Detrás de cada respuesta de ChatGPT, Gemini, Claude o de cualquier otra herramienta de inteligencia artificial hay un centro de datos equipado con GPUs (Graphics Processing Units, o unidades de procesamiento gráfico). A diferencia del procesador tradicional, una GPU ejecuta miles de operaciones en paralelo, justamente la capacidad que necesitan los modelos de IA para aprender y responder.
Concebidos originalmente para videojuegos y diseño gráfico, estos chips se convirtieron en el componente más demandado de la industria tecnológica. Hasta ahora solo tenían acceso masivo los gigantes tecnológicos, pero eso está cambiando: cada vez más empresas adoptan estas tecnologías con infraestructura propia, lo que les otorga beneficios concretos en seguridad y soberanía de sus datos, en gestión eficiente de los costos y en control sobre el rendimiento y el ciclo de vida de sus equipos.
Las GPUs, el motor detrás del crecimiento de la inteligencia artificial
Para tomar dimensión, NVIDIA, la empresa que fabrica la mayoría de estos chips, hoy vende en un solo trimestre más del doble que hace un año y nueve de cada diez dólares que factura vienen de centros de datos. La consultora Gartner estima que este año el gasto mundial en inteligencia artificial crecerá casi un 50%, y anticipa que el próximo gran comprador ya no serán solo las tecnológicas, sino empresas de todos los sectores.
“Todos empezamos usando ChatGPT o algún modelo similar de IA, pero una vez que cargás información de tu empresa en una IA pública perdés el control sobre ella. Por eso las compañías están empezando a armar sus modelos de IA, dentro de su propia infraestructura”, explica Christian Mendes Gouveia, Director General de Park Place Technologies para Latinoamérica.
En la Argentina y en la región, el proceso está más atrás. Cuatro de cada diez pymes argentinas ya usan alguna herramienta de IA, pero la mayoría se limita a redactar textos o resumir información, y siete de cada diez no tiene ninguna regla interna sobre cómo usarla, según una encuesta de nadIA, iniciativa del CEPE Di Tella y Fundar.
“Estados Unidos y Europa van por delante de los mercados emergentes, ente ellos Latinoamerica. Acá las empresas recién están empezando a comprar estos equipos”, agrega Mendes Gouveia . “Hace diez años se creía que los centros de datos iban a desaparecer porque la información se iba a trasladar a la nube. Con la inteligencia artificial volvieron, volvieron al centro de la escena”.
Cómo las empresas financian su infraestructura de inteligencia artificial
Este salto obliga a las empresas a repensar cómo invierten. Montar infraestructura de IA requiere capital, y buena parte del presupuesto de tecnología hoy está comprometido en mantener los centros de datos tradicionales. Ahí aparece una oportunidad: extender la vida útil de los servidores, el almacenamiento y las redes que ya funcionan, incluso después de que vence la garantía del fabricante, y liberar recursos para lo nuevo.
Según Park Place, el mantenimiento independiente permite ahorrar entre un 30% y un 40% frente al soporte del fabricante original, y ese ahorro puede reinvertirse en equipos para IA y en las tecnologías que estos necesitan, como la refrigeración líquida.
El resultado es un esquema híbrido, en el que el centro de datos tradicional convive con la nueva infraestructura de IA y la nube, y cada peso del presupuesto de inversión (CAPEX) se destina donde genera más valor.
Preguntas frecuentes
- ¿Por qué las GPUs son fundamentales para la inteligencia artificial? Porque permiten ejecutar miles de operaciones en paralelo, una capacidad necesaria para entrenar modelos de IA, procesar grandes volúmenes de información y generar respuestas en poco tiempo.
- ¿Qué ventajas tiene para una empresa contar con infraestructura propia de inteligencia artificial? Le permite mantener un mayor control sobre sus datos, reforzar la seguridad de la información, administrar los costos y decidir sobre el rendimiento y la actualización de sus equipos.
- ¿Cómo pueden las empresas reducir los costos de inversión en infraestructura de IA? Una alternativa es extender la vida útil de sus servidores, sistemas de almacenamiento y redes mediante mantenimiento independiente. Según Park Place Technologies, esta modalidad puede generar ahorros de entre un 30% y un 40% frente al soporte del fabricante original, recursos que pueden destinarse a nuevas tecnologías de IA.
