Los líderes empresariales saben que deben situar la IA en el centro de su estrategia. Pero es más fácil decirlo que hacerlo. La IA puede ser compleja, costosa y arriesgada. Además, tanto la tecnología como el ecosistema evolucionan rápidamente.
En primer lugar, se observa un claro abandono del enfoque único para todos. La IA y el aprendizaje automático predictivos, la IA generativa y, ahora, la IA agéntica se están adaptando a sectores y aplicaciones específicos. A medida que proliferan los modelos de IA diseñados para fines concretos, el panorama de la IA es cada vez más diverso.
Ahora está claro que las aplicaciones de IA requieren una infraestructura a medida, no solo optimizada en términos de rendimiento, coste y eficiencia energética, sino también capaz de seguir el ritmo de las necesidades, en rápida evolución, de los modelos, las aplicaciones y los agentes de IA. Un ejemplo perfecto es Model Context Protocol (MCP), una potente innovación que ni siquiera existía hace apenas unos meses.
Mientras las organizaciones se apresuran a aprovechar la IA generativa y, cada vez más, los agentes de IA, algunas están construyendo sus propios centros de datos dedicados. Otras recurren a proveedores especializados que despliegan infraestructuras a escala de nube diseñadas para admitir múltiples modelos de lenguaje de gran tamaño (LLM). Estas plataformas, conocidas a menudo como «fábricas de IA» o neoclouds, requieren enormes inversiones en computación acelerada, redes y almacenamiento, todo ello diseñado específicamente para satisfacer las exigentes necesidades de rendimiento y escalabilidad de las cargas de trabajo de IA.
La creación de una infraestructura soberana y escalable para la inferencia de IA y LLM requiere abordar cuatro retos clave:
- Latencia y rendimiento – Una IA rápida y con buena capacidad de respuesta es esencial, especialmente para los casos de uso interactivos. A nadie le gusta quedarse mirando un indicador de carga mientras espera a que una IA piense.
- Seguridad y privacidad de los datos – Los LLM suelen manejar datos confidenciales. Garantizar una inferencia segura y privada es fundamental, y resulta aún más complejo debido a las distintas normas de seguridad y requisitos de cumplimiento de los entornos en la nube y locales.
- Cumplimiento normativo – A medida que la IA se extiende por distintos sectores, normativas como el Reglamento General de Protección de Datos (RGPD) de la Unión Europea imponen reglas estrictas sobre el uso de los datos, la selección de modelos, la transparencia y la equidad. Es fundamental desenvolverse adecuadamente en este marco normativo.
- Gestión e integración de modelos – Los modelos de IA requieren una gestión continua que incluya el control de versiones, la supervisión y las actualizaciones, y deben integrarse sin problemas en los sistemas existentes. No basta con conectarlos y empezar a usarlos, pero protocolos como MCP están facilitando el proceso, pese a los retos de seguridad a los que se enfrentan los modelos de IA.
Implementar el chip más adecuado para cada tarea
En F5, colaboramos con NVIDIA para ayudar a garantizar que las fábricas de IA y la infraestructura de IA a escala de nube estén a la altura de las exigencias de la IA moderna. Hoy, en NVIDIA GTC Paris 2025, presentamos el siguiente nivel de innovación con nuevas funcionalidades para F5 BIG-IP Next for Kubernetes implementado en DPU NVIDIA BlueField-3. Esto amplía las mejoras de rendimiento, multitenencia y seguridad que presentamos en GTC San José 2025. Como parte de F5 Application Delivery and Security Platform, F5 BIG-IP Next for Kubernetes se ejecuta de forma nativa en NVIDIA BlueField-3, potentes procesadores programables diseñados específicamente para el movimiento y el procesamiento de datos.
Al descargar tareas como el procesamiento de red, la gestión del almacenamiento y las operaciones de seguridad (por ejemplo, el cifrado y la supervisión del tráfico), las DPU liberan valiosos ciclos de CPU y recursos de GPU para centrarlos en el entrenamiento y la inferencia de IA. Esto reduce los cuellos de botella, aumenta el rendimiento y mejora la latencia, lo que ayuda a las fábricas de IA a funcionar con mayor rapidez y eficiencia y a generar más tokens.
Ubicadas en tarjetas de interfaz de red, las DPU gestionan el flujo de datos entre servidores y entre los clientes, usuarios o agentes externos y la fábrica de IA, orquestando las redes y la seguridad a gran escala. F5 BIG-IP Next for Kubernetes, implementado en DPU NVIDIA BlueField-3, pasó a estar disponible de forma general en abril.
