Las empresas de DevOps en entornos empresariales han adoptado la IA con una velocidad que ha superado la capacidad de sus sistemas operativos para acompañarla. Los modelos de lenguaje grande generan Infraestructura como Código, pipelines de despliegue y archivos de configuración en segundos, acelerando así el ciclo de entrega y cambios. Sin embargo, esa rapidez no siempre va de la mano con la gobernanza y la visibilidad necesarias para mantener la operación estable y controlada.

Los equipos de desarrollo están introduciendo cambios de infraestructura a un ritmo que hace cinco años habría parecido imposible. Los entornos de producción se vuelven más difíciles de reproducir, gobernar y operar de manera rentable. Al inicio, la IA parece un triunfo claro: se solicita a una herramienta de IA que configure infraestructura y funciona. El uso se expande, llegan más equipos y se crean más entornos para pruebas, demostraciones y desarrollo. El resultado es una organización con más componentes en movimiento, pero con menos capacidad para ver el panorama completo.

Una foto incompleta

Las herramientas que generan infraestructura son buenas describiendo cómo debería verse algo en el momento de su creación, pero no están diseñadas para vigilar qué sucede después, decidir si es seguro realizar otro cambio mientras una tarea está en progreso o detectar cuándo algo se sale de su estado previsto a lo largo de las semanas siguientes. Esa supervisión solía venir de personas de operaciones con experiencia, que ejecutaban cambios de forma gradual y con una comprensión clara de lo que ocurría alrededor. La IA eliminó la parte lenta de ese proceso sin reemplazar el juicio que lo hacía sostenible.

Hoy existen múltiples personas y varias herramientas de IA que realizan cambios en los mismos sistemas al mismo tiempo, cada una trabajando correctamente de forma aislada, pero sin una visión única del conjunto. El resultado es familiar para quienes gestionan infraestructuras modernas: entornos que funcionaban la semana pasada pueden dejar de hacerlo sin una explicación clara. Los costos en la nube crecen de forma gradual porque nadie recuerda desactivar aquello que ya no se necesita. Las equipes invierten horas facturables tratando de entender por qué dos entornos supuestamente idénticos divergen.

Las configuraciones de seguridad que funcionaban al inicio dejan de estar alineadas a medida que todo evoluciona de forma independiente. Ninguno de estos problemas es una falla dramática individual; son fugas lentas que requieren más tiempo y costo para detectar y reparar que frente a fallas repentinamente evidentes.

Demasiada fragmentación

Los equipos responsables de la infraestructura han ido adaptándose en tiempo real. Hace unos años, su principal función era facilitar a los desarrolladores: quitar fricciones, ofrecer autoservicio y permitirles avanzar. Eso sigue siendo parte del trabajo, pero ahora se espera que también apliquen políticas organizacionales, gestionen costos de compute cada vez más caros, sigan lo que realmente está en ejecución y garanticen coherencia entre entornos cada vez más complejos. Añadir otra herramienta automatizada para gestionar una pieza del rompecabezas no resuelve el problema subyacente; a menudo solo añade una pieza más a un volumen que ya está fragmentado para gestionar mal.

Un entorno no es solo la infraestructura que contiene. También incluye quién tiene acceso, qué depende de qué, cuánto cuesta mantenerlo y cuánto tiempo debe permanecer antes de que se necesite limpiarlo. Anticipar problemas implica incorporar esa conciencia directamente en cómo se despliega y mantiene la infraestructura, en lugar de descubrir incidencias tras lo ocurrido mediante documentación que nadie lee o incidentes que nadie quería vivir.

Los procesos deben estar integrados

Esta necesidad se acentúa cuando las empresas invierten en hardware específico para IA. Configurar entornos impulsados por GPU no se reducing a asegurar el hardware; requiere todo lo que rodea a ese hardware —red, almacenamiento, seguridad y software— para coordinarse correctamente y mantenerse cohesionado. Tener el hardware disponible no resuelve, por sí solo, el reto de coordinación. Solo procesos más robustos pueden lograrlo, y ese proceso debe construirse deliberadamente en lugar de montarse con herramientas esporádicas.

Las preguntas que conviene plantearse cambian, incluso si muchas organizaciones aún no se han puesto al día. ¿Qué tan rápido puede generar infraestructura un equipo ya no es la métrica más útil? En realidad, no fue la parte más difícil. Lo importante ahora es saber si los entornos se mantienen consistentes con el tiempo, cuántas variaciones ocurren sin que nadie lo detecte, cuánto tiempo permanecen entornos no utilizados generando costos y si alguien puede describir con confianza qué está ejecutándose en producción en cualquier momento.

Las empresas que obtendrán el mayor valor sostenible de la IA no serán necesariamente las que usen las herramientas más avanzadas o las más numerosas. Serán aquellas que apliquen un esfuerzo disciplinado similar al que pusieron en producir la infraestructura en primer lugar y traten la gobernanza no como una tarea posterior, sino como el factor que determina si toda esa velocidad realmente se traduce en algo valioso.

Este artículo forma parte de TechRadar Pro Perspectives, una iniciativa para presentar las ideas de mentes destacadas en la industria tecnológica.

from Latest from TechRadar https://ift.tt/TsBMzoP
via IFTTT IA