Informe sobre la preparación de la infraestructura de datos 2026

Las demandas de IA están superando la capacidad de preparación de la infraestructura. Un nuevo estudio global encargado por Seagate entre más de 2700 responsables de la toma de decisiones en tecnología empresarial reveló que el 99 % espera que la IA aumente los requisitos de almacenamiento en los próximos tres años, pero solo el 38 % afirma estar totalmente preparado.

Esta brecha en la preparación se está volviendo más importante a medida que la IA entra en una nueva fase. La primera era de la IA se caracterizó por avances significativos en modelos y computación. La próxima era estará marcada por las decisiones sobre infraestructura de datos necesarias para escalar la IA de manera eficiente, sostenible y de forma que se desbloquee valor a largo plazo. Las organizaciones se enfrentan a una nueva realidad: El éxito de la IA depende de las innovaciones en la infraestructura, donde los datos se han convertido en un activo estratégico para las empresas, en lugar de un centro de costes.

En este contexto, la investigación exploró varias dinámicas con las que las organizaciones están lidiando mientras se preparan para el futuro de la infraestructura de IA:

• crecimiento de datos impulsado por IA
• Preparación de la infraestructura de IA
• Prioridades de inversión en infraestructura
• Sostenibilidad y eficiencia operativa
• Estrategia de almacenamiento y escalabilidad a largo plazo

Subrayando la necesidad crítica de una inversión continua en estrategia de datos, gobernanza y los sistemas necesarios para el éxito de la IA, estas dinámicas definen un nuevo imperativo: escalabilidad sostenible.

La escalabilidad sostenible es la capacidad de aumentar la capacidad de la IA y el valor empresarial al tiempo que se mejoran continuamente las eficiencias de la infraestructura que la respalda. A medida que los responsables políticos, los reguladores y el público examinan con mayor detenimiento el crecimiento de la infraestructura de IA, la escalabilidad sostenible desempeñará un papel fundamental en la viabilidad a largo plazo de una economía de IA robusta y saludable.

Los cinco cambios estratégicos que se describen a continuación ilustran cómo las organizaciones están poniendo en práctica el escalamiento sostenible y dónde residen las mayores oportunidades y los mayores desafíos.

La IA ya está generando un valor empresarial cuantificable. El 86% de los encuestados describe el retorno de la inversión en IA de su organización como moderado o significativo, incluyendo un 33% que reporta retornos medibles significativos. Estos resultados aumentan la importancia de los datos que hacen posible la IA. Cuando los modelos, las aplicaciones y las decisiones dependen de los datos, almacenarlos deja de ser una función secundaria. Esto se convierte en parte de la capacidad de la organización para mejorar los resultados de la IA con el tiempo. Este patrón se observa en gran medida en todos los mercados, con rentabilidades moderadas o significativas registradas en EE. UU. (87 %), China (91 %), India (91 %), Japón (75 %), Francia (82 %), Reino Unido (86 %) y Alemania (82 %).

El crecimiento previsto es sustancial. Casi todos los encuestados prevén que la IA aumentará los requisitos de volumen de almacenamiento en los próximos tres años. Siete de cada diez prevén un aumento de al menos el 26%, incluido el 32% que espera que los requisitos aumenten en más de la mitad. Esta expectativa es prácticamente universal en todos los mercados, oscilando entre el 98% en Japón y el 100% en India, Francia, el Reino Unido y Alemania, mientras que en Estados Unidos y China se sitúa en el 99%.

La implicación es clara: las organizaciones deben planificar tanto para obtener más datos como para incorporar más valor en esos datos. Un enfoque a corto plazo centrado únicamente en la capacidad inmediata puede provocar que la información quede fragmentada, inaccesible o costosa de reutilizar. Una perspectiva a más largo plazo puede vincular las decisiones sobre retención, acceso y gobernanza con el valor futuro que la organización espera que genere la IA.

Ese cambio ya se puede apreciar en la forma en que los líderes describen el almacenamiento. El noventa y ocho por ciento coincide en que la IA está transformando el almacenamiento de datos, pasando de ser una función administrativa a una infraestructura empresarial estratégica. Este hallazgo indica un cambio de prioridades: las decisiones sobre el almacenamiento ahora influyen directamente en la rapidez con la que las organizaciones pueden utilizar los datos y en la eficacia con la que pueden preservar su valor. Esta opinión se mantiene constante en todos los mercados, oscilando entre el 96% en Japón y Alemania y el 100% en India, con Estados Unidos y el Reino Unido en el 99%, China en el 98% y Francia en el 97%.

