En 2022, propusimos un cambio en la arquitectura empresarial que, en aquel momento, parecía algo adelantado a su tiempo. El argumento era sencillo: si las organizaciones querían operar negocios digitales impulsados por la IA, su arquitectura debía evolucionar. Las aplicaciones seguirían siendo el principal centro de valor, pero las capas circundantes tenían que cambiar. La distribución y entrega de aplicaciones, la arquitectura y gobernanza de datos, y la infraestructura conformarían el núcleo operativo. En torno a esas capas se situarían las capacidades necesarias para gestionar sistemas altamente automatizados y basados en datos: observabilidad y automatización. La arquitectura de seguridad, las operaciones y la gobernanza abarcarían toda la pila, mientras que las prácticas de SRE cerrarían el ciclo operativo.
La premisa en la que se basaba ese modelo no era que la IA fuera a aparecer mágicamente en todas partes. La premisa era que la IA aumentaría el ritmo de cambio de los sistemas digitales y la magnitud de las interacciones automatizadas entre ellos. La observabilidad sería necesaria para comprender qué ocurría dentro de esos sistemas, y la automatización permitiría responder con la rapidez suficiente para mantenerlos estables.
Avancemos hasta hoy, y la arquitectura parece menos hipotética.
El estado actual de la arquitectura empresarial
Nuestro estudio más reciente muestra que aproximadamente tres cuartas partes de las organizaciones ya utilizan aplicaciones con IA y que más del 80 % espera integrar capacidades de IA en todas sus carteras en un futuro próximo. En la práctica, la IA se ha convertido en una dependencia más de las aplicaciones. Los modelos se invocan mediante API, los puntos de conexión de inferencia funcionan como servicios y las instrucciones y respuestas se transfieren entre componentes como tráfico de aplicaciones.
Una vez que la IA se integra en la capa de aplicaciones, la función de la distribución y entrega de aplicaciones queda clara de inmediato. Las solicitudes de inferencia deben enrutarse. La latencia pasa a ser un factor crítico para la experiencia del usuario. Los endpoints de los modelos deben poder escalar en función de la demanda. Las interacciones entre las aplicaciones y los modelos deben supervisarse y gestionarse.
Pero el tráfico de inferencia es solo una parte de la historia.
La verdadera consecuencia arquitectónica de la adopción de la IA se manifiesta en las capas operativas que destacamos hace años: la automatización y la observabilidad.
Esas capas crean inevitablemente nuevas categorías de tráfico del sistema.
Dos nuevas categorías de tráfico del sistema
El tráfico de automatización consiste en acciones generadas por máquinas que interactúan con la infraestructura. Los agentes realizan llamadas a las API. Las plataformas de automatización actualizan la configuración. Los sistemas de decisión activan flujos de trabajo. Estas solicitudes ya no las inician principalmente personas, sino que las generan sistemas que reaccionan a señales y al contexto.
Nuestra investigación demuestra que este cambio ya está en marcha. Casi dos tercios de las organizaciones afirman utilizar la IA para acelerar la automatización, y más de la mitad permiten que los sistemas de IA ajusten automáticamente las políticas o configuraciones.
En la práctica, esto significa que la infraestructura se modifica cada vez más mediante decisiones automatizadas. Las llamadas a API, los cambios de configuración y los flujos de trabajo operativos los activa el software, en lugar de los operadores.
Esa actividad es tráfico de automatización.
El tráfico de automatización se comporta de forma distinta a las interacciones operativas tradicionales. Puede producirse a la velocidad de una máquina y a una escala mucho mayor que la actividad humana. Por ello, debe gestionarse y controlarse con el mismo rigor que se aplica al tráfico de las aplicaciones. Los sistemas deben poder escalar para gestionar picos de actividad automatizada. Puede ser necesario establecer límites de frecuencia y cuotas para evitar que la automatización se descontrole. Los controles de identidad y autorización deben garantizar que los agentes operen únicamente dentro del ámbito previsto.
La segunda clase de tráfico emergente es el tráfico de telemetría.
El tráfico de telemetría está compuesto por las métricas, los registros, las trazas y los eventos que fluyen a través de los sistemas de observabilidad. En las operaciones tradicionales, la telemetría servía principalmente para fundamentar la toma de decisiones humanas. Los operadores observaban el comportamiento del sistema y decidían cómo responder.
La IA cambia ese ciclo.
Las señales de observabilidad alimentan cada vez más los sistemas automatizados de toma de decisiones. La telemetría proporciona información a modelos que detectan anomalías, recomiendan acciones o activan flujos de trabajo de corrección. En lugar de limitarse a describir el sistema, la telemetría se convierte en una entrada para los sistemas que lo controlan.
