{"id":181614,"date":"2026-11-05T08:41:42","date_gmt":"2026-11-05T11:41:42","guid":{"rendered":"https:\/\/www.itsitio.com\/co\/?p=181614"},"modified":"2026-11-05T08:41:42","modified_gmt":"2026-11-05T11:41:42","slug":"vertiv-ayuda-a-las-empresas-a-pasar-de-los-proyectos-piloto-de-ia-a-la-produccion","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/co\/inteligencia-artificial\/vertiv-ayuda-a-las-empresas-a-pasar-de-los-proyectos-piloto-de-ia-a-la-produccion\/","title":{"rendered":"Vertiv ayuda a las empresas a pasar de los proyectos piloto de IA a la producci\u00f3n"},"content":{"rendered":"

Vertiv<\/strong> y Deloitte Center for Integrated Research<\/strong> presentaron una colaboraci\u00f3n para ayudar a las empresas a abordar un desaf\u00edo crucial al llevar la inteligencia artificial de la experimentaci\u00f3n a la producci\u00f3n: determinar d\u00f3nde deben ejecutarse las cargas de trabajo de IA<\/strong> y si la infraestructura f\u00edsica disponible puede soportarlas.<\/p>\n

La nueva gu\u00eda de Vertiv Dise\u00f1o de infraestructura para la IA empresarial, desarrollada por Vertiv y STL Partners,<\/strong> una firma de investigaci\u00f3n de infraestructura digital, ofrece a los l\u00edderes de negocio, TI e instalaciones un marco basado en cargas de trabajo para tomar estas decisiones antes de comprometerse con un plan de infraestructura.<\/p>\n

A partir del resultado de negocio esperado y de la carga de trabajo de IA, las organizaciones pueden evaluar la ubicaci\u00f3n de implementaci\u00f3n, los requisitos de infraestructura y el grado de preparaci\u00f3n de las instalaciones, y luego vincular cada carga de trabajo con un modelo de infraestructura f\u00edsica y un dise\u00f1o de referencia adecuados para continuar con la planificaci\u00f3n y la validaci\u00f3n t\u00e9cnica.<\/p>\n

La investigaci\u00f3n que sustenta la gu\u00eda destaca una consideraci\u00f3n crucial a medida que las empresas llevan las cargas de trabajo de IA a una operaci\u00f3n sostenida en producci\u00f3n: el grado de preparaci\u00f3n de la infraestructura puede determinar d\u00f3nde pueden implementarse las cargas de trabajo y con qu\u00e9 rapidez pueden entrar en producci\u00f3n. La disponibilidad de energ\u00eda, refrigeraci\u00f3n, conectividad y capacidad operativa puede determinar si una carga de trabajo puede ejecutarse en una instalaci\u00f3n existente o requiere un modelo de implementaci\u00f3n diferente.<\/p>\n

La gu\u00eda traduce estas consideraciones en un proceso de cuatro pasos: (1) definir el resultado de negocio esperado y la carga de trabajo de IA, (2) evaluar la escala, el rendimiento y los requisitos operativos de la carga de trabajo, (3) determinar la ubicaci\u00f3n de implementaci\u00f3n m\u00e1s adecuada y (4) vincular la carga de trabajo y la ubicaci\u00f3n con un modelo de infraestructura f\u00edsica y un dise\u00f1o de referencia.<\/p>\n

\u201cLa pr\u00f3xima fase de la IA empresarial estar\u00e1 determinada no s\u00f3lo por los modelos y la capacidad de c\u00f3mputo, sino tambi\u00e9n por la capacidad de las organizaciones para proporcionar la energ\u00eda, la refrigeraci\u00f3n, la conectividad y el entorno operativo que requiere cada carga de trabajo\u201d, afirm\u00f3 Giordano Albertazzi, CEO de Vertiv.<\/strong> \u201cAl comenzar por la carga de trabajo, las empresas pueden tomar decisiones de infraestructura con mayor anticipaci\u00f3n, identificar limitaciones m\u00e1s pronto y trazar un camino m\u00e1s s\u00f3lido desde sus aspiraciones en IA hasta la producci\u00f3n\u201d.<\/p>\n

\u201cLos aspectos econ\u00f3micos y los requisitos operativos de la IA cambian a medida que las cargas de trabajo pasan a producci\u00f3n\u201d, se\u00f1al\u00f3 Nicholas Merizzi, socio y l\u00edder de Silicon2Service en Estados Unidos de Deloitte Consulting LLP.<\/strong> \u201cLas organizaciones deben considerar conjuntamente el valor para el negocio, la gobernanza, la responsabilidad operativa y la infraestructura. Incorporar estas cuestiones al proceso de planificaci\u00f3n desde una etapa m\u00e1s temprana brinda a los l\u00edderes una base m\u00e1s s\u00f3lida para decidir d\u00f3nde deben ejecutarse las cargas de trabajo de IA y c\u00f3mo deben respaldarse a lo largo del tiempo\u201d.<\/p>\n