Agrandar

La mayoría de las organizaciones expresan confianza en su rumbo, pero un análisis más detallado revela una realidad más compleja. Si bien el 83% afirma estar total o mayormente preparado para las demandas de datos a largo plazo de la IA, solo el 38% se considera totalmente preparado. La percepción de preparación varía ampliamente según el mercado, desde el 96% en China hasta el 55% en Japón, el 89% en India, el 88% en el Reino Unido, el 86% tanto en Estados Unidos como en Alemania y el 74% en Francia.

Los resultados sugieren que la preparación para la IA depende de algo más que la capacidad de procesamiento o la inversión por sí solas. Los encuestados identifican la madurez de la estrategia de IA, el presupuesto y los recursos, la gestión de datos y la gobernanza como sus deficiencias más comunes. Los desafíos de la implementación cuentan una historia similar. Entre las principales limitaciones operativas, el 53% cita la calidad y la disponibilidad de los datos, y el 43% la infraestructura de almacenamiento, en comparación con el 27% que menciona la disponibilidad de la capacidad de procesamiento y el 24% que menciona las limitaciones energéticas.

Los encuestados citan la calidad y la disponibilidad de los datos (53%) y la infraestructura de almacenamiento (43%) como los principales desafíos para la implementación de la IA, por delante de la disponibilidad de capacidad de procesamiento y las limitaciones energéticas.

Agrandar

Los encuestados citan la calidad y la disponibilidad de los datos (53%) y la infraestructura de almacenamiento (43%) como los principales desafíos para la implementación de la IA, por delante de la disponibilidad de capacidad de procesamiento y las limitaciones energéticas.

La brecha en la preparación es, en última instancia, un desafío en materia de datos. En consecuencia, las organizaciones necesitan una base de datos coordinada que armonice la retención, la gobernanza, el almacenamiento y el procesamiento de datos para escalar la IA de manera efectiva.

Cada vez más, las organizaciones consideran la inversión en centros de datos como una prioridad estratégica para el negocio, en lugar de un gasto operativo necesario. Más de tres cuartas partes la sitúan entre sus tres principales prioridades de infraestructura, y una de cada cinco la identifica como su máxima prioridad.

Agrandar

Las perspectivas de gasto también muestran que la infraestructura de IA va más allá de las GPU. La infraestructura de seguridad y cumplimiento normativo encabeza la lista de prioridades de inversión de las organizaciones (44%), seguida de la gestión/gobernanza de datos (43%). La actualización de la infraestructura de IA y GPU, así como del hardware de almacenamiento, se sitúa en tercer lugar como prioridad de inversión (39%).

Por lo tanto, la cuestión estratégica no es qué capa individual de la estructura recibe el mayor presupuesto. La cuestión es si la infraestructura completa puede soportar el flujo de datos hacia los sistemas de IA, preservar los datos que puedan adquirir valor posteriormente y escalar sin crear nuevas limitaciones operativas. La inversión genera más valor cuando las organizaciones evalúan estas dependencias de forma conjunta.

Las consideraciones energéticas y de sostenibilidad ya están influyendo en la planificación de la infraestructura de IA. El setenta y siete por ciento de los encuestados afirma que su organización ha retrasado o reestructurado una expansión debido a estas preocupaciones. Esto incluye un 36% que reestructuró significativamente sus inversiones planificadas y un 41% que experimentó retrasos menores.

Este hallazgo convierte la eficiencia, de una aspiración futura a una limitación de planificación actual. Las organizaciones necesitan aumentar su capacidad, pero también necesitan comprender las implicaciones de ese crecimiento en cuanto a energía, espacio, refrigeración y ciclo de vida de los equipos. Las decisiones más útiles son aquellas que los líderes pueden vincular a requisitos operativos medibles.

Los encuestados esperan que haya avances. El treinta y nueve por ciento describe sus operaciones de almacenamiento como "muy sostenibles" en la actualidad. Ese porcentaje aumenta al 61% si se tiene en cuenta dónde estarán sus operaciones dentro de cinco años. Las expectativas también varían según la inversión disponible: El 70% de las organizaciones con presupuestos anuales de sostenibilidad de 100 millones de dólares o más esperan que sus operaciones sean "muy sostenibles" en un plazo de cinco años, en comparación con el 48% de aquellas con presupuestos inferiores a 1 millón de dólares.

Cada vez más, las organizaciones definen y miden la infraestructura sostenible a través de la eficiencia operativa, en lugar de basarse únicamente en los informes medioambientales. El consumo de energía es el factor que más se tiene en cuenta al evaluar el impacto ambiental del hardware de almacenamiento, citado por el 62%. La vida útil y la durabilidad del dispositivo se sitúan en el 55%. Casi todos los encuestados coinciden en que prolongar la vida útil de los equipos de almacenamiento de datos tiene un efecto significativo en la sostenibilidad de las operaciones de los centros de datos.