Dirigir las solicitudes de IA al lugar adecuado para obtener el resultado deseado
Los LLM han avanzado rápidamente en los últimos meses y ahora ofrecen una amplia variedad de tamaños, costes y conocimientos especializados en ámbitos específicos. Elegir el modelo adecuado para cada prompt no solo garantiza mejores respuestas y el cumplimiento normativo, sino que también optimiza el consumo de recursos, los costes y la latencia.
Con la integración hoy de los microservicios NVIDIA NIM, las organizaciones ya pueden dirigir de forma inteligente las solicitudes de prompts de IA al LLM más adecuado o, más concretamente, al modelo idóneo para cada tarea. Por ejemplo, los modelos ligeros y energéticamente eficientes pueden gestionar solicitudes sencillas, mientras que los prompts más complejos, extensos o especializados se dirigen a modelos de mayor tamaño o específicos de un dominio.
Este enfoque permite a las fábricas de IA utilizar los recursos informáticos de forma más eficiente, reduciendo los costes de inferencia hasta en un 60 %. Tanto los proveedores como los usuarios de modelos salen ganando, ya que obtienen mejores respuestas, más rápidas y a un coste menor.
Menos es más: el almacenamiento en caché elimina los cálculos redundantes y aumenta la generación de tokens
Además de las GPU, NVIDIA sigue innovando en el ámbito del software para abordar los principales retos de la inferencia de IA. NVIDIA Dynamo y la caché KV, incluidas en NVIDIA NIM, son dos excelentes ejemplos. NVIDIA Dynamo introduce un servicio desagregado para la inferencia que separa la comprensión del contexto (precarga), que requiere una gran capacidad de cómputo de la GPU, de la generación de respuestas (decodificación), que exige un gran ancho de banda de memoria, distribuyéndolas entre distintos clústeres de GPU. Esto mejora el aprovechamiento de las GPU y simplifica el escalado entre centros de datos al gestionar de forma eficiente la planificación, el enrutamiento y la memoria. La caché KV optimiza la forma en que se almacena y se accede al contexto del modelo. Al mantener los datos de uso frecuente en la memoria de la GPU y transferir el resto a la CPU o al almacenamiento, reduce los cuellos de botella de memoria y permite admitir modelos más grandes o un mayor número de usuarios sin necesidad de hardware adicional.
Una nueva y potente funcionalidad de BIG-IP Next for Kubernetes es su compatibilidad con el almacenamiento en caché de KV, que acelera la inferencia de IA al tiempo que reduce el tiempo y el consumo de energía. En combinación con el enrutamiento inteligente de NVIDIA Dynamo, basado en unas pocas métricas explícitas, como el uso de la memoria de la GPU y otros criterios, permite reducir significativamente el tiempo hasta el primer token (TTFT), aumentar la generación de tokens y, en última instancia, procesar más prompts. DeepSeek ha demostrado aumentos de capacidad de entre 10 y 30 veces.
Los clientes pueden utilizar la capacidad de programación de F5 para ampliar y adaptar las funcionalidades de F5 BIG-IP a sus necesidades específicas y particulares, manteniendo un rendimiento muy elevado.
Puesta en funcionamiento y protección de MCP para una IA agéntica segura y soberana
Para la mayoría de las organizaciones, y en particular para las grandes empresas, como las de servicios financieros, telecomunicaciones y atención sanitaria con sistemas heredados complejos, la IA agéntica resulta muy atractiva. Basados en LLM, estos agentes de IA pueden navegar por bases de datos, servidores, herramientas y aplicaciones complejos para obtener información precisa, lo que permite alcanzar nuevos niveles de eficiencia y conocimiento.
Presentado por Anthropic en noviembre de 2024, MCP está transformando la forma en que los sistemas de IA interactúan con datos, herramientas y servicios del mundo real. Al actuar como conectores estandarizados, los servidores MCP permiten que los modelos de IA accedan en tiempo real a API, bases de datos y sistemas de archivos, lo que permite a la IA superar las limitaciones de los datos de entrenamiento estáticos y ejecutar tareas de forma eficiente. A medida que aumenta su adopción, estos servidores requieren proxies inversos avanzados con equilibrio de carga, una seguridad sólida, autenticación y autorización para datos y herramientas, así como una integración fluida con Kubernetes. Todo ello convierte a MCP en un pilar clave de la infraestructura de IA soberana y permite proteger y hacer posible la IA agéntica.
