La IA agéntica avanza rápidamente. La infraestructura empresarialdebe avanzar con ella

El rendimiento de la IA agéntica no depende de un solo componente aislado, el 57.6 % de los líderes de TI en México confirma que el desempeño óptimo exige el trabajo conjunto de CPU y GPU.

Un agente empresarial puede recuperar datos exclusivos, invocar un modelo, llamar a una aplicación, ejecutar código y aplicar políticas de seguridad, a menudo varias veces antes de completar una tarea. Esto convierte a la IA agéntica (o basada en agentes) no solo en un desafío a nivel de modelos, sino en un desafío de infraestructura.

Un nuevo estudio de IDC encargado por Intel muestra la rapidez con la que se está consolidando este cambio. El 89 % de los responsables de la toma de decisiones de TI espera que la IA agéntica sea importante para sus responsabilidades informáticas en los próximos 12 a 24 meses.

En la región de las Américas, este entusiasmo es aún más pronunciado: el 80 % de las organizaciones ya la califica como importante o muy importante en 2026, y se proyecta un aumento considerable de importancia llegando a un contundente 93 % en 2028, el nivel de adopción previsto más alto a nivel global. En México, la adopción de la IA agéntica ya es una realidad con un 66.7%, aunque solo el 18.2% la aprovecha de manera extensiva. Sin embargo, a nivel global, la infraestructura para IA agéntica fue la categoría con menor financiamiento de las evaluadas, y solo el 56 % de las organizaciones afirmó que cuenta con un
presupuesto bueno o adecuado.

Esto debería llamar la atención del sector. La oportunidad no consiste simplemente en añadir más infraestructura de IA. Se trata de definir una estrategia de infraestructura que se adapte a la forma en que realmente operan las empresas: híbrida en cuanto a dónde se ejecuta, heterogénea en su capacidad de cómputo y cada vez más dinámica a la hora de asignar recursos al trabajo que se está realizando.

Esto también implica ir más allá de los componentes individuales y considerar cómo funciona el sistema
en su conjunto.

La IA empresarial seguirá a los datos empresariales

La encuesta de IDC reveló que el 55 % de los encuestados adopta un enfoque equilibrado entre la TI privada y la nube pública, mientras que el 38 % prefiere principal o exclusivamente la TI privada. En el caso de México, la preferencia se dirige hacia la TI privada con un 39.4 %, sin embargo, es igual de importante para estas empresas mantener a la vez la flexibilidad que ofrecen los sistemas de Edge Computing y la nube, priorizando un esquema que les otorgue mayor versatilidad y no exclusivamente infraestructura privada.

Al mismo tiempo, las organizaciones encuestadas esperan que para 2026 aumente la inversión en los centros de datos principales, los entornos perimetrales (edge), los centros de colocalización (colocation), el alojamiento (hosting) y la nube pública.

Sin embargo, lograr esta ambición exige superar barreras tanto físicas como operativas. Aunque el 75.8% de las organizaciones en México considera crucial la nueva capacidad de centros de datos, su viabilidad dependerá de factores críticos como energía, refrigeración, agua y conectividad. Al mismo tiempo, la seguridad, la gobernanza y el cumplimiento normativo son los verdaderos habilitadores de la adopción, elementos clave en las Américas.

Las cifras

•  El 55 % adopta un enfoque equilibrado entre la TI privada y la nube pública.
• El 38 % prefiere principal o exclusivamente la TI privada.
• El 45 % menciona la modernización o consolidación de la infraestructura del centro de datos como una de sus principales prioridades de TI.
• En México 66.7 % de las empresas ya adoptaron la IA agéntica, pero solo el 18.2 % la usa de una forma extensiva en sus modelos de producción.
• El 39.4 % de las empresas en México priorizan la IA privada frente a otros modelos de infraestructura.
• En las Américas, la importancia de la IA agéntica escalará del 80 % en 2026 al 93 % hacia 2028.
• El 59 % de los líderes de TI en las Américas señala al responsable de ITOps como el principal tomador de decisiones para inversiones en centros de datos frente a un 34 % de influencia del CFO.

La razón es clara: las aplicaciones y los datos empresariales ya residen en estos entornos. La IA agéntica hace que esta realidad sea aún más importante.

Algunas cargas de trabajo se beneficiarán de la escala y los servicios de la nube pública. Otras tendrán que ejecutarse más cerca de los datos empresariales debido a requisitos de latencia, costo, seguridad, soberanía, gobernanza o integración.

