Europa construye la infraestructura de la IA, pero el siguiente cuello de botella está dentro de las empresas
Europa está levantando las piezas físicas de su carrera por la inteligencia artificial. Centros de datos, procesadores avanzados, redes, capacidad eléctrica y nuevas gigafactorías destinadas a entrenar y ejecutar modelos a gran escala. España, de hecho, acaba de superar otro de los trámites para competir por una de las hasta siete gigafactorías europeas de IA.
Pero disponer de más capacidad de cómputo no resuelve por sí solo el siguiente problema.
Cuando una empresa quiere llevar la IA desde una prueba puntual hasta sus procesos reales, se encuentra con otra infraestructura mucho menos visible: la que ya tiene dentro. Servidores, nubes públicas y privadas, bases de datos, redes, sistemas de seguridad, aplicaciones desarrolladas durante años y arquitecturas que no siempre fueron concebidas para que grandes cantidades de información circulasen continuamente entre modelos de inteligencia artificial.
Ahí aparece un nuevo cuello de botella.
Según el Informe global de IA 2026: Playbook para la IA privada y soberana, elaborado por NTT DATA, el 96% de las organizaciones consultadas considera que su infraestructura heredada está ralentizando la adopción de IA. Más del 99% estudia cómo integrar esta tecnología en sus sistemas actuales, pero solo el 49% está totalmente de acuerdo en que su infraestructura de datos permite desplegar IA agéntica de forma escalable.
La carrera por construir infraestructura para la IA, por tanto, tiene dos escalas. Una ocurre fuera de las empresas y puede medirse en megavatios, GPUs y centros de datos. La otra sucede dentro de ellas y tiene que ver con algo menos espectacular: conseguir que los sistemas que ya utilizan sean capaces de soportar lo que ahora se les exige.
Sistemas pensados para otro momento
Durante años, buena parte de la arquitectura tecnológica empresarial se construyó bajo algunos supuestos relativamente cómodos: los datos podían centralizarse, trasladarse entre entornos y procesarse en grandes infraestructuras cloud sin que su ubicación física fuese siempre una cuestión determinante.
La inteligencia artificial está tensionando ese modelo.
Los sistemas actuales necesitan acceder continuamente a grandes cantidades de información para entrenar modelos, ajustarlos o realizar inferencias en tiempo real. Al mismo tiempo, las compañías necesitan saber cada vez con mayor precisión dónde se encuentran esos datos, qué proveedor los procesa, quién puede acceder a ellos y qué legislación resulta aplicable.
Privacidad, ciberseguridad, regulación y geopolítica empiezan así a entrar directamente en el diseño tecnológico.
NTT DATA señala que el 95% de las organizaciones considera importante la IA privada o soberana dentro de su estrategia. Sin embargo, solo el 29% está priorizando a corto plazo la IA soberana y adoptando medidas concretas.
La distancia entre ambas cifras revela una diferencia importante entre querer controlar la IA y disponer de una arquitectura preparada para hacerlo.
El problema tampoco consiste simplemente en trasladar información desde una nube a un servidor propio. Una estrategia de este tipo puede exigir reorganizar infraestructura, datos y modelos; integrar entornos públicos y privados; modificar sistemas de seguridad; revisar contratos con proveedores y establecer nuevas reglas de gobernanza.
Más de la mitad de las organizaciones consultadas, el 51%, identifica precisamente la complejidad de integrar arquitecturas híbridas y multinube como uno de los principales desafíos para ejecutar cargas de IA en entornos privados.
España ya mira dónde se ejecutará su IA
Los datos específicos facilitados por NTT DATA para España apuntan en la misma dirección, aunque deben interpretarse teniendo en cuenta que la submuestra española está formada por 75 responsables empresariales.
El 96% considera importante la IA privada y soberana y el 97% afirma que su organización está valorando trasladar infraestructura de inteligencia artificial a localizaciones geográficas concretas debido a preocupaciones geopolíticas.
La regulación aparece como una de las principales barreras para avanzar, citada por el 28% de los participantes españoles, seguida de la inversión necesaria, con un 27%, y la complejidad técnica, con un 24%.
