Infraestructura para IA agéntica: qué deben resolver los CIO ahora

La IA agéntica ya salió de la diapositiva. Los agentes que leen datos, toman decisiones y ejecutan tareas entre sistemas se volvieron prioridad en prácticamente todo comité de tecnología. Pero hay un punto en el que el entusiasmo se encuentra con la realidad: la infraestructura. En la era agéntica, quien no prepare la base verá a sus agentes atrapados en el piloto.

Los números del informe de Google Cloud, “Estado de la infraestructura en la era de la IA agéntica” (State of infrastructure in the agentic AI era), muestran el tamaño del desafío. La investigación, publicada el 7 de julio de 2026, entrevistó a 1.402 líderes de TI en 12 países, entre ellos Brasil y México. El 93% reconoce el valor de la IA. Pero el 83% afirma que su infraestructura necesita mejoras para sostener sistemas agénticos en producción. Solo el 17% dice tener plena confianza para ejecutar hoy agentes críticos.

En este artículo, reunimos lo que revela la investigación, por qué los pilotos chocan con un techo y cuál es el camino práctico para sacar a los agentes del laboratorio con seguridad, gobernanza y costos bajo control.

El techo funcional: por qué los pilotos no escalan

Un chatbot responde una pregunta. Un agente hace mucho más: una sola instrucción puede disparar cientos de acciones, con consultas, llamadas a APIs y decisiones en varios sistemas al mismo tiempo. Piensa en un agente de cadena de suministro que detecta inventario bajo antes del pico de ventas, cruza datos históricos, negocia con agentes de transporte y prepara la orden de compra para su aprobación.

Este tipo de carga cambia la lógica de la infraestructura. Según datos de IDC citados en el informe, la inferencia ya representa el 47% de las operaciones de IA, frente al 28% del entrenamiento. Es decir: el peso ahora está en mantener a los agentes trabajando todo el tiempo, no en entrenar modelos de vez en cuando.

El problema es que la mayoría de los entornos fue diseñada para aplicaciones que avanzan al ritmo de una persona haciendo clic. Cuando los líderes señalan sus mayores brechas, aparecen tres barreras:

• 43% tiene dificultad para integrar APIs y fuentes de datos heredadas, como ERPs y CRMs que no fueron hechos para que las máquinas conversen entre sí;
• 36% no cuenta con bases de datos vectoriales especializadas y de alto rendimiento para darles memoria y contexto a los agentes;
• 35% no tiene seguridad adecuada para que un agente acceda a múltiples sistemas.

Y están los costos que no aparecen en la factura de cómputo. El 81% menciona la complejidad operativa y las horas de ingeniería dedicadas a la integración manual. El 62% reporta costos de salida de datos, almacenamiento creciente y hardware ocioso, la llamada “tarifa de inferencia” (inference tax) de las pilas heredadas. El 57% siente el peso de la falta de talento especializado. No es casualidad que el 96% diga que la eficiencia de costos es importante en la decisión de infraestructura de IA.

La gobernanza dejó de ser un freno y se volvió un prerrequisito

Los agentes se crean para actuar: leen correos, consultan bases de datos, ejecutan llamadas a APIs. La pregunta que todo CIO debe responder es cómo darles libertad suficiente para que sean útiles, con límites suficientes para que sean seguros.

El 79% de los líderes señala la seguridad, la gobernanza y las operaciones de modelos (MLOps) como el mayor obstáculo para escalar la inferencia. La seguridad tradicional se pensó para personas, no para agentes autónomos expuestos a nuevos vectores, como la inyección indirecta de instrucciones y el envenenamiento de herramientas.

La respuesta de las empresas más maduras ha sido consolidar. El 80% de los líderes dice que el cumplimiento de datos es el principal factor al elegir la infraestructura, y el 69% ya considera una plataforma full stack un requisito esencial. La dependencia del proveedor principal de nube también creció: el 78% de las organizaciones compra soluciones de IA generativa directamente a su socio de nube, frente al 48% en 2025.

En la práctica, esto significa un plano de control único para permisos, flujos de trabajo y supervisión humana de los agentes. En Google Cloud, esto pasa por el Secure AI Framework (SAIF) y por recursos como Security Command Center y Model Armor, que protegen las aplicaciones de IA contra inyecciones de instrucciones y fuga de datos. Para quienes operan bajo leyes de protección de datos como la LGPD de Brasil, es la diferencia entre un piloto bloqueado por el área legal y un agente en producción.

