En una reciente publicación de su blog, Rackspace abordó los cuellos de botella que muchos conocen: datos desordenados, falta de claridad en la propiedad, brechas de gobernanza y los costos asociados a la ejecución de modelos una vez que se integran en la producción. La empresa enmarca estos desafíos desde la perspectiva de la entrega de servicios, operaciones de seguridad y modernización en la nube, lo que revela en qué áreas están concentrando sus esfuerzos.

Un ejemplo contundente de la inteligencia artificial operativa dentro de Rackspace se encuentra en su negocio de seguridad. A finales de enero, la compañía presentó a RAIDER (Rackspace Advanced Intelligence, Detection and Event Research), una plataforma backend personalizada diseñada para su centro de defensa cibernética interno. Con los equipos de seguridad lidiando con una gran cantidad de alertas y registros, la ingeniería de detección estándar no se adapta si depende de la escritura manual de reglas de seguridad. Rackspace asegura que su sistema RAIDER unifica la inteligencia de amenazas con los flujos de trabajo de ingeniería de detección, utilizando su AI Security Engine (RAISE) y modelos de lenguaje de gran tamaño (LLMs) para automatizar la creación de reglas de detección, generando criterios que la empresa describe como 'listos para la plataforma', alineados con marcos conocidos como MITRE ATT&CK.

La compañía sostiene que ha logrado reducir el tiempo de desarrollo de detección en más de la mitad y ha acortado el tiempo promedio para detectar y responder a incidentes. Este tipo de cambio en los procesos internos resulta crucial. Además, Rackspace posiciona la inteligencia artificial agente como una forma de eliminar la fricción en programas de ingeniería complejos. Una publicación de enero sobre la modernización de entornos VMware en AWS describe un modelo en el que los agentes de IA se encargan de análisis intensivos de datos y tareas repetitivas, mientras que las decisiones de 'juicio arquitectónico, gobernanza y negocios' permanecen en manos humanas.

Rackspace presenta este flujo de trabajo como una manera de evitar que ingenieros senior se vean relegados a proyectos de migración. El artículo enfatiza la importancia de mantener las operaciones del día dos dentro del alcance, ya que muchos planes de migración fracasan cuando los equipos descubren que han modernizado la infraestructura pero no las prácticas operativas. En otras secciones, la empresa describe un panorama de operaciones soportadas por IA, donde la monitorización se vuelve más predictiva, los incidentes rutinarios son gestionados por bots y scripts de automatización, y se utilizan datos telemétricos (junto con datos históricos) para identificar patrones y, a su vez, recomendar soluciones.

A pesar de que este lenguaje es común en AIOps, Rackspace lo vincula a la entrega de servicios gestionados, sugiriendo que la compañía utiliza la IA para reducir los costos laborales en los pipelines operativos, además de su uso más conocido en entornos orientados al cliente. En un post que describe operaciones habilitadas por IA, la empresa subraya la relevancia de la estrategia de enfoque, gobernanza y modelos operativos. Se especifica la maquinaria necesaria para industrializar la IA, como la elección de infraestructura en función de si las cargas de trabajo implican entrenamiento, ajuste fino o inferencia. Muchas tareas son relativamente ligeras y pueden realizar inferencias localmente en hardware existente.

La compañía ha identificado cuatro barreras recurrentes para la adopción de IA, siendo la más notable la de datos fragmentados e inconsistentes, y recomienda inversiones en integración y gestión de datos para que los modelos cuenten con fundamentos consistentes. Esta no es una opinión exclusiva de Rackspace, pero el hecho de que una empresa de tecnología de gran envergadura lo exprese claramente ilustra los problemas que enfrentan muchas implementaciones de IA a escala empresarial. Una compañía aún más grande, Microsoft, trabaja para coordinar el trabajo de agentes autónomos a través de sistemas. Copilot ha evolucionado en una capa de orquestación, y en el ecosistema de Microsoft existen ejecuciones de tareas de múltiples pasos y una mayor elección de modelos.

Sin embargo, es destacable que Rackspace menciona a Redmond en relación con el hecho de que los aumentos en la productividad solo se materializan cuando la identidad, el acceso a datos y la supervisión están firmemente integrados en las operaciones. El plan de IA a corto plazo de Rackspace comprende ingeniería de seguridad asistida por IA, modernización soportada por agentes y gestión de servicios aumentada por IA. Sus planes futuros pueden vislumbrarse en un artículo de enero publicado en el blog de la compañía que trata sobre tendencias de IA en la nube privada. En él, se argumenta que la economía de inferencia y la gobernanza impulsarán las decisiones arquitectónicas hasta bien entrado 2026. Se anticipa una exploración 'bursty' en nubes públicas, mientras que las tareas de inferencia se trasladarán a nubes privadas por motivos de estabilidad de costos y cumplimiento.

Este es un mapa para la IA operativa fundamentado en requisitos de presupuesto y auditoría, no en novedades. Para los tomadores de decisiones que buscan acelerar sus propias implementaciones, la lección útil es que Rackspace trata la IA como una disciplina operativa. Los ejemplos concretos que se presentan son aquellos que reducen el tiempo de ciclo en trabajos repetibles. Los lectores pueden aceptar la dirección de la compañía y, al mismo tiempo, mantener reservas sobre las métricas que esta afirma. Los pasos a seguir dentro de un negocio en crecimiento son descubrir procesos repetitivos, examinar dónde es necesaria una supervisión estricta debido a la gobernanza de datos, y dónde se pueden reducir costos de inferencia trasladando algunos procesos al ámbito interno.