La interfaz
El chatbot, el copiloto, el buscador. La parte más pequeña del sistema y la única que casi todo el mundo conoce. Es lo que se ve; no es lo que hace el trabajo.
La nueva revolución industrial
Igual que hoy nadie se plantea funcionar sin electricidad, mañana nadie se planteará funcionar sin su propia fábrica de IA. Aquí te explicamos qué es y cómo funciona, cuándo tiene sentido tener una propia y cómo se decide, con criterio de ingeniería y sin vender humo.
La tesis
La primera revolución industrial favoreció a quien tenía acceso a una fábrica. Los demás trabajaban para ellos. Con la IA está pasando lo mismo, con una diferencia: hoy la fábrica cabe en un armario, y está al alcance de cualquier empresa que decida tenerla.
Ahora mismo casi todo el mundo alquila inteligencia por suscripción, envía sus datos a un proveedor y confía en que las condiciones no cambien. Es la forma más rápida de empezar y la peor forma de depender. AI Factories existe para que cualquier empresa, sea del tamaño que sea, tenga la suya. Y para que antes de tenerla, la entienda.
«Estamos al comienzo de una nueva revolución industrial. La IA es la nueva electricidad. Así como la máquina de vapor encendió la primera revolución industrial, la IA encenderá la siguiente.»
Qué es la IA, de verdad
Para mucha gente la IA es una ventana donde se escribe y alguien contesta. Eso es la superficie. Debajo hay disciplinas enteras de ingeniería, y es ahí donde un proyecto de IA sale adelante o se hunde. Pasa el ratón por cada capa, o tócala, para verla en el iceberg.
Sobre el agua · lo que casi todos ven
El chatbot, el copiloto, el buscador. La parte más pequeña del sistema y la única que casi todo el mundo conoce. Es lo que se ve; no es lo que hace el trabajo.
Bajo el agua · donde se decide el proyecto
Sistemas que buscan en los documentos y datos de una empresa, razonan sobre ellos y actúan: de responder una pregunta a ejecutar un proceso completo. Aquí es donde la IA se vuelve útil para tu negocio y no para el de todos.
Elegir bien el modelo, afinarlo con datos propios, medirlo con criterio y ponerle barreras antes de fiarse de él. Un modelo sin evaluación es una opinión con buena presencia.
Copias virtuales de fábricas, procesos o máquinas para probar en lo digital lo que sería caro o peligroso probar en la realidad. Es la IA que ahorra dinero antes de gastarlo.
La IA que sale de la pantalla: robots y máquinas que se entrenan millones de veces en simulación antes de tocar el mundo físico. Para la industria, es la capa que viene.
GPU, orquestación, redes, almacenamiento y computación local cuando los datos no pueden salir de casa. Sin esta capa, nada de lo anterior existe. Es la capa de la que trata esta web.
La base física: cada respuesta de una IA son vatios convertidos en cálculo. Aquí el iceberg toca fondo, y aquí empieza el pastel.
La industria entera, en un dibujo
No es una metáfora nuestra. Jensen Huang, CEO de NVIDIA, describe la IA como un «pastel de cinco capas»: energía, chips, infraestructura, modelos y aplicaciones. Y llama fábricas de IA a las plantas que convierten energía en inteligencia: «entra un electrón, sale un token». El chatbot vive solo en la capa de arriba. Una fábrica de IA es el pastel entero, a escala de tu empresa.
Chatbots, agentes, asistentes, plataformas: lo que ve el usuario.
En tu fábrica Asistentes y agentes conectados a tus documentos, tu ERP y tus procesos. Es la última capa que se construye, no la primera.
Los cerebros: entrenarlos, ajustarlos, evaluarlos.
En tu fábrica Modelos abiertos que corren en local, afinados con tus datos, evaluados con criterio y con barreras de seguridad antes de ponerlos a trabajar.
Centros de datos, orquestación, redes, almacenamiento.
En tu fábrica Clústeres con GPU orquestados con Kubernetes, del servidor de sala al equipo en planta. Es el corazón de lo que AI Factories diseña y pone en marcha.
GPU y aceleradores que hacen posible el cálculo.
En tu fábrica GPU dimensionadas para tu carga real e inferencia optimizada para sacarles el máximo. Ni el chip más caro ni el más barato: el adecuado.
La materia prima: electrones convertidos en tokens.
En tu fábrica Potencia eléctrica, protección, refrigeración y eficiencia. Es donde una fábrica de IA se hace sostenible, o se convierte en una factura.
Muy poca gente ha trabajado el pastel entero, y es demasiado grande para dominarlo todo. Pero un proyecto serio de IA necesita a alguien que lo haya recorrido de abajo arriba, desde la energía hasta la aplicación, para que no se quede en la punta del iceberg. Esta web intenta darte esa visión de conjunto, capa a capa.
