Los límites de la infraestructura autónoma

Durante años, la infraestructura tecnológica ha sido tratada como un recurso: algo que se dimensiona, se mantiene y se supervisa. Ahora, la convergencia entre inteligencia artificial avanzada, deep learning y analítica de datos está dando lugar a sistemas capaces de observar su propio estado, razonar sobre él y actuar en consecuencia, con distintos grados de autonomía según el dominio.

HPE ha construido buena parte de su discurso reciente al­rededor de esta idea, a través de GreenLake Intelligence, su marco de IA agéntica para operaciones de nube híbrida, y de HPE Private Cloud AI, la plataforma desarrollada junto con NVIDIA para llevar la IA generativa a producción sobre datos privados.

No hablamos de una automatización rígida, sino de una capa operativa que ya puede observar, razonar y actuar

Para entender mejor el planteamiento que defiende esta multinacional americana contamos con Isabel Acedo, res­ponsable de preventa de servicios Cloud para Latinoamérica y Sur de Europa en HPE. Veamos qué tipo de decisiones toman ya los agentes de GreenLake en entornos de produc­ción reales, cómo se reparte la responsabilidad entre HPE y la empresa cliente a través de políticas de IAM y aprobación, y por qué la elección entre nube híbrida y un hyperscaler debe estar siempre relacionada con la aplicación en un caso de uso concreto.

¿UNA INFRAESTRUCTURA QUE SE GESTIONA SOLA?

Para Isabel Acedo, el primer matiz que conviene aclarar es de qué tipo de autonomía estamos hablando. La infraes­tructura cognitiva no responde a reglas fijas condicionales, sino a una capa operativa con capacidad de razonamien­to propio: «No hablamos de una automatización rígida de ‘si pasa A, ejecuto B’, sino de una capa operativa que ya puede observar, razonar y actuar sobre intención de negocio».

Esa capacidad, explica, ya reduce la carga operativa de los equipos de TI y acelera tanto la resolución de incidencias como la toma de decisiones. Sin embargo, Acedo es clara al delimitar hasta dónde llega hoy esa autonomía: existen dominios, especialmente el de red, donde ya es posible de­tectar, diagnosticar y resolver determinados problemas sin intervención humana.

Pero ese grado de madurez no es homogéneo en todo el entorno híbrido. Las decisiones operativas más sensibles siguen estando sujetas a aprobación humana y a políticas de gobierno. El camino que queda por recorrer, según la portavoz de HPE, “no consiste en ampliar la automatización de forma indiscriminada, sino en cerrar el ciclo entre obser­vabilidad, remediación y cumplimiento en dominios como la IA en producción, los entornos multivendor y las operaciones soberanas”.

En este escenario es donde se posiciona Green­Lake Intelligence. En esencia, se trata del marco de HPE para operaciones de nube híbrida y de IA, con agentes capaces de coordinar acciones y ejecutar procesos completos bajo las políticas y el gobierno definidos por la organización.

En HPE se define este escenario como una ma­lla de agentes que “piensan, aprenden y actúan”, e incluye casos como identificar la causa raíz de una degradación aplicativa correlacionando te­lemetría de infraestructura y red; recomendar o automatizar remediaciones de red, seguridad o la mejor ubicación de una carga entre nube privada y pública según coste, latencia, ren­dimiento y seguridad; o identificar anomalías energéticas y proponer acciones preventivas o procesos de soporte asociados.

EL GOBIERNO DE LA INFRAESTRUCTURA

En este punto, una de las cuestiones clave es ¿quién controla qué? Para Isabel Acedo, la clave es que autonomía no significa pérdida de gobier­no. “Nuestro objetivo no es sustituir al responsable de TI, sino ampliar su capacidad de gestión median­te automatización supervisada y explicable”.

HPE defiende que los agentes actúan subject to your approval, es decir, bajo aprobación del cliente cuando la acción lo requiere. Este control descansa en capas concretas de IAM, políticas, auditoría y segregación de privilegios. “En Green­Lake, por ejemplo, los roles básicos distinguen entre administrador, operador y observador, y el propio modelo de IAM se define como de responsabilidad compartida entre HPE y el cliente”.

