La inteligencia artificial (IA) ya no es una tendencia futurista; ha llegado para alterar la estructura empresarial actual. Muchos equipos en la nube están luchando por mantener el equilibrio en este nuevo entorno.
Así lo indica el reciente Informe de Preparación para la GenAI de ControlMonkey. En una encuesta a 300 líderes en áreas de DevOps y arquitectura en la nube, se pronosticó que las cargas de trabajo impulsadas por IA generativa crecerán un 50 % en los próximos 12 a 24 meses. Casi el 40 % de estos líderes considera que este aumento será «significativo» o incluso «exponencial».
No se trata de una carga de trabajo más; la IA se está configurando como la piedra angular de las empresas. No obstante, mientras la demanda crece a pasos agigantados, la preparación de los equipos se mantiene estática. Este desfase genera una fuerte presión sobre los equipos de la nube, que ya están al límite, enfrentando el desafío de innovar a un ritmo que sus sistemas y habilidades apenas pueden seguir.
El desbordamiento del potencial
Un hallazgo impactante del informe es que el 46 % de los líderes en DevOps y la nube afirmaron que sus equipos no cuentan con la capacidad para innovar, ya que están desbordados intentando mantener la operatividad.
Este problema no es meramente técnico, es una amenaza estratégica. Las empresas no pueden permitirse concentrarse únicamente en mitigar interrupciones sin dejar espacio para la innovación futura. Sin capacidad para adaptarse a la creciente demanda de IA, los equipos riesgosamente se quedarán atrás, no solo de la competencia, sino también de las expectativas internas.
Diálogos con CIOs y CISOs revelan que la presión es considerable. Aunque muchos líderes quieren avanzar en proyectos de IA, sus equipos están ocupados resolviendo problemas, relegando la innovación a un segundo plano.
Automatización: una promesa incumplida
Cuando se les consultó sobre su preparación para la automatización, solo el 46 % de los equipos se consideró completamente listo para manejar cargas de trabajo de IA. El resto admitió que no estaban preparados para la escalabilidad.
Se suponía que la automatización facilitaría la expansión de ambiciones grandes en equipos reducidos. Sin embargo, persistentes problemas como la fiabilidad (43%), la falta de habilidades (39%) y las limitaciones de escalabilidad (36%) ralentizan el avance. Estas no son dificultades modernas, son deficiencias de infraestructura que han persistido en el tiempo.
Aunque la IA está en sus inicios, su marcha es veloz. Quienes no estén listos se arriesgan a quedar rezagados rápidamente. La GenAI no transforma los fundamentos operativos en la nube; simplemente los intensifica. Si la automatización es frágil hoy, podría romperse con la creciente demanda. Además, la falta de monitoreo puede multiplicar los puntos ciegos en el mañana.
Costos, visibilidad y gobernanza: los grandes enemigos
El informe pone de manifiesto problemas persistentes en la adopción de la nube: costos, falta de visibilidad y gobernanza. El 37 % de los líderes mencionó el aumento de costos como su principal desafío, mientras que el 36 % informó sobre la falta de visibilidad en tiempo real, y el 32 % señaló dificultades en la asignación efectiva de recursos.
Estos inconvenientes no son nuevos, pero el contexto ha cambiado. En una era previa a la IA, la ineficiencia implicaba simplemente costos excesivos o lanzamientos tardíos. Sin embargo, hoy, la ineficiencia podría ser existencial. Cuando las cargas de trabajo fluctuantes dificultan la previsibilidad, la falta de control puede frenar la innovación.
La gobernanza presenta otro cuello de botella crítico. Cerca de un tercio de los encuestados indicó que la gobernanza de la seguridad y el cumplimiento normativo representan los mayores desafíos. Las cargas de trabajo de IA a menudo trabajan con datos sensibles, complicando aún más la gobernanza. Sin políticas claras, las empresas podrían quedar atrapadas en burocracias que limiten la innovación o, de manera imprudente, precipitarse hacia problemas de cumplimiento.
Visibilidad y habilidades: lo que más importa
Un dato revelador fue que los líderes subrayaron que lo que realmente ayudaría a sus equipos son la capacitación y la visibilidad, con un 45 %. En comparación, el control de costos (21 %), la gobernanza (20 %) y la automatización (14 %) ocuparon lugares secundarios en la lista de prioridades.
Esto deja claro que las organizaciones no necesariamente buscan más herramientas, sino mejor claridad y experiencia. No se puede automatizar lo que no se comprende, y no se puede gestionar lo que no se ve. Muchas veces, los equipos adquieren plataformas prometedoras que, aunque efectivas, requieren de personal y visibilidad para funcionar correctamente. El obstáculo no radica la tecnología en sí, sino en los recursos humanos.
La encuesta también reveló que la propiedad de las herramientas de IA está distribuida de forma fragmentada. En la mayoría de las organizaciones, la responsabilidad se reparte entre tres o más grupos, lo que puede frenar la toma de decisiones. Centralizar la propiedad en los equipos más cercanos a la infraestructura puede ser un paso efectivo para acelerar la preparación en este nuevo contexto tecnológico.
Preparados para la revolución de la nube
La importancia de la capacitación y la experiencia subraya una realidad: el éxito en la adopción de la IA depende tanto de las personas como de la tecnología.
ControlMonkey ha presentado recientemente KoMo AI, una herramienta basada en GenAI diseñada para abordar cuellos de botella en la infraestructura como código. En lugar de reemplazar a los ingenieros, KoMo genera código Terraform que se alinea con los módulos y políticas de la organización, facilitando la contribución de los miembros menos experimentados del equipo.
En su presentación, el CEO Aharon Twizer describió a KoMo como una solución para «cerrar la brecha de habilidades en la nube». Aún es incierto si cumplirá su promesa, pero su lanzamiento resalta la urgencia revelada por el informe de ControlMonkey: casi la mitad de los líderes de DevOps admiten que no están preparados para innovar justo cuando se anticipa que las cargas de trabajo de IA se dupliquen.
Un futuro incierto en la adopción de la IA
Richard Stiennon, analista de IT-Harvest, lo dijo con claridad: «La adopción de la IA es tan crítica hoy como lo fue la presencia en internet hace 30 años. No permitas que el presupuesto o la falta de personal te frenen. Capacita a quienes tienen curiosidad para que logren resultados rápidamente».
La realidad de la TI empresarial es clara: las cargas de trabajo de GenAI están creciendo, sin importar si los equipos están listos. La cuestión es si las organizaciones invertirán en los elementos fundamentales: automatización escalable, visibilidad clara y capacitación que empodere a los ingenieros.
Todo cambio tecnológico pone a prueba la infraestructura. La virtualización lo hizo. La nube lo hizo. Ahora, la IA lo acelera. Esta vez, la velocidad es crucial. Las empresas no cuentan con años para adaptarse, tienen meses.
Las organizaciones que logren navegar este punto de inflexión no son necesariamente las que tengan los modelos de IA más sofisticados, sino aquellas cuyas infraestructuras sean lo suficientemente resistentes para adaptarse a la nueva demanda. En definitiva, el éxito en la era de la IA dependerá más de la preparación de los equipos y los sistemas que de la tecnología en sí misma.
