La IA generativa ya no es solo una cuestión secundaria, sino que cada vez está más integrada en el funcionamiento de las redes, desde la resolución de problemas en lenguaje natural hasta la síntesis de configuraciones y la telemetría multimodal. Sin embargo, el rápido crecimiento de sus capacidades y la multiplicación de sus casos de uso son solo una parte del panorama.
Para las redes empresariales especializadas, el valor de una gestión de IA igual de especializada se está volviendo clave si quieren mantenerse por delante de la competencia. Estamos en un momento clave en el camino hacia la adopción total de la IA en la gestión de redes. Las soluciones de IA personalizadas, entrenadas para abordar los KPI únicos de una red y priorizar las principales preocupaciones de la empresa, pueden mejorar el rendimiento de la red y reducir los costes hasta tal punto que su adopción no es realmente una cuestión de preferencia, sino de supervivencia comercial. Las organizaciones que no adopten un enfoque especializado se quedarán atrás y les resultará más difícil recuperar el terreno perdido.
La solución 80/20 para el entrenamiento de IA
Todas las redes empresariales comparten algunas características generales en sus aplicaciones de IA. Esta flexibilidad es, en gran parte, responsable de la disminución de las barreras de costo de las soluciones basadas en IA. Estos modelos generalizados y listos para usar suelen ofrecer alrededor de un 80% de utilidad para funciones básicas, como:
Detección de incidentes y anomalías en la red
Priorización de incidentes, análisis de las causas fundamentales y automatización de algunos de los procesos que requieren esos esfuerzos
Análisis de la red que garantizan el cumplimiento de los KPI y minimizan el impacto de los incidentes
Sin embargo, si se tienen en cuenta todos los diferentes tipos de redes empresariales que operan en la actualidad, únicas no solo en sus mercados, sino también en tamaño, escala y madurez, añadir el 20% restante de utilidad se vuelve aún más crítico. Este subconjunto especializado de capacidades refleja las necesidades únicas de la red, aportando datos reales del dominio para que se adapten a las prioridades de la empresa, tanto tecnológicas como operativas.
En la mayoría de los casos, una red empresarial no es algo homogéneo, sino que suele estar compuesta por tecnologías de red integradas en una infraestructura de plataforma común para conectar a empleados, clientes, proveedores, dispositivos, back-ends de centros de datos, etc. Cuando una empresa utiliza puntos de acceso Wi-Fi 7 para empleados o clientes, 5G privado para la comunicación en un patio de suministros o campus, conectividad Zigbee® para dispositivos IoT y Bluetooth® para dispositivos audiovisuales, además de la infraestructura física de cableado y conmutación de la red cableada, es evidente que la complejidad supera la capacidad de administración eficaz solo con la vista y las manos humanas. Y todo esto sin tener en cuenta la necesaria supervisión del estado de la red cableada: utilización de puertos, autenticación y seguridad, gestión térmica, utilización de PoE, etc.
Los modelos de IA en casos de uso de redes empresariales deben satisfacer todas estas necesidades y proporcionar una precisión y coherencia de las que carecen los modelos estándar. Ahí es donde el 20% cobra una importancia fundamental y se hacen necesarios modelos personalizados con lógica de validación adicional, aunque, lamentablemente, estos pueden aumentar la latencia en los tiempos de respuesta y los costes.
A medida que las implementaciones se amplían, el coste continuo no se centra en la formación, sino en la inferencia: responder a millones de consultas en tiempo real de asistentes y agentes como parte del logro de ese preciado grado de especialización. Vemos que los costes disminuyen hasta alcanzar una puntuación de referencia determinada, impulsados por la eficiencia algorítmica y el silicio especializado. Los directores de informática deben presupuestar los DSLM (modelos de lenguaje específicos de dominio) y las pilas de inferencia del tamaño adecuado (cuantificación, procesamiento por lotes/almacenamiento en caché), y considerar el hardware alineado con la carga de trabajo (GPU frente a TPU/ASIC) para seguir reduciendo el coste total de propiedad.
El caso OT para la IA especializada
Además de esta compleja red de diferentes tecnologías de conectividad, el creciente número de aplicaciones de IoT en el lado de la tecnología operativa (OT) también exige un enfoque especializado para la gestión de la IA. No existe un modelo único para las instalaciones físicas de una empresa, ni siquiera para aquellas que pertenecen al mismo sector vertical. Las características únicas de escala, ocupación, etc., requieren un profundo conocimiento del ámbito que no suele venir con la utilidad del 80% de una implementación de IA con formación general, al menos no para obtener el máximo efecto posible.
Una solución de gestión de IA especializada puede, si se entrena adecuadamente, buscar, sugerir, cuantificar y ejecutar cambios operativos que maximicen el valor de la gestión de OT. Además de las ventajas generales de la IA, como la reducción del tiempo de reacción ante incidentes, la detección de anomalías y la documentación de los cambios de configuración, una solución de gestión de IA especializada puede tomar medidas proactivas para mejorar la eficiencia general de la planta física y ofrecer ventajas en términos de reducción de costes, riesgos e incluso impacto medioambiental.
