Los equipos de plataforma de empresas enfrentan actualmente varios obstáculos significativos, que se concentran principalmente en tres áreas: los problemas persistentes con los costes del cloud, la productividad de los desarrolladores y la complejidad asociada a la gestión de entornos en la nube. Estos tres factores son un desafío para el 93% de los equipos, según una investigación de Rafay Systems.
Uno de los principales problemas identificados es la gestión de la visibilidad y el control de los costes relacionados con la infraestructura cloud. El 45% de los encuestados menciona que controlar los gastos asociados con la infraestructura cloud sigue siendo un desafío importante. Esto se debe a la dificultad de prever y gestionar los costos en un entorno de nube en constante cambio, donde los costos pueden escalar rápidamente sin un control adecuado.
Además, un 31% de los encuestados señala que el coste total de propiedad, que incluye software, licencias de soporte, salarios y otros recursos, es más alto de lo que inicialmente se había presupuestado o previsto. Esta discrepancia financiera puede afectar significativamente el presupuesto general de TI y la capacidad de las empresas para invertir en otras áreas críticas.
De cara al futuro, el 60% de las empresas tienen la intención de reducir y optimizar los costes asociados con la infraestructura cloud. Esto se ha convertido en una de las principales iniciativas de la alta dirección para el próximo año, con el objetivo de mejorar la eficiencia financiera y operativa en la gestión de sus entornos en la nube.
Por otro lado, aunque los problemas relacionados con la adopción de herramientas de inteligencia artificial (IA) y de IA generativa también representan un desafío, las organizaciones reconocen la importancia de contar con métodos de despliegue y desarrollo eficientes. Un 96% de los encuestados subraya la necesidad de aplicaciones de IA, y un 94% considera crucial contar con aplicaciones de IA generativa para avanzar en sus iniciativas tecnológicas.
Para superar estas barreras, las empresas están priorizando capacidades clave que incluyen entornos preconfigurados para el desarrollo y prueba de aplicaciones de IA generativa, la asignación automática de cargas de trabajo de IA a recursos de GPU adecuados, flujos de MLOps predesarrollados, virtualización y compartición de GPU, así como el emparejamiento dinámico de GPU. Estas capacidades tienen como objetivo aprovechar el desarrollo, optimizar el uso de recursos y gestionar los costes de manera efectiva. Además, se está dando un mayor énfasis a la experiencia de los desarrolladores, promoviendo la automatización y el autoservicio tanto en los despliegues de nube como en las iniciativas relacionadas con la IA.
En esta nota