Esto aumenta considerablemente la importancia del tráfico de telemetría. Estas señales deben poder escalar para satisfacer las crecientes exigencias del análisis basado en IA. Y, lo que es más importante, deben ser fiables. Si los flujos de telemetría son inexactos o se manipulan, los sistemas de automatización que dependen de ellos pueden tomar decisiones erróneas o perjudiciales.
Por tanto, las canalizaciones de telemetría requieren sus propios controles de entrega y seguridad. Las fuentes deben autenticarse para garantizar que las señales sean legítimas. Las canalizaciones deben poder escalar para admitir el creciente volumen de telemetría. Los sistemas de observabilidad deben supervisar la propia infraestructura de telemetría.
El tráfico de automatización y el tráfico de telemetría forman un bucle de retroalimentación. Este bucle es el pulso operativo de los entornos habilitados por IA.
Qué significa todo esto
La arquitectura que propusimos hace años anticipaba la necesidad de automatización y observabilidad, ya que los sistemas altamente dinámicos requieren ambas. Lo que ha hecho la IA es acelerar las condiciones que hacen que esas capas sean esenciales.
La automatización genera tráfico de automatización. La observabilidad genera tráfico de telemetría.
Ambos surgen como consecuencias naturales de operar sistemas basados en IA a gran escala. Y, al igual que cualquier otra forma de interacción entre sistemas que los precedió, estas clases de tráfico deben tratarse como elementos de primer nivel en la arquitectura empresarial. Deben transmitirse de forma fiable, regirse por políticas, autenticarse mediante identidades y protegerse como cualquier otro tráfico de aplicaciones o sistemas que circule por el entorno.
Sobre el autor
Lori MacVittie es ingeniera distinguida y evangelista jefe en la Oficina del CTO de F5, y cuenta con una amplia experiencia en entrega de aplicaciones, estrategia de automatización e infraestructura. Es conocida por convertir la complejidad en claridad, ya sea definiendo mecanismos de protección para agentes de IA, analizando arquitecturas multinube frágiles o explorando los límites de los sistemas escalables. Aporta más de treinta años de experiencia en el sector en desarrollo de aplicaciones, arquitectura de TI y operaciones de redes y sistemas. Antes de incorporarse a F5, fue una galardonada editora de tecnología. MacVittie posee un máster en Informática y es una autora prolífica cuyas publicaciones abarcan la seguridad, la nube y la arquitectura empresarial. También es una apasionada de los juegos de mesa y los videojuegos, y expresa sin complejos sus firmes opiniones sobre el queso.
Más artículos de Lori Mac VittieArtículos relacionados del blog
Las 10 claves para la entrega de aplicaciones de IA: requisitos de las aplicaciones a medida
La IA convierte lo «personalizado» de caso excepcional en opción predeterminada: las solicitudes pasan a ser cadenas componibles (selección de modelos, recuperación, políticas y herramientas), por lo que la entrega debe adaptarse a cada solicitud, no a cada aplicación.
Las 10 principales amenazas para la entrega de aplicaciones de IA: observabilidad incompleta
La IA no escalará por sí sola. Sin un plano de control unificado que elimine las barreras entre herramientas y responsabilidades, la inferencia se convierte en la capa más frágil y que más coordinación requiere.
Las 10 principales amenazas en la entrega de aplicaciones de IA: prácticas de DNS deficientes
Para los sistemas de inferencia y los sistemas agénticos, la resiliencia del DNS es fundamental para la disponibilidad y el rendimiento: una resolución deficiente provoca errores de enrutamiento, picos de latencia e interrupciones del servicio en distintas regiones.
Comportamiento y límites: el cambio hacia la seguridad agéntica
Los agentes generan secuencias emergentes y sin límites en las que el riesgo se acumula con el tiempo. La seguridad debe pasar de validar solicitudes individuales a supervisar continuamente el comportamiento en flujos de varios pasos que evolucionan con el tiempo.
La IA está impulsando la aparición de nuevos tipos de tráfico
La adopción de la IA está dando lugar a nuevos tipos de tráfico de primer nivel: solicitudes de inferencia, tráfico de automatización generado por máquinas y tráfico de telemetría de gran volumen que alimenta los bucles de control.
La compresión ya no es una cuestión de velocidad, sino del coste de pensar
En la era de la IA, la compresión reduce el coste de pensar, no solo el ancho de banda. Descubre cómo la compresión de prompts, resultados y modelos permite controlar los gastos de inferencia de la IA.