Estamos orientando GreenLake hacia la explicabilidad operativa, la trazabilidad y el gobierno de agentes y cargas de IA

Básicamente, HPE pone la plataforma, los con­troles base y el marco de orquestación; el respon­sable de TI conserva el mando sobre identidades, permisos, políticas personalizadas, aprobaciones y nivel de autonomía por dominio. Ese equilibrio permite evitar convertir el sistema en una caja negra: “Estamos orientando GreenLake hacia la ex­plicabilidad operativa, la trazabilidad y el gobierno de agentes y cargas de IA, no solo hacia automati­zación bruta”.

GREENLAKE Y LA NUBE HÍBRIDA COMO PLATAFORMA DE IA

HPE posiciona a GreenLake como una platafor­ma unificada pensada para ejecutar y gestionar el entorno híbrido completo en un contexto multiproveedor. Para Isabel Acedo, “unificar TI, datos e inteligencia artificial significa dejar de ges­tionar tres mundos distintos para hablar de una sola capa operativa para identidad, observabili­dad, automatización, protección de datos, con­sumo y sostenibilidad, aunque la ejecución física esté distribuida”.

En la práctica, esto permite a la empresa tomar decisiones sobre ubicación, migración, coste y resiliencia sin tener que rehacer la operación. Esta visión viene reforzada con HPE Mor­pheus para la gestión híbrida y multicloud, con OpsRamp para observabilidad y operaciones, con Zerto para movilidad y protección, y con GreenLake Intelligence para elevar esa capa a un modelo más agéntico.

La verdadera ventaja, según destaca la directi­va, está en disponer de una visión coherente de datos, aplicaciones y operaciones que permita tomar decisiones más rápidas, optimizar costes y acelerar proyectos de IA a escala.

En este sentido, durante los últimos meses HPE ha venido anunciando una serie de novedades respecto a GreenLake, que se podrían dividir en tres bloques:

• Diciembre de 2025 y junio de 2026. GreenLake evolucio­na hacia un modelo de operaciones agéntico, con nuevas capacidades para observar y gobernar AI factories, agentes y cargas de trabajo. También destaca la alianza con Servi­ceNow para automatizar parte del service delivery.
• Mayo de 2026. Cuarta generación de HPE Private Cloud con gestión unificada de máquinas virtuales y Kubernetes sobre Gen12, lo que simplifica la convivencia entre cargas tradicionales y nativas para IA.
• El tercer punto es la consolidación de un plano de control más consistente desde el datacenter hasta el edge, habili­tando operaciones air-gapped para entornos regulados y soberanos.

Esta evolución se traduce en una reducción de la compleji­dad para pasar del piloto a la producción de la IA: un plano de datos más inteligente, una operación común, observa­bilidad de agentes y LLM, control del consumo basado en tokens y costes operativos, y una capa de gobierno y auto­matización que evita tener que montar herramientas sepa­radas para cada fase.

GREENLAKE O HIPERESCALARES

La disyuntiva entre ambos mundos siempre está ahí: ¿es mejor desplegar IA en un entorno híbrido gestionado por GreenLake o hacerlo directamente sobre un hyperscaler pú­blico? Para Isabel Acedo, la diferencia real no está en que una opción sea ‘mejor’ de forma universal, sino en qué pro­blema o caso de uso se intenta resolver.

La nube pública, explica, resulta idónea para probar ideas con rapidez y absorber picos de demanda puntuales, pero ese modelo de consumo empieza a tensionarse cuando la carga pasa a agentes operativos las 24 horas, inferencia sos­tenida o datos sensibles, donde el coste, la soberanía y la latencia se convierten en variables críticas.

La novedad no es «más cloud«; es más coherencia operativa para llevar IA a producción

Frente a ello, HPE Private Cloud AI, gestionada a través de GreenLake, propone una plataforma dedicada y cercana al dato, con costes más predecibles y mayor control sobre se­guridad y residencia.

«Si una empresa prioriza aspectos como la elasticidad extre­ma, el acceso inmediato a servicios gestionados globales y la experimentación rápida, el hyperscaler tiene mucho sentido; si prioriza la residencia del dato, el cumplimiento, la inferencia intensiva, la integración con el edge y las operaciones híbridas consistentes, GreenLake encaja mejor».