Por ejemplo, la red de un hotel resort puede correlacionar automáticamente la información de las reservas con la conectividad Wi-Fi® de las habitaciones, la iluminación e incluso los recursos de climatización, desactivando los servicios hasta que sean necesarios. O pensemos en un edificio escolar con un cuerpo estudiantil altamente conectado a dispositivos móviles, que exige una gestión reactiva de los canales Wi-Fi y la energía de un periodo a otro, tareas demasiado complejas e impredecibles para que las realice un administrador de TI humano. El acceso a ese 20% de formación especializada en IA puede permitir estas eficiencias a medida, independientemente del sector.
El factor humano
Esto plantea el problema relacionado con la escasa disponibilidad y los altos costes que supone contratar administradores de TI altamente cualificados y certificados. La escasez crónica de talento excepcional no da señales de remitir. Aquí es donde la gestión especializada de redes mediante IA puede tener su mayor impacto, al reducir las habilidades requeridas del personal de TI y liberarlo de tareas cotidianas menos rentables en favor de un trabajo más valioso. La IA puede emplear el modelado de gemelos digitales para sugerir, simular, probar y perfeccionar los cambios en la configuración de la red con menos intervención humana y, lo que es más importante, con menos riesgo general.
Un ejemplo de este tipo de ejercicio con gemelos digitales lo encontramos en la IA agencial, que puede planificar, utilizar herramientas, recordar el contexto y trabajar de forma colaborativa, con medidas de seguridad y supervisión humana. A diferencia del aprendizaje automático clásico o los chatbots básicos de IA generativa, los sistemas agenciales están orientados a objetivos: planifican pasos, invocan herramientas/API, recuerdan el contexto anterior y evalúan los resultados. En el ámbito de las redes, esto significa que un agente puede traducir la intención empresarial en acciones: recopilar telemetría, simular en un gemelo digital, proponer cambios en la política de RF/SD WAN y solicitar la aprobación humana antes de la ejecución.
La IA agencial entrenada con conocimientos especializados puede aportar conocimientos propios del dominio para ayudar a que las diferentes partes de la red funcionen de forma más eficiente juntas, creando un comité de planificación virtual que aplique conocimientos especializados de redes, análisis de comportamiento, razonamiento predictivo y resolución automatizada de problemas para resolver cuestiones complejas de redes que están más allá del alcance práctico de los equipos de TI humanos. Estas plataformas de IA también pueden integrar interfaces de lenguaje natural que permiten al personal formular preguntas y recibir respuestas en un lenguaje sencillo, y luego añadir agentes especializados (como configuración y garantía) para ofrecer una coordinación que mantenga informados a los responsables de la toma de decisiones humanos, con auditoría y reversión completas.
¿Interno o externo?
En estos primeros días de adopción masiva de la IA, las atractivas estructuras de precios de las implementaciones de terceros son necesarias, ya que los diferentes actores compiten por la cuota de mercado. Sin embargo, con el paso del tiempo, un compromiso a largo plazo con este tipo de asociación puede conllevar aumentos de precios, ya que esos proveedores recuperan sus costes de capital y actualizan su infraestructura informática. Para muchas empresas, una solución menos ambiciosa pero de propiedad exclusiva puede ofrecer una vía preferible para avanzar, si el presupuesto de capital lo permite.
Sin embargo, un obstáculo al que cualquier empresa podría enfrentarse con una opción interna es una posible brecha de sofisticación entre su gestión especializada de redes de IA y el hardware que gestiona. Aunque los modelos avanzados de IA son capaces de realizar optimizaciones muy eficaces e ingeniosas, no pueden cambiar las leyes de la física; la IA no puede cambiar la capacidad de RF de un punto de acceso Wi-Fi mal diseñado, del mismo modo que un vehículo autónomo no puede compensar unos neumáticos desgastados. El empleo de aplicaciones como la gestión de recursos radioeléctricos (RRM) basada en IA, la planificación de RF con gemelos digitales y las configuraciones basadas en la intención ayudan a obtener un retorno de la inversión óptimo del hardware y a crear un enfoque equilibrado que aproveche al máximo tanto el hardware como la IA.
Tanto si se adopta una plataforma de un proveedor como si se crea una plataforma interna, el éxito de la implementación depende de una IA responsable, es decir, un modelo que incluya el historial de datos, la privacidad/residencia, el riesgo del modelo, el equipo de respuesta a incidentes, los controles de aprobación de cambios y los registros de auditoría.
2026 será el año de las implementaciones especializadas de IA
A medida que los costes de formación en IA sigan disminuyendo, será más fácil para las organizaciones de todos los tamaños lograr una solución de IA 100 % especializada y obtener beneficios operativos y económicos. Esto permitirá al personal de TI menos cualificado rendir más y facilitará nuevos diseños de red, optimizaciones y eficiencias con un riesgo reducido.
Algunas empresas encontrarán su solución con un proveedor, mientras que otras crearán la suya propia internamente. Pero dado que prácticamente todas las empresas se toman ahora la IA lo suficientemente en serio como para adoptarla, no hay duda de que ha llegado para quedarse.
Equipo Prensa
Portal Innova