Es un paso más dentro de un debate que ya ha llegado al tejido empresarial español. Como analizamos recientemente en Conecta al abordar la búsqueda de alternativas europeas a los grandes proveedores tecnológicos, la inteligencia artificial se ha convertido precisamente en uno de los ámbitos donde la dependencia tecnológica adquiere una mayor dimensión estratégica.
La cuestión ahora empieza a trasladarse desde quién desarrolla la tecnología hacia dónde puede utilizarse.
Porque una empresa puede contratar un modelo avanzado y disponer de acceso a capacidad de cómputo, pero seguir teniendo un problema si los datos necesarios para alimentarlo están repartidos entre aplicaciones incompatibles, si una parte de la información no puede abandonar determinadas instalaciones o si sus sistemas de seguridad no permiten abrir el acceso que necesita la IA.
La industria aparece entre los sectores más expuestos
Esa tensión resulta especialmente interesante para la industria.
A escala global, la manufactura es uno de los sectores donde NTT DATA detecta una mayor probabilidad de adoptar un enfoque soberano en el diseño y despliegue de soluciones de IA durante los próximos dos años: un 33%. Solo aparecen por delante el sector público, con un 37%, y salud y recursos naturales, ambos con un 35%.
Automoción alcanza el 31% y logística, turismo y transporte, el 30%.
No resulta difícil entender por qué.
Una planta puede utilizar inteligencia artificial sobre información de producción, mantenimiento, calidad, consumos, ingeniería o procesos industriales que forman parte directa del conocimiento competitivo de la compañía. Incorporar IA sobre esos datos abre posibilidades, pero también obliga a decidir cuáles pueden salir de la instalación, cuáles deben permanecer en entornos controlados y qué sistemas pueden acceder a ellos.
Esa misma tensión entre compartir información y conservar el control ya aparece en algunos de los ecosistemas industriales que están ensayando nuevas formas de colaboración entre fábricas, proveedores e infraestructuras. Las nuevas instalaciones pueden diseñarse desde el principio para trabajar de forma conectada, mientras buena parte de la industria tendrá que adaptar esta nueva lógica sobre sistemas heredados y arquitecturas diferentes.
También empieza a crecer una capa tecnológica específicamente dirigida a resolver estos problemas. La valenciana Kumori, por ejemplo, trabaja precisamente en facilitar que las aplicaciones puedan operar sobre distintas infraestructuras cloud sin quedar atadas a un único proveedor, una flexibilidad que adquiere otra dimensión cuando las empresas necesitan decidir dónde procesan cada carga de trabajo y qué datos pueden salir de sus instalaciones.
Son distintas piezas de un mismo cambio: incorporar inteligencia artificial ya no consiste únicamente en elegir un modelo.
De experimentar con IA a tener que operarla
El informe de NTT DATA dibuja, en el fondo, una transición de madurez.
Durante la primera fase de adopción muchas organizaciones pudieron experimentar con la IA mediante pilotos relativamente aislados. Escalarla hacia procesos críticos introduce otras exigencias. Un modelo conectado a operaciones reales necesita datos disponibles, infraestructura suficiente, permisos definidos, seguridad, trazabilidad y mecanismos de gobierno capaces de funcionar de manera continua.
Y esa diferencia empieza a separar a las organizaciones más avanzadas.
Las compañías que NTT DATA clasifica como líderes en adopción presentan niveles de preparación y priorización entre 10 y 11 puntos porcentuales superiores al resto. No porque operen sin restricciones, sino porque incorporan cuestiones como privacidad, soberanía, infraestructura y gobernanza desde las primeras fases de diseño, en lugar de intentar añadirlas posteriormente sobre sistemas existentes.
Europa está intentando resolver una parte de la ecuación construyendo capacidad propia. Las futuras gigafactorías combinarán procesadores especializados, almacenamiento, redes, cloud y grandes centros de datos para que empresas, administraciones e investigadores puedan acceder al cómputo que exige la nueva generación de inteligencia artificial. España lleva meses tratando de posicionarse dentro de esa carrera europea por la capacidad de cálculo.
Pero entre disponer de esa capacidad y convertirla en una herramienta integrada en miles de empresas existe todavía otra transformación.
Está dentro de sus sistemas.
Después de años preguntándonos qué puede hacer la inteligencia artificial, la siguiente pregunta empieza a ser mucho más práctica: ¿están preparadas las empresas para dejarla entrar?