Implementado como proxy inverso delante de los servidores MCP, BIG-IP Next for Kubernetes, desplegado en DPU NVIDIA BlueField-3, permite escalar y proteger los servidores MCP mediante la verificación de solicitudes, la clasificación de datos y la comprobación de su integridad y privacidad, protegiendo así tanto a las organizaciones como a los LLM frente a amenazas de seguridad y filtraciones de datos. Por su parte, la capacidad de programación de F5 facilita que la aplicación de IA cumpla los requisitos de MCP y otros protocolos.
Si los tokens son la nueva moneda, contabilicémoslos, gestionémoslos y gastémoslos con sensatez
En sus últimos anuncios de resultados, algunas grandes organizaciones han empezado a comunicar el número de tokens generados cada trimestre, su crecimiento y los ingresos asociados a ellos. Esto refleja una necesidad cada vez mayor entre nuestros clientes: poder supervisar, gestionar y controlar el uso de tokens como si se tratara de un presupuesto, para evitar costes inesperados, como ocurre a veces con las nubes públicas.
Por eso, BIG-IP Next for Kubernetes incluye ahora nuevas funcionalidades para medir y controlar el consumo de tokens en toda la organización. Cuando los clientes nos plantean sus necesidades, los escuchamos y les ofrecemos soluciones con esmero.
Creación de fábricas de IA seguras, rápidas, soberanas y flexibles
A medida que los sectores desarrollan fábricas de IA y los países construyen su IA soberana, surgen agentes de IA, y las infraestructuras, los ecosistemas y las aplicaciones deben ser flexibles y adaptables. Las organizaciones que implementen la IA de forma eficiente avanzarán más rápido, atenderán mejor a sus clientes y reducirán costes. Sin embargo, para aprovechar este potencial, la IA debe seguir siendo segura, escalable y rentable sin frenar el ritmo de la innovación.
Ahí es donde entra F5. El pasado mes de marzo ofrecimos rendimiento, multitenencia y seguridad. Ahora, con BIG-IP Next for Kubernetes, hacemos posible una innovación diseñada para avanzar al ritmo de la IA.
Nuestra promesa: más tokens por dólar y por vatio. Pruébelo y compruebe la diferencia de primera mano.
¿Vas a asistir a GTC Paris 2025?
F5 se enorgullece de ser patrocinador Gold de NVIDIA GTC Paris 2025. Visítenos en el stand G27 para descubrir cómo F5 Application Delivery and Security Platform permite disponer de una infraestructura de IA segura y de alto rendimiento, y asista a nuestra sesión conjunta con NVIDIA, «Infraestructura segura desde el diseño: creación de fábricas de IA de confianza», el jueves 12 de junio a las 10:00 CEST.
Para obtener más información sobre F5 BIG-IP Next for Kubernetes implementado en DPU NVIDIA BlueField-3, consulta mi anterior entrada del blog. Además, no dejes de leer nuestro comunicado de prensa sobre el anuncio de hoy.
El compromiso de F5 con la IA no termina aquí: descubra cómo F5 protege y distribuye aplicaciones de IA en cualquier entorno.
Sobre el autor
Artículos relacionados del blog
Cree servicios públicos seguros, resilientes y preparados para la IA con F5 y AWS
Descubre cómo las organizaciones del sector público pueden modernizar de forma segura sus aplicaciones y soluciones de IA, al tiempo que gestionan los sistemas heredados, el cumplimiento normativo y el riesgo operativo.
Protección de los sistemas de IA: por qué la seguridad debe avanzar al ritmo de la innovación
Desde acelerar avances revolucionarios en medicina y educación hasta transformar la vida cotidiana, la IA está cambiando nuestra forma de vivir y trabajar. Pero también ofrece grandes oportunidades a los ciberdelincuentes.
Avanzar hacia la optimización digital tras la transformación
Descubre estrategias de optimización digital para garantizar políticas de seguridad coherentes, impulsar la madurez de la transformación digital y superar los retos de la transformación.
Proyecto de código abierto destacado: mayor observabilidad con F5 Cloud Logger iApp
En el punto de mira del código abierto: cómo aumentar la observabilidad. Lee el blog de F5 para descubrir cómo exportar fácilmente la telemetría de BIG-IP a plataformas modernas de análisis en la nube.
El estado de la entrega de aplicaciones en 2018: la transformación digital impulsa la automatización y la multinube pese a las preocupaciones de seguridad
Descubre las principales conclusiones del cuarto informe anual de F5 sobre el estado de la entrega de aplicaciones.
Estado de la entrega de aplicaciones en 2017: automatización, API y DevOps
Descubre el informe sobre el estado de la entrega de aplicaciones de 2017. Lee el blog retrospectivo de F5 sobre los inicios del auge de las redes declarativas y los flujos de DevOps.