Estos hallazgos respaldan una visión operativa de la ampliación sostenible. En lugar de recurrir a un lenguaje medioambiental más amplio, las organizaciones pueden evaluar las opciones de infraestructura específicas a través del consumo de energía, la utilización de la capacidad, la vida útil de los equipos y el coste energético por terabyte. Estas medidas facilitan la conexión entre los objetivos de sostenibilidad y la economía cotidiana de las infraestructuras.

A medida que la IA aumenta la cantidad, la variedad y el valor de los datos que las organizaciones necesitan para tener éxito y crecer, los modelos de negocio que la sustentan están siendo cada vez más moldeados por la infraestructura de datos subyacente. Tan importante como aumentar la capacidad es optimizar la economía y la eficiencia operativa del crecimiento. Esto implica aplicar principios orientados a la eficiencia al diseño de infraestructuras que permitan a las organizaciones aumentar su capacidad al tiempo que mejoran continuamente la utilización de los recursos, los márgenes de beneficio y el retorno de la inversión a largo plazo.

El cambio hacia una infraestructura orientada a la eficiencia se refleja en las prácticas operativas que están adoptando las organizaciones:

• El 52% utiliza IA para determinar las necesidades operativas y de almacenamiento (EE. UU.: 48 %, China: 55 %, India: 62%, Japón: 54 %, Francia: 47 %, Reino Unido: 53 %, Alemania: 42%).
• El 46% invierte en fuentes de energía renovables (EE. UU.: 44 %, China: 41 %, India: 58 %, Japón: 37 %, Francia: 45 %, Reino Unido: 49 %, Alemania: 47%).
• El 40% implementa energía en función de las necesidades reales de datos en lugar de mantener la infraestructura en funcionamiento de forma continua (EE. UU.: 34 %, China: 44 %, India: 48%, Japón: 41 %, Francia: 29 %, Reino Unido: 41 %, Alemania: 40%).
• El 31% reutiliza el calor generado por la infraestructura de datos (EE. UU.: 26 %, China: 37 %, India: 32 %, Japón: 24 %, Francia: 38 %, Reino Unido: 31 %, Alemania: 33%).

Esa misma mentalidad centrada en la eficiencia está influyendo cada vez más en la arquitectura de almacenamiento. Un enfoque alineado con la carga de trabajo es un ejemplo de este cambio. En lugar de aplicar una única arquitectura a lo largo de todo el ciclo de vida de los datos, las organizaciones pueden diseñar sistemas que equilibren el rendimiento, la capacidad, la eficiencia y el valor a largo plazo según los requisitos de la carga de trabajo. Esto crea un marco más práctico para escalar la IA al tiempo que se controlan los costes de infraestructura y las necesidades de recursos.

Los entornos de IA abarcan diversos tipos de datos con diferentes requisitos de rendimiento, capacidad y acceso. Los datos de entrenamiento, los conjuntos de datos activos, el contexto de inferencia, los puntos de control del modelo, el contenido fuente y los resultados retenidos no imponen las mismas exigencias a la infraestructura. A medida que la IA se expande, el diseño orientado a la eficiencia cobra cada vez más importancia. Las organizaciones que adaptan las tecnologías de almacenamiento a los requisitos de carga de trabajo dentro de arquitecturas inteligentes de múltiples niveles pueden mejorar la eficiencia económica, reducir los costos operativos y construir una base más sólida para el crecimiento a largo plazo.

La siguiente fase de la IA generará más datos, pero la capacidad por sí sola no determinará qué organizaciones aprovecharán su valor. La clave estará en la capacidad de mantener los datos disponibles y listos para su uso, al tiempo que se gestionan de forma eficiente las demandas de infraestructura que conlleva el crecimiento.

La encuesta muestra que este trabajo ya está en marcha. Las organizaciones están priorizando la inversión en centros de datos, reevaluando el papel del almacenamiento e incorporando consideraciones sobre eficiencia y ciclo de vida en sus planes de expansión. Sin embargo, la brecha entre estar mayormente preparado y estar completamente preparado sigue siendo amplia.

Para cerrar esa brecha se necesita una estrategia de infraestructura que abarque todo el ciclo de vida de los datos. Las organizaciones deben comprender qué datos generarán, con qué rapidez las diferentes cargas de trabajo necesitarán acceder a ellos, cuánto tiempo conservarán su valor y qué medidas operativas guiarán el crecimiento. Estas decisiones sientan las bases para un crecimiento sostenible y para obtener un valor duradero de la IA.