Gracias a su capacidad para procesar cargas de trabajo intensivas, la nube se está consolidando como el eje de la inteligencia artificial y las aplicaciones que se derivan de ella. Según los expertos de Capgemini, esta tendencia ya se refleja en el gasto en servicios de nube pública, que pasará de 723.000 millones de dólares en 2025 a 1,47 billones en 2029, más del doble. Además, el informe también señala que las arquitecturas tradicionales podrían resultar insuficientes para atender las necesidades del sector.
Las empresas necesitan adaptar los modelos con datos propios, controlar la información y cumplir con la normativa vigente, por lo que están optando por adoptar arquitecturas híbridas, privadas, multinube y soberanas para operar de forma segura y cumplir con los requisitos legales. En particular, los agentes de IA requieren infraestructuras escalables, distribuidas y de baja latencia, en las que la nube y el procesamiento en el borde se integren en una sola infraestructura inteligente para garantizar respuestas rápidas y eficientes.
Las plataformas híbridas se consolidarán como el modelo de referencia en 2026. En lugar de funcionar como sistemas rígidos, las operaciones de IA se distribuirán entre entornos edge o de borde y nubes privadas y públicas. Así, la nube 3.0 marca un punto de inflexión en el que la nube deja de ser una plataforma de TI para convertirse en una capa de ejecución distribuida que permite implementar la IA a gran escala.
Un nuevo modelo operativo
Esta transformación se refleja en tres tendencias claras. La primera señal de la evolución de la nube 3.0 es la aparición de arquitecturas híbridas optimizadas para IA, en las que las empresas distribuyen sus cargas de trabajo entre entornos privados, públicos y de borde. De esta manera, la IA ya no depende de un solo proveedor de gran escala, sino que se implementa donde más se necesita. La segunda tendencia es que las organizaciones suelen ejecutar aplicaciones críticas con varios proveedores simultáneamente para garantizar la resiliencia y la soberanía de los datos. Por último, sectores altamente regulados ─como el sector público, el de la salud y el bancario─ están combinando la capacidad tecnológica de los grandes proveedores con controles estrictos sobre la ubicación y la gestión de la información.
Capgemini advierte que, a medida que las organizaciones están pasando de utilizar agentes de IA experimentales a implementar sistemas en producción, necesitan marcos de orquestación sólidos que coordinen múltiples agentes especializados.