AI OS de VAST Data: ¿infraestructura real o teatro de IA?

Los profesionales de infraestructura experimentan un cansancio muy particular cuando otro fabricante aparece prometiendo un entorno "preparado para la IA". Casi se puede escuchar el suspiro colectivo a través de las puertas del rack. Los equipos de almacenamiento han sobrevivido a discursos de prioridad en la nube, soluciones definidas por software, desvíos hacia la hiperconvergencia, remodelaciones con Zero Trust y suficientes promesas de "panel único de control" como para alicatar un centro de datos entero. Ahora cada producto tiene que convertirse en una plataforma de IA, cada panel necesita un agente y cada plan de desarrollo parece reescrito por alguien que acaba de descubrir la búsqueda vectorial en la barra de un congreso.

Por eso la presentación del AI OS de VAST Data cayó con cierta frialdad entre muchos especialistas del almacenamiento. La idea anunciada parece ambiciosa: agentes de IA en la interfaz, analítica distribuida, búsqueda vectorial, flujos de trabajo con RAG, servicios de datos y una plataforma unificada pensada para sostener la IA corporativa. Sin embargo, muchos administradores se quedaron desconcertados. ¿Qué problema resuelve esto en la práctica? ¿Es una evolución natural de una plataforma de almacenamiento de alto rendimiento hacia la capa de IA, o solo un envoltorio vistoso sobre herramientas que ya existen en otros sitios?

La propuesta suena gigantesca, y justo por eso genera sospechas

El primer obstáculo de una plataforma con tantas pretensiones es que intenta explicar demasiadas cosas a la vez. La gente del almacenamiento está acostumbrada a propuestas de valor muy claras: lecturas más rápidas, menor latencia, mejor gestión de metadatos, escalabilidad horizontal más sencilla, snapshots más robustos, capacidad más económica y mayor fiabilidad. Son conceptos concretos que puedes medir, discutir y plasmar en números dentro de una gráfica. En cuanto la conversación salta a agentes de IA, analítica distribuida, bases de datos vectoriales y orquestación de plataformas, todo empieza a sonar difuso.

Un operador escéptico resumió el ambiente sin contemplaciones: "no hay nada especial" aquí si esas mismas piezas se pueden ensamblar sobre hardware estándar con software comercial o de código abierto. Ese es el punto más delicado del debate. Si los pipelines de RAG, la búsqueda vectorial y el análisis de datos ya están disponibles en ecosistemas abiertos y flexibles, ¿por qué querría alguien atar esas capacidades a un fabricante de almacenamiento? El coste preocupa, pero el control preocupa todavía más. Los equipos de infraestructura huyen de la dependencia de un proveedor cuando el mercado a su alrededor aún evoluciona a toda velocidad.

Otra voz fue más tajante, tachando la iniciativa de simple exageración comercial pensada para hacer creer a los compradores que necesitan algo que en realidad no les hace falta. Es una crítica con fundamento, porque muchos proyectos corporativos de IA siguen siendo experimentos disfrazados de producción. La mayoría de las compañías no están entrenando modelos enormes. Utilizan modelos ya existentes, les añaden recuperación de información, limpian documentos e intentan evitar que los asistentes alucinen respuestas sobre sus políticas internas. Para esos equipos, un gran sistema operativo de IA suena a solución carísima para un problema que ni siquiera se han planteado.

El argumento a favor: las grandes empresas sí sufren con los cimientos de la IA

Conviene no despachar la otra postura como simple palabrería de marketing. Bajo la jerga de la IA se esconde un problema de infraestructura muy real. Las grandes organizaciones necesitan bastante más que una base de datos vectorial y un asistente conversacional. Requieren controles de acceso al dato, rendimiento, escala masiva, gobernanza, alta disponibilidad, capacidad de auditoría, coordinación entre múltiples departamentos y una forma de garantizar que los sistemas de IA respeten los permisos al responder a los usuarios. Este último punto figura entre los más espinosos de la IA empresarial.

Un defensor de la plataforma lo planteó en estos términos: lo verdaderamente complejo es levantar una gran infraestructura para muchos equipos manteniendo bajo control los accesos, la velocidad, la seguridad y la disponibilidad, y ninguna función aislada resuelve eso por sí sola. Es un argumento mucho más sólido que decir que "los agentes de IA son geniales". Sugiere que VAST intenta concentrar una pila caótica de IA corporativa en una sola plataforma de datos gobernada, lo cual representa una ambición mayor que un simple paquete de características.