Qué es una fábrica de IA
No es «un ordenador potente». Es una pequeña infraestructura industrial, con las mismas capas que un gran centro de datos pero dimensionada para lo que tu empresa necesita: desde un armario en la oficina hasta una sala propia. Estas son sus piezas, de la base hacia arriba.
Acometida eléctrica suficiente, protección (SAI) y disipación del calor. Una GPU convierte casi toda su potencia en calor: si no lo sacas, la máquina se frena o se apaga. Es donde más se falla y donde más se ahorra cuando se hace con criterio.
Los servidores y las GPU que ejecutan los modelos. Ni de más ni de menos: se eligen para tu carga real (cuántas personas, qué modelos, qué horas) y no para el catálogo.
Que los datos lleguen a las GPU a la velocidad que las GPU los consumen, que se guarden donde tú decidas, con copias, y que solo entre quien deba entrar.
El software que reparte el trabajo entre máquinas, reinicia lo que falla y permite crecer añadiendo nodos. En la práctica, Kubernetes. Es lo que convierte varias cajas en una sola fábrica.
Modelos abiertos que funcionan en local, ajustados a tu negocio, e integrados con las herramientas que ya usas: correo, ERP, documentación, planta.
Monitorización, mantenimiento, copias, seguridad y ampliación. Una fábrica se opera; no se enciende y se olvida.
Alquilar o tener
La nube no es mala: es la forma más rápida de empezar y sigue teniendo sentido para picos puntuales. La cuestión es qué pasa cuando la IA deja de ser un experimento y se convierte en parte del trabajo diario.
| Aspecto | IA alquilada (nube, suscripción) | Fábrica de IA propia |
|---|---|---|
| Coste | Cuota mensual que crece con el uso y con cada usuario nuevo. Nunca termina. | Inversión inicial que se amortiza. Después, electricidad y mantenimiento. |
| Datos | Salen de la empresa. Dependes de las condiciones del proveedor para saber qué se hace con ellos. | No salen. Tú decides dónde están, quién los ve y cuánto tiempo se guardan. |
| Dependencia | Cambios de precio, de modelo o de condiciones cuando el proveedor quiera. | Ninguna. El modelo que funciona hoy sigue funcionando igual mañana. |
| Latencia | Cada petición viaja a un centro de datos lejano y vuelve. | La respuesta se genera en la misma red. Imprescindible en planta y en tiempo real. |
| Cumplimiento | Hay que revisar contratos, ubicaciones y subencargados para cada normativa. | El dato nunca cambia de jurisdicción. Más simple de auditar. |
| Capacidad | Prácticamente ilimitada, al momento. Ideal para picos. | La que has instalado. Se amplía añadiendo nodos; conviene dimensionar con margen. |
| Puesta en marcha | Minutos. | Semanas: hay que diseñar, comprar, instalar y configurar. |
| Conocimiento | Se queda en el proveedor. | Se queda en tu equipo. Cada mes sabéis más de vuestra propia IA. |
Lo honesto: para probar una idea durante dos semanas, la nube gana. Para trabajar con ella todos los días con tus datos, la fábrica propia gana. Muchas empresas acaban con las dos: la propia para lo diario y sensible, la nube para picos.
Por qué propia y no alquilada
Funciona al cien por cien en tu infraestructura. Si mañana un proveedor cambia precios, condiciones o desaparece, tú sigues trabajando.
Una inversión que se amortiza y se queda, frente a cuotas mensuales que crecen con el uso y no construyen nada.
Lo que sabe tu empresa es tu ventaja. Mandarlo fuera para que lo procese otro es regalar la parte que más vale.
Ni colas de proveedor ni límites de uso. Se dimensiona, se instala y se pone a producir sin depender de la agenda de terceros.
Qué tamaño necesitas
El error más común es empezar por el hardware. El tamaño lo marca el uso: cuántas personas, qué tareas, qué modelos y en qué horas. Estas tres escalas cubren desde la pyme hasta la planta industrial.
Escala 1
Para pymes y despachos: de 5 a 50 personas usando asistentes, búsqueda en documentos y automatización de oficina.
Se instala en una jornada. Se administra con medio día al mes.
Escala 2
Para empresas medianas e ingenierías: cientos de usuarios, varios casos de uso a la vez y ajuste de modelos con datos propios.
Proyecto de semanas. Requiere una persona de referencia en la empresa con formación específica.
Escala 3
Para grupos industriales y quien quiera entrenar modelos propios o servir IA a terceros.
Proyecto de ingeniería completo: eléctrico, térmico, de red y de sistemas.
Las tres escalas comparten la misma arquitectura. Una fábrica que empieza como armario puede crecer a sala sin tirar nada: por eso importa diseñarla bien desde el primer nodo.
Cómo decidir
No todas las empresas la necesitan hoy. Estas son las preguntas que conviene hacerse antes de hablar con ningún proveedor. Si contestas «sí» a tres o más, merece la pena estudiarlo en serio.
Para experimentar, la nube es imbatible. Cuando la IA pasa a formar parte del trabajo diario de muchas personas, el coste por uso empieza a pesar y la infraestructura propia se amortiza.
