La inteligencia artificial se ha convertido en un pilar de la ingeniería de plataformas: según el informe anual The State of AI in Platform Engineering, elaborado por Platform Engineering en colaboración con Vultr, el 75% de los equipos ya ejecuta o planea ejecutar cargas de trabajo de IA, y un 89% la utiliza a diario en tareas como generación de código o documentación. A pesar de esta adopción masiva, el estudio advierte de una “meseta en la implementación de la IA”, donde el entusiasmo inicial todavía supera al valor empresarial realmente alcanzado.

En este sentido, y a pesar de la sólida adopción, la encuesta también pone de manifiesto carencias que limitan el impacto a gran escala. Para profundizar en ellas, Vultr ha llevado a cabo un estudio complementario sobre la infraestructura de la IA  –The State of AI in Platform Engineering–  dirigido a más de 120 profesionales que actualmente desarrollan sistemas nativos de IA en distintos países, incluido España. Los resultados destacan tanto los avances conseguidos como los retos que aún deben superarse para lograr el éxito.

Estas son las principales conclusiones del estudio:

• Propiedad de la IA fragmentada. Casi el 40% de las organizaciones asignan las responsabilidades de plataforma de IA a los equipos de ingeniería de plataformas, mientras que un 25% reparte esa responsabilidad entre varios grupos, y un 13% reconoce no tener una figura clara a cargo.
• Orquestación desigual de cargas de trabajo. Más del 40% utiliza Kubernetes ampliado para GPUs y cargas de IA, mientras que el 35% no orquesta de ninguna forma sus cargas de trabajo, lo que evidencia una brecha significativa en la madurez de la infraestructura.
• Integración en crecimiento, pero pipelines rezagados. Más de la mitad (58%) integra IA en aplicaciones nativas en la nube, aunque el 41% no ha adaptado sus pipelines de CI/CD o DevSecOps. Entre los que sí lo han hecho, un 28% está extendiendo los pipelines para la gestión de modelos, y un 24% añade pasos de servicio de inferencia.
• Lo híbrido y lo on-premise siguen vigentes. Aunque predomina la integración nativa en la nube, un 16% de las organizaciones adopta un enfoque híbrido y un 9% continúa ejecutando cargas de GPU en sus propios centros de datos, reflejando la necesidad de opciones de despliegue flexibles.
• Estandarización urgente. Más del 50% de los encuestados considera que contar con plantillas y blueprints de infraestructura de IA es fundamental para garantizar una adopción segura y escalable.
• Persisten brechas de colaboración. Casi un tercio (31%) afirma tener una colaboración limitada con los equipos de Data Science, y un 16% ninguna, lo que revela barreras culturales y operativas aún presentes.

“No habíamos visto tasas de adopción como estas para una nueva tecnología desde los años noventa; es realmente impresionante. Pero la realidad es que la mayoría de los usos actuales de la IA en las empresas siguen siendo más experimentales que estratégicos,” explica Luca Galante, colaborador principal de la comunidad Platform Engineering. “Los ingenieros de plataformas están liderando el camino, pero transformar este impulso en impacto medible requerirá bases más sólidas”.

“Esta encuesta refleja lo que vemos a diario: los ingenieros de plataformas se están convirtiendo rápidamente en el eje de la adopción de la IA en las empresas”, afirma Kevin Cochrane, CMO de Vultr. “Pero el impulso por sí solo no basta. Los equipos necesitan rutas claras y una infraestructura ‘AI-first’ que garantice cargas de trabajo seguras, repetibles y escalables. Eso es precisamente lo que ofrece Vultr, dando a los equipos de plataforma la base para superar la experimentación y alcanzar un impacto real a escala global”.

A medida que los ingenieros de plataformas asumen el papel de habilitar la IA en toda la organización, Vultr proporciona la infraestructura AI-first que lo hace posible. Con instancias de GPU listas para desplegar en minutos, orquestación global desde el inicio y arquitecturas componibles diseñadas para MLOps avanzados, Vultr permite a los equipos de plataforma superar la “meseta en la implementación de la IA” y avanzar hacia un valor empresarial a gran escala.