Acedo matiza, además, que en muchas organizaciones de gran tamaño la arquitectura ganadora no será excluyente, sino combinada: la propuesta de valor de HPE con Green­Lake no busca reemplazar la nube pública, sino aportar una capa de operación, gobierno y control que permita gestionar de forma consistente todo el entorno híbrido, con indepen­dencia de dónde residan las cargas o los datos.

HPE PRIVATE CLOUD AI

Cuando se trata de desplegar proyectos de inteligencia artificial de forma rápida, y sobre datos privados, el gran reto está en la integración. La dificultad real, según apunta la directiva, pasa por la capacidad para conectar modelos, microservicios, datos privados, seguridad, identidades, infe­rencia, observabilidad y operación continua, sin convertir el proyecto en un puzle de meses.

Frente a esa complejidad, HPE propone HPE Private Cloud AI, una plataforma “llave en mano” desarrollada junto con NVIDIA, que plantea una consola unificada para desplegar, supervisar y gobernar las cargas de IA; conectores contro­lados para acceder a datos, herramientas y API; y flujos preconfigurados que aceleran el desarrollo y la puesta en producción.

Ahora bien, es muy importante poner el foco en el escena­rio de decisiones que corresponden a la organización: «La plataforma no decide qué problema debe resolver. El cliente sigue teniendo que priorizar el caso de uso, garantizar la cali­dad de los datos, validar el modelo, definir las políticas de uso, evaluar la calidad de las respuestas y adaptar el proceso de negocio».

La responsabilidad sobre el uso final de la IA, apunta la directiva, permanece siempre en ma­nos del cliente, por mucho que HPE simplifique y acompañe el proceso.

CUMPLIMIENTO DEL AI ACT

Pero llevar la IA a producción implica mucho más que contar con una plataforma lista para ello. Isabel Acedo apunta que, aunque HPE Private Cloud AI cuenta con los controles ne­cesarios para acercarte a la adecuación norma­tiva, “el cumplimiento no se ‘compra’ como una feature, ni sustituye el trabajo de gobernanza ni la responsabilidad sobre el uso final”.

La matización no es menor, recuerda Isabel Acedo, porque el propio reglamento europeo distingue obligaciones distintas según el papel que ocupe cada organización en la cadena de valor de la IA.

Dicho esto, la portavoz de HPE detalla tres ca­pas sobre las que se apoya HPE Private Cloud AI para responder al reglamento: una física y arquitectónica, con nube privada cercana al dato y configuraciones air-gapped para entor­nos aislados; una operativa, con consola unifi­cada, controles de acceso, políticas integradas y capacidades de registro y auditoría; y una de seguridad avanzada, con certificaciones y una hoja de ruta que incluye Confidential Compu­ting para proteger datos y modelos incluso du­rante su procesamiento.

«HPE proporciona capacidades que ayudan al cumplimiento, pero la conformidad final depende también del caso de uso, los datos y el papel que desempeñe la organización».

¿CÓMO SERÁ EL ÁREA DE TI EN 2028?

Si apuntamos a 2028 como una nueva meta volante en esta carrera de evolución y trans­formación, la directiva de HPE proyecta un cambio de naturaleza más que de tamaño: “Si esta trayectoria se mantiene, en 2028 el departa­mento de TI se parecerá menos a una fábrica de tickets y más a una torre de control de políticas, plataformas y agentes”.

De hecho, muchas de las tareas que hoy ab­sorben al equipo humano —diagnóstico de in­cidencias, correlación de eventos, ubicación de cargas, aprovisionamiento rutinario, optimiza­ción de costes o apertura de casos de remedia­ción— pasarán a manos de copilotos y agentes con autonomía acotada.

Lo que ganará peso, señala Acedo, será un perfil más estratégico y, paradójicamente, más exigente: diseño de políticas de autonomía, gobierno de datos y modelos, FinOps y tokeno­mics, cumplimiento regulatorio, seguridad de agentes, trazabilidad y traducción de necesida­des de negocio a flujos automatizables.

«No veo un TI más pequeño; veo un TI menos ma­nual y más responsable del marco en el que ope­ran sistemas cada vez más autónomos”.

La infraestructura dejará progresivamente de ser un recurso que se gestiona para convertirse en un sistema capaz de colaborar activamente con el negocio. El papel del departamento de TI será garantizar que esa inteligencia opera de forma segura, gobernada y alineada con los ob­jetivos de la organización.