GPU se desploma, lo que afecta directamente al retorno de la inversión en IA.

Nirav Shah, vicepresidente senior de marketing de productos de F5, compara la infraestructura moderna de IA con un iceberg: sobre la superficie se ven los LLM, las aplicaciones de IA, los marcos de orquestación y los clústeres de GPU (aproximadamente el 10%); bajo la superficie, se encuentran los sistemas de almacenamiento, redes, gestión de tráfico, controles de seguridad y movimiento de datos que determinan si la inversión genera valor real (el 90%). Las empresas se centran demasiado en la punta del iceberg e ignoran los verdaderos cuellos de botella.

Panorama competitivo

Este cambio de percepción está remodelando el mercado de infraestructura de IA. Los proveedores tradicionales de GPU (como NVIDIA) siguen siendo los principales beneficiarios, pero los proveedores de soluciones de entrega de datos —como F5, NetApp, Pure Storage, entre otros— están obteniendo nuevas oportunidades de crecimiento. Los controladores de entrega de aplicaciones (ADC) están evolucionando hacia plataformas de entrega y seguridad de aplicaciones (ADSP), que integran ingeniería de tráfico, controles de seguridad y visualización en un solo paquete.

En contraste, las arquitecturas que dependen únicamente del acceso directo al almacenamiento se enfrentan a desafíos. Los diseños estrechamente acoplados muestran vulnerabilidades de rendimiento a escala de IA: los picos de latencia, los bloqueos de rendimiento y los aumentos repentinos de tráfico, que tienen poco impacto en las aplicaciones tradicionales, amplifican exponencialmente los problemas de rendimiento de la IA.

Lecciones para las empresas

• Las empresas deben reevaluar la parte de la infraestructura que está "por debajo de la línea de flotación". En primer lugar, pasar de arquitecturas estrechamente acopladas a arquitecturas débilmente acopladas: insertar una capa de control inteligente (como un ADC) entre el almacenamiento y la computación para gestionar la terminación TLS, la gestión de certificados, la optimización del tráfico y la ejecución de políticas, liberando los recursos de CPU del sistema de almacenamiento para que se centre en los servicios de datos.En segundo lugar, construir resiliencia desde tres dimensiones:
• Disponibilidad: Asegurar que las cargas de trabajo de IA siempre puedan acceder a recursos de almacenamiento saludables, con conmutación automática en caso de fallas.
• Política: Prevenir anomalías de tráfico como el "efecto manada" y tormentas de reintentos, modelando el tráfico y manteniendo una postura de seguridad a través de una capa de control inteligente.
• Entrega: Aislar los cambios de mantenimiento entre clientes y nodos de almacenamiento, manteniendo el flujo de datos ininterrumpido.

Caso: Una gran institución financiera global logró un rendimiento superior en 5 veces o más en operaciones de creación, lectura y eliminación de objetos, una mejora de un orden de magnitud en la latencia de eliminación, y sin regresión de rendimiento, mediante la implementación de ADC físicos dedicados.

Perspectivas futuras

En los próximos 12 a 24 meses, la inversión en infraestructura de IA pasará de la expansión de clústeres de GPU a la optimización de tuberías de datos. Las empresas se centrarán más en el retorno de la inversión de la "capa de entrega de datos", lo que impulsará la evolución de ADC a ADSP. En un plazo de 24 a 36 meses, la mayoría de las grandes empresas adoptarán arquitecturas desacopladas, y la entrega de datos se convertirá en un factor competitivo clave para las operaciones de IA. Los inversores deben prestar atención a los proveedores de infraestructura que ofrecen entrega de datos, protección de seguridad y gestión inteligente del tráfico, en lugar de centrarse únicamente en los proveedores de capacidad de cómputo.