La estrategia consiste en ejecutar la IA allí donde tenga más sentido. Por este motivo, la IA híbrida se perfila como la arquitectura natural para la inteligencia artificial en las empresas. En México Intel puede ayudar a las empresas a construir IA donde sus datos y negocios la necesitan, sin sacrificar la capacidad de elección.

Esta es también la razón por la que la modernización es clave. La encuesta de IDC determinó que modernizar o consolidar la infraestructura del centro de datos es la principal prioridad de TI (citada por el 45 % de los encuestados), situándose también en los primeros puestos la seguridad, el cumplimiento normativo y la resiliencia. La IA agéntica no es ajena a esa agenda de modernización; de hecho, es cada vez más uno de los motivos principales para acelerarla.

La IA agéntica convierte a la arquitectura en una cuestión de sistemas

El estudio también refleja cómo perciben los compradores el recurso de cómputo. Para la IA agéntica, el 27 % de los encuestados considera que las GPU son el factor de rendimiento predominante y el 23 % opina que las CPU son lo más importante. Pero la señal más reveladora se encuentra en el medio: cerca de la mitad considera que el rendimiento depende del contexto, escenario en el cual tanto las CPU como las GPU desempeñan un papel fundamental. En México esta relación es aún más clara: un 57.6 % de los encuestados afirman que el desempeño de la IA agéntica depende de ambos componentes en conjunto y no de un único componente.

La IA agéntica no consiste simplemente en adquirir un clúster de GPU. Requiere una combinación heterogénea de recursos de cómputo diseñada para maximizar el valor de los tokens: no solo la cantidad de tokens entregados por dólar, sino la calidad y la utilidad del trabajo producido.

Por lo tanto, el futuro de la IA empresarial no se debate en términos de CPU frente a GPU. Como mínimo, se trata de CPU más GPU y, cada vez con mayor frecuencia, de CPU más GPU más otros aceleradores.

En otras palabras, es un problema a nivel de sistemas.

Las preferencias de implementación recogidas en la encuesta refuerzan este argumento. Aproximadamente el cuarenta por ciento de los compradores prefiere servidores estándar para sus soluciones de IA agéntica, incluidos servidores basados en CPU con aceleración matricial o vectorial especializada, y sistemas que puedan admitir aceleradores PCIe opcionales.

Este es precisamente el tipo de entorno que la familia de procesadores Xeon fue diseñada para respaldar. Los flujos de trabajo agénticos requieren un potente rendimiento en inferencia local, embeddings y bases de datos vectoriales, sumado al ancho de banda (throughput) necesario para el enrutamiento de herramientas de alta concurrencia, microservicios y llamadas a API. Los procesadores Xeon combinan la aceleración matricial y vectorial integrada en sus plataformas Performance-core (núcleos de rendimiento) con plataformas Efficient-core (núcleos de eficiencia) de alta densidad diseñadas para escalar la orquestación de manera eficiente, añadiendo capacidad de cómputo especializada sin obligar a los clientes a rediseñar la arquitectura de sus centros de datos.

Los flujos de trabajo agénticos alternan continuamente entre la inferencia de modelos, la recuperación de información, la lógica de las aplicaciones, la ejecución de código, el movimiento de datos, las redes y la seguridad. Ningún procesador individual realiza todo ese trabajo por sí solo. La infraestructura debe coordinar diferentes motores de cómputo y mantenerlos conectados, en uso y correctamente asignados a la tarea.

Es ahí donde el enfoque sistémico adquiere protagonismo. Una visión de sistemas no consiste en ser el propietario de cada componente, sino en lograr que dichos componentes funcionen mejor en conjunto.

A medida que la IA agéntica escala, el rendimiento y la rentabilidad vendrán determinados cada vez más no por un chip de forma aislada, sino por la eficiencia con la que el sistema en su totalidad logra completar el trabajo útil.

La arquitectura x86 ofrece a las empresas una vía práctica hacia la IA

Las empresas ya operan una vasta base instalada de infraestructura de propósito general. Sus aplicaciones, bases de datos, sistemas de seguridad, herramientas operativas —y gran parte de sus datos— ya se ejecutan sobre ella.

La IA agéntica no implica la creación de una «isla»de IA aislada. La IA puede integrarse en la infraestructura que ya hace funcionar a la empresa.