Esto tiene peso porque las empresas reales no viven en un entorno de demostración. Un banco, un centro de investigación, un archivo audiovisual o un proveedor de nube para IA pueden manejar petabytes de información, distintos perfiles de usuario, exigencias regulatorias estrictas, clústeres de GPU y equipos que apenas coinciden en cómo nombrar sus recursos. En un escenario así, encadenar cinco herramientas de código abierto esperando que el modelo de seguridad no se rompa puede convertirse en una afición de alto riesgo laboral. Una plataforma unificada es una promesa tentadora porque la complejidad acarrea un coste muy elevado.

Aun así, esa defensa solo se sostiene si la plataforma reduce de verdad la complejidad. Si se limita a trasladar esa complejidad dentro de una caja propietaria, el valor se vuelve dudoso. Quienes compran almacenamiento no se oponen a pagar por la integración; solo exigen garantías de que esa integración ahorrará más dolores de cabeza de los que crea.

El temor al lock-in no es paranoia

A los técnicos de infraestructura a menudo se les acusa de cínicos, pero ese recelo se lo han ganado a pulso. Han visto cómo distintos fabricantes convertían ideas abiertas en ecosistemas cerrados para luego cobrar peajes de por vida, cómo plataformas supuestamente "unificadas" se volvían trampas para obligar a actualizar y cómo herramientas que parecían prácticas el día de la compra se transformaban en dependencias incómodas tres años después.

Por eso el argumento del lock-in en torno a RAG y la búsqueda vectorial cala tan hondo. Son tecnologías jóvenes y la mejor arquitectura de hoy puede quedar obsoleta el año que viene. La elección de modelos, las estrategias de embeddings y los patrones de recuperación siguen cambiando, mientras que las prácticas de seguridad y observabilidad apenas están madurando. En un mercado con ese ritmo, vincular una parte sustancial de tu diseño de IA a una única plataforma de almacenamiento parece una apuesta arriesgada.

Un sector de la comunidad ve el AI OS de VAST como una máquina de Rube Goldberg, un sistema innecesariamente intrincado diseñado para hacer que algo sencillo parezca sofisticado. Otros lo interpretan como una maniobra para inflar la valoración de la compañía, señalando que las empresas de infraestructura vinculadas a la IA pueden obsesionarse con aparentar un tamaño mayor que el del mercado de almacenamiento tradicional del que proceden. La lectura más escéptica es directa: colocas la etiqueta de "IA" en el discurso, amplías el mercado potencial, hablas de agentes y analítica, y haces que las métricas suban. Es un juicio duro, pero en 2025 nadie puede fingir que esta desconfianza nace de la nada.

La versión más sensata de esta crítica es menos pasional. Sostiene que las empresas deberían separar las distintas capas del sistema salvo que exista una razón de peso para no hacerlo: mantener un almacenamiento excelente, una computación flexible, servicios de IA portátiles y búsquedas vectoriales fáciles de sustituir, sin soldar todas las piezas a menos que la ganancia operativa sea incontestable. Se trata de simple instinto de supervivencia antes que de rechazo a las novedades.

La comparación con VMware tiene dos caras

Uno de los planteamientos más interesantes provino de alguien que reconoció no dominar este segmento lo suficiente como para valorar la necesidad de inmediato. Comparó el desconcierto actual con las primeras reacciones que suscitaron VMware o los contenedores. Al principio, esas tecnologías parecían añadir complejidad innecesaria. ¿Para qué meter capas de abstracción si el hardware ya funciona? Años después, la virtualización se convirtió en el estándar indiscutible de la infraestructura y los contenedores transformaron la distribución del software. Quizá las plataformas de infraestructura para IA estén atravesando esa misma fase incómoda de maduración.

Es una observación justa. Varias de las tecnologías empresariales más determinantes parecían extrañas antes de que sus casos de uso resultaran evidentes, y quienes estaban ocupados resolviendo los problemas del día anterior no siempre supieron ver las abstracciones del futuro. Los contenedores demostraron ser mucho más que "máquinas virtuales reducidas": cambiaron el empaquetado, la escalabilidad, la velocidad de despliegue y el aislamiento de servicios, y cuando los equipos lo entendieron, el valor quedó claro para todos.

Tal vez VAST busque dar ese mismo salto, pasando de ser un sistema de almacenamiento a convertirse en la capa operativa de datos para la IA. Si las cargas de trabajo de IA acaban siendo el núcleo de la operativa corporativa, la infraestructura vencedora podría no parecerse al almacenamiento tradicional aderezado con servicios externos, sino presentarse como un conjunto integrado de datos, metadatos, búsqueda, seguridad y servicios próximos al cómputo.

