Empresas de Perú elevan inversión en IA para resultados

La inversión empresarial en datos e inteligencia artificial (IA) continúa creciendo en el Perú. Según el EY Chief Data Officer Study 2026, el 85% de las empresas locales aumentó esta inversión en los últimos 12 meses y el 93% prevé incrementarla de nuevo. Sin embargo, otro estudio de EY revela que persisten brechas en la preparación de las empresas para aprovechar esta tecnología: solo el 10% cuenta con políticas de IA aprobadas y el 68% de los ejecutivos no ha recibido capacitación. Ante esto, José Luis Bugarín, Principal Solutions Architect de Red Hat Perú, destaca la importancia de combinar gobernanza, eficiencia operativa y control de datos para convertir las iniciativas de IA en soluciones que generen resultados medibles para el negocio.

Uno de los principales desafíos es pasar de las pruebas de concepto a soluciones integradas en las operaciones del negocio. Para lograrlo, las organizaciones necesitan definir desde el inicio qué problema buscan resolver, cómo medirán los resultados y qué recursos requerirá la solución para funcionar de manera segura y sostenible. “Un piloto demuestra que el modelo responde; la producción demuestra que el negocio mejora. Las empresas que escalen serán las que decidan desde el inicio dónde corre cada modelo, cuánto cuesta cada respuesta y quién responde por cada resultado”, explica Bugarín.

A medida que las aplicaciones de IA pasan a producción, el costo de ejecutar los modelos se convierte en una variable estratégica. La inferencia, proceso mediante el cual un modelo genera respuestas a partir de una solicitud, requiere una gestión eficiente de la infraestructura, especialmente cuando crece el volumen de consultas. Bugarín recomienda medir el costo por caso de uso, seleccionar modelos según la complejidad de cada tarea y optimizar su ejecución para optimizar el uso de los recursos disponibles. Tecnologías de código abierto como vLLM y llm-d permiten trabajar en la eficiencia y escalabilidad de la inferencia, con el objetivo de atender una mayor demanda sin incrementar proporcionalmente la infraestructura.

La elección del modelo también influye en los costos y en la flexibilidad tecnológica. Los modelos abiertos suelen ofrecer mayor capacidad de adaptación, personalización y control sobre el entorno de ejecución, mientras que los modelos propietarios podrían resultar adecuados para determinadas tareas y necesidades empresariales. La decisión debe considerar el desempeño, la seguridad, las condiciones de uso y el costo total de operación, en lugar de depender de una única alternativa. En este contexto, una plataforma que permita integrar diferentes modelos y sustituirlos según las necesidades del negocio puede ayudar a evitar dependencias innecesarias y facilitar la evolución de las aplicaciones.

La capacidad de ejecutar cargas de trabajo en distintos entornos es otro factor relevante para escalar la IA. Una arquitectura de nube híbrida permite distribuir las aplicaciones entre la nube pública, los centros de datos propios y los entornos de edge computing, de acuerdo con los requisitos de seguridad, latencia, capacidad y costo. Esta flexibilidad resulta muy relevante para sectores como minería, banca, salud y servicios públicos, donde pueden coexistir necesidades de procesamiento intensivo, protección de información sensible y operación en ubicaciones con conectividad limitada.

“Con Red Hat AI, ofrecemos una plataforma que facilite la integración y gestión de modelos y aplicaciones de IA en entornos empresariales. Este enfoque permite a las empresas mantener mayor control sobre dónde se procesan sus datos, qué modelos utilizan y cómo administran sus cargas de trabajo, de acuerdo con las capacidades y configuraciones implementadas”, precisa el ejecutivo.

La gobernanza es especialmente importante en sectores que gestionan información sensible. En el Perú, la Ley N° 31,814 establece un marco para el desarrollo y uso responsable de la IA. Esta disposición debe considerarse junto con la normativa de protección de datos personales y las obligaciones aplicables a cada organización y caso de uso.

Para José Luis Bugarín, la soberanía tecnológica también implica que las empresas puedan elegir y sustituir modelos, mantener sus datos bajo las condiciones de control que requieran y establecer mecanismos de supervisión sobre los resultados generados por la IA. Bajo esta premisa, recomienda a las empresas peruanas que buscan convertir sus iniciativas de IA en capacidades operativas, abordar las siguientes prioridades:

• Definir objetivos y métricas de negocio. Preferir casos de uso concretos y establecer indicadores de impacto antes de iniciar el desarrollo, como la reducción de costos, la mejora de la productividad, la generación de ingresos o la mitigación de riesgos.
• Establecer una gobernanza desde el inicio. Asignar responsables, definir políticas de uso, clasificar los datos y establecer mecanismos de supervisión y cumplimiento normativo antes de ampliar las implementaciones.
• Construir una plataforma flexible. Facilitar la integración de modelos y aplicaciones en distintos entornos, con criterios de seguridad, portabilidad y control que permitan adaptar la arquitectura a las necesidades del negocio.
• Medir y optimizar la operación. Evaluar periódicamente el costo y el desempeño de cada caso de uso, capacitar a los equipos y decidir, con base en resultados, qué iniciativas deben escalarse, ajustarse o detenerse.

“La oportunidad no consiste simplemente en incorporar más IA, sino en convertirla en una capacidad que genere valor para el negocio de manera continua. Para conseguirlo, las empresas necesitan combinar una estrategia clara, una infraestructura flexible y mecanismos de control que les permitan escalar con confianza”, concluye Bugarín.