La encuesta indica que la arquitectura x86 sigue estando muy bien posicionada para esta transición. Los compradores calificaron a x86 y Arm casi de forma idéntica en cuanto a su idoneidad teórica para la IA agéntica: 87.5 % frente a 87.2 %.

Sin embargo, una vez que el debate trasciende la teoría y se centra en la ejecución de la IA a gran escala, emergen diferencias más claras. La arquitectura x86 lideró en nueve de los doce atributos evaluados, incluyendo compatibilidad de software (88 % frente a 80 %), escalabilidad (89 % frente a 81 %), confiabilidad y resiliencia (88 % frente a 82 %), adopción actual (88 % frente a 77 %) y conocimiento profundo de la tecnología (92 % frente a 83 %). Arm obtuvo una puntuación ligeramente superior en precio, eficiencia energética y satisfacción, pero las ventajas de x86 se alinearon estrechamente con las realidades operativas a las que se enfrentan las empresas al trasladar la IA agéntica de la fase de experimentación a la de producción.

Esta prevalencia tecnológica importa porque las empresas no implementan la IA partiendo de cero (en una «sala limpia»). Llevan consigo décadas de aplicaciones, datos, procesos de gobernanza y experiencia operativa. La base instalada de Xeon ofrece a las organizaciones una plataforma familiar para acercar las capacidades agénticas a sus datos propietarios y flujos de trabajo existentes, en lugar de aislar la IA en un silo independiente.

El software es lo que permite convertir esta base de hardware en un entorno ágil para la IA. Intel aporta optimizaciones directamente en el código fuente original (upstream) para frameworks de código abierto como PyTorch, vLLM y OpenVINO, de modo que los modelos, los marcos de orquestación y los aceleradores especializados puedan integrarse de manera fluida en las pilas de software empresarial existentes.

Las trayectorias del hardware y el software son inseparables. El software de código abierto otorga a las empresas una mayor flexibilidad para implementar modelos tanto en CPU Xeon como en aceleradores complementarios, sin atar su estrategia de infraestructura a una única arquitectura propietaria.

El papel de Intel: hacer que la IA funcione con la forma en que ya opera la empresa

En Intel, creemos que la próxima fase de la IA se definirá por la eficacia con la que las organizaciones puedan poner la inteligencia a trabajar en toda la empresa.

Esto requiere una infraestructura que aproveche los activos que las empresas ya poseen, al tiempo que se incorporan capacidades de IA progresivamente.

Los procesadores Xeon continúan siendo el pilar fundamental para las aplicaciones, los datos y la computación de propósito general que impulsan los entornos corporativos. A medida que la IA se vuelve más agéntica, Xeon también desempeña un rol crucial en la orquestación, la ejecución de aplicaciones, la recuperación de datos, la seguridad, las redes y el uso de herramientas en torno a la inferencia acelerada. Por su parte, las GPU y otros aceleradores proporcionan el cómputo especializado en
aquellos puntos donde las cargas de trabajo lo requieren.

La oportunidad radica en lograr que todos esos recursos funcionen mejor de forma conjunta.

Para Intel, eso es exactamente lo que significa un enfoque de sistemas: no se trata de poseer cada componente, sino de diseñar nuestra tecnología y software para que las CPU, los aceleradores, la memoria, las redes y la pila de software en su conjunto funcionen como un ecosistema más eficiente.

Para los clientes empresariales, el objetivo no es exprimir al máximo una única pieza de silicio. Se trata de maximizar el trabajo útil que el sistema puede ofrecer a través de la infraestructura que ya operan junto con las capacidades de IA que están implementando.

La inteligencia correcta. El cómputo correcto. En el lugar correcto para cada carga de trabajo.

Esto se traduce en una infraestructura de implementación híbrida, con un cómputo heterogéneo, apoyada en software abierto y firmemente cimentada en los entornos empresariales que los clientes ya utilizan a diario.

La industria de la inteligencia artificial ha dedicado los últimos años a demostrar de qué son capaces los modelos. La siguiente fase consiste en poner esa inteligencia a trabajar sobre aplicaciones, flujos de trabajo y datos empresariales reales.

En última instancia, así es como la IA agéntica pasará de ser una tecnología impresionante a ser un motor de trabajo útil en el mundo real.

Para conocer los resultados detallados de la encuesta y obtener perspectivas técnicas sobre arquitectura, explore el informe completo de la investigación de IDC encargada por Intel.