Híbrido, borde y soberanía: dónde van a correr los agentes

El debate entre nube pública y entorno local convergió. El 52% de las organizaciones ya usa multicloud híbrido, y el 90% considera importante llevar la IA al borde (edge), más cerca de donde nacen los datos. Los motivos son concretos: menor latencia para agentes que trabajan con voz, video u operaciones en campo; menor costo por token; y resiliencia cuando se cae la conexión.

A esto se suma la soberanía digital. El 48% de los líderes prioriza infraestructura con controles de residencia de datos, y Gartner proyecta que el 75% de las empresas fuera de EE. UU. tendrá una estrategia de soberanía hacia 2030. Para las empresas latinoamericanas, que lidian con la LGPD y con reglas locales en cada país donde operan, diseñar la arquitectura pensando en la jurisdicción desde el primer día evita retrabajo costoso.

Por último, la eficiencia se volvió un criterio de negocio: el 91% de los líderes ya considera el consumo de energía al elegir hardware. Un ejemplo brasileño está en el propio informe: AXIA Energia usa modelos climáticos en Google Cloud, con TPUs [validar], para prever eventos climáticos extremos con hasta 10 días de anticipación y proteger el suministro de 60 millones de personas.

Del piloto a producción: una hoja de ruta en cuatro movimientos

La conclusión de la investigación es directa: el éxito en la era agéntica no es de quien entrena el modelo más grande, sino de quien construye la base más resiliente, segura e integrada para ejecutarlo. Maplink Cloud, que lleva más de 25 años uniendo geolocalización, nube e inteligencia de datos, y es Premier Partner de Google Cloud y Google Maps Platform, con operación en Brasil, Argentina, Chile y México, organiza este camino en cuatro movimientos, siempre con un enfoque Cloud & AI First.

1. Diagnosticar antes de escalar

No toda empresa necesita una reconstrucción completa. Cloud Discovery es una evaluación rápida que muestra dónde están los cuellos de botella y cuál es el potencial de costo y esfuerzo. Cuando el tema es la eficiencia, el Assessment de Costos mapea el consumo actual y señala dónde pesa la “tarifa de inferencia”. [validar nombres de los servicios]

2. Construir una base lista para agentes

Con Landing Zone y Google Cloud Foundation, estructuramos red, identidad, permisos, monitoreo y automatización desde el inicio. Ahí es donde la gobernanza deja de ser un anexo y pasa a formar parte de la arquitectura.

3. Darles a los agentes datos que puedan usar

Un agente sin contexto es un agente sin memoria. Migramos y modernizamos bases de datos heredadas hacia servicios administrados y construimos la capa analítica en BigQuery, con Looker para dar visibilidad al negocio. Esa base unificada es la que resuelve la dificultad de integración señalada por el 43% de los líderes.

4. Llevar los agentes a producción

Desarrollamos agentes de IA y soluciones con Gemini sobre la Gemini Enterprise Agent Platform (antes Vertex AI), con pipelines de MLOps para monitorear, versionar y evolucionar los modelos después del go-live. El foco es salir del “purgatorio del piloto” con casos de uso que generen resultados medibles.

Hay además un diferencial que pocos socios pueden ofrecer: el contexto geoespacial. Con Google Maps Platform, Maplink Cloud conecta ubicación, BigQuery y la Gemini Enterprise Agent Platform para crear agentes que entienden dónde ocurren las cosas. Para logística, seguros, retail y servicios en campo, saber dónde está el inventario, el cliente o el técnico es lo que convierte una respuesta genérica en una decisión que genera resultados.

Todo esto con equipo local, atención en español y portugués y facturación en la moneda de cada país.

La infraestructura es la estrategia

En la era agéntica, la pregunta dejó de ser “¿debemos usar agentes?” y pasó a ser “¿nuestra infraestructura aguanta agentes en producción?”. Para el 83% de las empresas, la respuesta honesta todavía es no. La buena noticia es que el camino es conocido: diagnóstico claro, base gobernada, datos unificados y una operación que lleve a los agentes del piloto al resultado.

¿Quieres saber en qué punto está tu empresa? Habla con Maplink Cloud y empieza con un Cloud Discovery para mapear lo que falta para poner tus agentes en producción.

Habla con un especialista ➜

Fuentes

Google Cloud, Estado de la infraestructura en la era de la IA agéntica (2026), investigación con 1.402 tomadores de decisiones de TI en 12 países, realizada con GBK Collective y publicada el 7 de julio de 2026. Incluye datos citados de IDC (2026) y Gartner (2025).