El proceso reconoce que la IA empresarial comprende un portafolio de cargas de trabajo, en lugar de una \u00fanica decisi\u00f3n de infraestructura. Las cargas de trabajo exploratorias pueden permanecer en la nube, mientras que aquellas de operaci\u00f3n sostenida o cr\u00edticas para el negocio pueden favorecer una infraestructura h\u00edbrida o capacidad gestionada por la empresa. Las cargas de trabajo que requieren tiempos de respuesta m\u00e1s r\u00e1pidos, mayor control, proximidad a los datos o un rendimiento espec\u00edfico del modelo pueden necesitar ejecutarse en el borde de la red o en otro entorno controlado.<\/p>\n

El enfoque espec\u00edfico para cada carga de trabajo permite que la nube p\u00fablica, la colocaci\u00f3n, la capacidad propia de la empresa, los entornos h\u00edbridos y la infraestructura de borde desempe\u00f1en un papel. En lugar de defender de forma general el uso de la nube o su rechazo, la gu\u00eda proporciona un m\u00e9todo consistente para determinar el entorno operativo adecuado para cada carga de trabajo de IA.<\/p>\n

La investigaci\u00f3n clasifica las cargas de trabajo de IA empresarial en seis arquetipos que abarcan el desarrollo de modelos, el reentrenamiento y cuatro categor\u00edas de uso en producci\u00f3n. Estos arquetipos ayudan a las organizaciones a identificar cargas de trabajo con requisitos similares de rendimiento, operaci\u00f3n e infraestructura, lo que crea una base m\u00e1s consistente para la planificaci\u00f3n. Luego, cada carga de trabajo puede vincularse con uno de cuatro modelos de infraestructura f\u00edsica: cl\u00faster de IA en el borde, cl\u00faster peque\u00f1o de IA, cl\u00faster grande de IA y cl\u00faster de IA de alta densidad.<\/p>\n

Los cuatro modelos ofrecen un punto de partida para las decisiones relacionadas con energ\u00eda, refrigeraci\u00f3n, controles, conectividad, resiliencia, soporte operativo y crecimiento futuro. Los dise\u00f1os de referencia correspondientes pueden adaptarse posteriormente en funci\u00f3n de la evaluaci\u00f3n del sitio, los requisitos de las cargas de trabajo y la ingenier\u00eda de detalle.<\/p>\n

El grado de preparaci\u00f3n de las instalaciones es crucial en los cuatro modelos. La gu\u00eda ayuda a las empresas a evaluar si una ubicaci\u00f3n propuesta cuenta con suficiente energ\u00eda, refrigeraci\u00f3n, conectividad, capacidad operativa y espacio para crecer. Realizar esta evaluaci\u00f3n con anticipaci\u00f3n puede ayudar a identificar limitaciones de infraestructura antes de que se conviertan en barreras para la implementaci\u00f3n.<\/p>\n

Bajar la gu\u00eda<\/span><\/h3>\n

\"\"<\/p>\n

La gu\u00eda completa, Dise\u00f1o de infraestructura para la IA empresarial, detalla los seis arquetipos de cargas de trabajo, los cuatro modelos de infraestructura f\u00edsica y una hoja de ruta de cuatro fases para planificar, implementar y hacer evolucionar la infraestructura de IA empresarial, ya se puede ver y descargar en Vertiv.com.<\/a><\/p>\n

Leer m\u00e1s<\/span><\/h3>\n

La CRC busca transformar la regulaci\u00f3n m\u00f3vil en Colombia<\/a><\/p>\n

NiCE es reconocida como l\u00edder global en plataformas de CX con IA ag\u00e9ntica por IDC MarketScape<\/a><\/p>\n

Pymes en Colombia: el 98% acepta pagos digitales, pero teme por la ciberseguridad, seg\u00fan Mastercard<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

La nueva gu\u00eda de implementaci\u00f3n, basada en investigaciones de Vertiv y STL Partners, ayuda a las organizaciones a determinar sus arquetipos de IA y d\u00f3nde debe ubicarse la infraestructura que los respalda<\/p>\n","protected":false},"author":233,"featured_media":181615,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[17],"tags":[355,49],"class_list":["post-181614","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","tag-deloitte","tag-vertiv"],"_links":{"self":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/181614","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/users\/233"}],"replies":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/comments?post=181614"}],"version-history":[{"count":2,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/181614\/revisions"}],"predecessor-version":[{"id":181620,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/181614\/revisions\/181620"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/media\/181615"}],"wp:attachment":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/media?parent=181614"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/categories?post=181614"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/tags?post=181614"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}