La diferencia es que VMware y los contenedores triunfaron porque resolvieron dolores cotidianos que los administradores sentían en su trabajo diario y transformaron la operativa. VAST tiene que superar ese mismo listón haciendo que su "AI OS" resulte aburridamente útil, y pasar de un discurso comercial deslumbrante a una necesidad rutinaria es el paso más difícil de la tecnología empresarial.

¿Necesitan la mayoría de las empresas semejante despliegue?

Gran parte de las reticencias se reducen a una cuestión de escala. La postura de los escépticos es sencilla: la mayoría de las organizaciones no necesitan infraestructuras colosales de IA. Les basta con utilizar modelos existentes, incorporar RAG para casos de uso acotados y mantener el volumen de datos en cifras razonables. Un comentarista defendía que casi ninguna empresa necesita entrenar modelos de lenguaje a gran escala, y que aplicar RAG en tareas concretas no exige recursos descomunales de almacenamiento. Otro apuntaba que los proveedores insisten constantemente en que todo debe actualizarse para estar preparado para la IA, incluso cuando la rentabilidad de invertir en GPU locales aún no se sostiene.

Esa postura encaja con la realidad porque la adopción de la IA corporativa es muy desigual. Solo un puñado de organizaciones necesita de verdad una infraestructura gigantesca. Proveedores de nube para IA, centros de supercomputación (HPC), entidades financieras globales, firmas de biotecnología y centros de investigación intensiva afrontan problemas brutales de rendimiento y volumen de datos, y para ellos una capa de datos unificada de altas prestaciones puede tener mucho sentido. Intentan construir sistemas sobre una gravedad del dato enorme, algo muy alejado de un chatbot en un rincón de la oficina. Sin embargo, la gran mayoría de las empresas no encajan en ese perfil.

La mayoría de las organizaciones todavía intentan responder a cuestiones básicas. ¿Qué documentos se pueden indexar de forma segura? ¿Quién es el responsable de los datos? ¿Qué ocurre si un empleado le pide al modelo información a la que no debería acceder? ¿Cómo medimos la precisión de las respuestas? ¿Cómo evitamos filtrar información confidencial en herramientas que apenas controlamos? Son problemas muy reales, pero no exigen necesariamente comprar una enorme plataforma de IA a un fabricante de almacenamiento.

Ahí es donde el mensaje de VAST necesita más claridad. ¿Está pensado para la empresa media que empieza con RAG, para constructores de nubes de IA, para organizaciones desbordadas por datos no estructurados o para despliegues con requisitos críticos de seguridad? Si la respuesta es "para todos ellos", los compradores interpretarán que no sirve con claridad para ninguno.

Es posible que ambas partes tengan razón

La discusión está encendida porque los dos bandos aportan argumentos válidos. Quienes desconfían aciertan al señalar que la etiqueta de la IA está por todas partes y que muchos fabricantes estiran su discurso para captar presupuestos. Aciertan al recordar que existen alternativas abiertas y basadas en componentes estándar, que el lock-in es peligroso mientras la arquitectura de la IA sigue asentándose, y que conviene entender qué problema exacto se resuelve antes de aceptar las promesas de otra plataforma.

Quienes defienden la propuesta también tienen razón al sostener que la IA corporativa de primer nivel exige mucho más que una prueba de concepto de RAG montada un fin de semana. Los perímetros de seguridad, la localización de los datos, los metadatos, la escala, la disponibilidad y el rendimiento son retos duros, y cuanto más grande es la organización, más doloroso resulta gestionar esa fontanería interna. Una plataforma unificada que gestione esas piezas con solvencia ahorraría verdaderos quebraderos de cabeza operativos, lo cual constituye un argumento de infraestructura impecable.

Una tercera lectura resulta probablemente la más acertada: puede que VAST se haya adelantado a su tiempo y no que su planteamiento sea erróneo. La plataforma puede estar sobredimensionada comercialmente para la situación actual de la empresa media, y a la vez ser plenamente relevante para el reducido grupo de clientes que ya lidia con los problemas de datos de la IA del mañana. Eso explicaría el desacuerdo. Los administradores que miran las necesidades empresariales habituales ven exageración publicitaria, mientras que los equipos de infraestructura de IA a gran escala ven el plano de control que llevan tiempo esperando.

El peligro para VAST reside en que los compradores corporativos tienen detectores de humo muy afinados. Si el mensaje suena a "compra esto porque lleva IA", se toparán con el sarcasmo del sector. Si en cambio se explica como "así es como mantenemos ordenados los permisos, la búsqueda, el rendimiento, la analítica y el trasvase de datos a escala masiva", tendrán una oportunidad real. Los profesionales del almacenamiento conviven bien con la ambición técnica. Lo que no soportan es la confusión, y ahora mismo el AI OS de VAST Data se encuentra justo en medio de ella.