Planos, contratos, datos de clientes, historiales, secretos industriales. Si la pregunta «¿qué pasa si esto se filtra?» os preocupa, procesarlo en casa cambia la ecuación.
Multiplicad la cuota por el número de usuarios y por 36 meses. Esa cifra es el presupuesto con el que compararse. A menudo sorprende.
Control de calidad por visión, mantenimiento predictivo, asistentes junto a la máquina: cuando cada milisegundo cuenta o la red no es fiable, la IA tiene que estar al lado del proceso.
Salud, finanzas, defensa, sector público o contratos con cláusulas de confidencialidad. Mantener el dato en tu propia jurisdicción simplifica mucho las auditorías.
No hace falta un equipo de expertos, pero sí una persona de referencia con tiempo y ganas de aprender. Una fábrica que nadie entiende es una caja cara.
Si contestas «no» a casi todo, lo sensato hoy es seguir con servicios en la nube, aprender con ellos y volver a hacerse estas preguntas dentro de unos meses.
Cómo se aborda
Una fábrica de IA es un proyecto de ingeniería antes que un proyecto de software. Por eso el orden correcto es siempre el mismo: entender, medir y solo entonces tocar. Desconfía de quien empiece por el hardware.
Qué procesos quieres mejorar, qué datos tienes, quién los usará y qué carga de trabajo real va a tener la instalación. El resultado es un documento con números, no una lista de la compra.
Potencia, refrigeración, red, computación y almacenamiento calculados para esa carga. Con margen para crecer, sin pagar de más. Con alternativas y sus números.
Montaje, puesta en marcha, modelos en local e integración con los sistemas que ya usa tu empresa. Con pruebas de carga antes de darlo por bueno.
Formación del equipo, mantenimiento, seguridad y ampliación cuando la fábrica se queda pequeña. Un buen proyecto deja a la empresa cada vez menos dependiente de terceros.
Sectores
¿Otro sector? Si tu empresa tiene datos y decisiones que tomar, tiene sitio para una fábrica de IA.
La experiencia detrás
AI Factories nace de una trayectoria de ingeniería que empezó en la capa de la energía y ha ido subiendo por todas las demás. No es una lista de tecnologías: es el mismo método, entender, medir y tocar, aplicado a cada piso.
Glosario
Preguntas frecuentes
Depende de con qué lo compares. Un armario para una pyme cuesta menos que un coche de empresa, y frente a las suscripciones por usuario que hoy paga cualquier organización, la inversión suele recuperarse en pocos años. No tiene sentido dar una cifra sin conocer el caso: el dimensionado sale de un diagnóstico, no de una tarifa.
Saldrá. Y podrás descargarlo y ejecutarlo en la misma fábrica, porque el hardware no está atado a ningún modelo. Los modelos abiertos mejoran cada mes y cada vez rinden más con la misma GPU. Una fábrica propia envejece mejor que una suscripción: el hardware es el mismo, la inteligencia que corre encima se renueva gratis.
Para el armario, no: basta una persona de referencia con medio día al mes y un soporte externo puntual. Para la sala, conviene alguien de sistemas con dedicación parcial y formación específica. El centro requiere equipo propio. En todos los casos, el objetivo es depender cada vez menos de terceros.
Tus datos no salen de tu empresa: el modelo, los documentos y las respuestas viven en tu red. Eso simplifica mucho el cumplimiento, porque no hay transferencias a terceros ni cambios de jurisdicción que justificar. Sigues siendo el responsable del tratamiento, pero con una arquitectura mucho más fácil de auditar.
Un armario con una o dos GPU consume, a pleno rendimiento, como un horno de cocina o un aire acondicionado grande, y mucho menos en reposo. Una sala requiere potencia dedicada y climatización, que se calcula en el dimensionado. La eficiencia energética es parte del diseño desde el primer día, no un añadido.
Un armario, entre la compra del hardware y la puesta en marcha, es cuestión de semanas y la instalación física se hace en una jornada. Una sala es un proyecto de varios meses porque implica obra eléctrica y climatización. Lo que más tiempo lleva no es la instalación: es definir bien para qué se va a usar.
Sí, y es lo más recomendable. Las tres escalas comparten arquitectura: un armario bien diseñado se convierte en el primer nodo de una sala. Lo importante es no ahorrar en lo que no se puede cambiar después: la red, el almacenamiento y la orquestación.
En conocimiento general, los modelos más grandes de la nube siguen por delante. En conocimiento de tu empresa, una fábrica propia con tus datos gana siempre, porque el otro no los tiene. Para la mayoría de tareas del día a día la diferencia de calidad ya no se nota, y la diferencia de privacidad y coste sí.
Contacto
Si algo no ha quedado claro, crees que hay un error o quieres proponer un tema, escríbenos. Leemos todos los mensajes.
O escribe directamente a info@guillemnavarro.com
Información básica sobre protección de datos