Casi todas las organizaciones chilenas tienen hoy alguna iniciativa de inteligencia artificial en marcha. Casi ninguna ha logrado escalarla. Ese desfase del piloto exitoso a la producción organizacional (que la industria bautizó como “pilot purgatory”) se ha convertido en el principal cuello de botella del valor de la IA empresarial. Y no es por falta de modelos: la causa está en la arquitectura, la economía y la gobernanza sobre las que esos modelos se intentan operar. Bajo el concepto “Menos promesas. Más IA”, la alianza entre HPE y NVIDIA propone una respuesta integral a ese problema, y de paso redibuja el mapa de oportunidades para el canal de distribución TI.

El diagnóstico tiene respaldo en cifras contundentes. El MIT Project NANDA reportó en 2025 que el 95% de las organizaciones que desplegaron IA generativa no obtuvieron retorno medible en su contabilidad. Gartner ha sostenido que hasta la mitad de los proyectos de IA generativa serán abandonados después del POC. En Chile, donde comenzará a regir la nueva Ley 21.719 de Protección de Datos Personales, la presión por escalar con gobernanza y soberanía se vuelve además una obligación legal.

“Hoy la IA ya no es un experimento; está madura y los modelos están production-ready. El desafío no está en la tecnología, sino en cómo se consume y cómo se escala”, afirma Enzo Fedrizzi, Gerente Regional de la Práctica de Transformación Digital de HPE Chile.

La pieza central de la propuesta es Private Cloud AI, una AI Factory dentro del portfolio NVIDIA AI Computing by HPE. No se trata de un servidor con GPU, sino de una plataforma que integra cuatro capas en un único stack: infraestructura optimizada para GPU, un Data Fabric para integración de datos en tiempo real, NVIDIA AI Enterprise con más de 600 modelos preentrenados, y una capa unificada de operación.

La arquitectura responde a una diferencia estructural que el mercado suele pasar por alto. A diferencia de una aplicación web, que es hiperdistribuida, una aplicación de IA es monolítica: la GPU debe estar al lado del dato. “Cuando necesitas escalar una aplicación de inteligencia artificial, es más monolítica y se requiere una instancia reservada porque necesitas la GPU para correr”, explica Fedrizzi.

Esa lógica, sumada a la asimetría entre el entrenamiento (intensivo en GPU) y la inferencia (mucho más liviana), rompe el modelo económico de la nube pública, que rentabiliza compartir servidores entre miles de clientes.

Aquí aparece una de las fortalezas más concretas de la propuesta. Según datos compartidos por HPE, el costo por GPU/hora de Private Cloud AI es 50% menor que en nube pública en configuraciones livianas, y llega a 76% de diferencia en stacks mayores de 16 GPU H100. Medido por consumo de tokens sobre un modelo Llama 3 8B, el ahorro alcanza el 57%. Pero el argumento decisivo no es solo el ahorro nominal sino la predecibilidad: mientras el consumo por tokens en la nube es estructuralmente impredecible (puede dispararse ante un call center desbordado o una campaña viral), el on-premise entrega un costo conocido por adelantado. Para un CFO, esa transición de un gasto variable a uno fijo suele ser el factor que destraba la inversión.

A esto se suma el pilar de soberanía y gobernanza. La plataforma incorpora capacidades de “firewall de datos” que rastrean orígenes, identifican duplicados y marcan información sensible según Ley 21.719, GDPR o PCI, además de un Data Fabric que opera como data lakehouse definido por software, aplicando reglas de gobierno desde el origen del dato.

Desde NVIDIA, Marcio Aguiar, Director de la División Enterprise para Latinoamérica, sintetiza el valor regional: “Para Chile y la región, esto significa que las empresas pueden adoptar infraestructura soberana, localizada y de clase mundial, sin tener que construirla desde cero. Eso acelera la adopción de IA en sectores estratégicos como minería, retail, servicios financieros y salud”.

Es en el ecosistema donde la propuesta se vuelve especialmente atractiva para los partners. HPE articula un modelo de tres capas: la marca aporta la plataforma; los ISV (Independent Software Vendors) aportan la especialización vertical; y el canal integra, despliega y opera. “El ISV se concentra en su caso de uso; el canal lo integra. Esa especialización del ISV es la gran diferencia”, resume Fedrizzi.

Para el ISV, la plataforma es un acelerador: le resuelve de una vez las capas de infraestructura, virtualización, observabilidad y gobernanza, permitiéndole concentrarse en su producto y venderlo por suscripción. Para el canal integrador, el rol se eleva: deja de ser un revendedor de equipos para convertirse en el articulador que conecta múltiples ISV sobre una misma plataforma. Fedrizzi cita el caso de un holding chileno donde Sonda integró Private Cloud AI y tres ISV distintos se desplegaron sobre la misma capa, sin multiplicar costos ni puntos de gobierno.

El modelo abre tres líneas de monetización para el partner: la integración del stack inicial, los servicios profesionales por cada despliegue de ISV, y el soporte recurrente sobre la operación. La clave es que el ingreso crece a medida que el cliente suma casos de uso sobre la misma plataforma, sin nueva venta de hardware. Aguiar lo confirma: los ISV son “absolutamente estratégicos” y la relación con el canal es “cada vez más decisiva para el éxito del mercado”.

El punto de entrada refuerza el atractivo comercial. Un stack con dos GPU NVIDIA RTX Pro 6000 está disponible por menos de US$10.000 y procesa más de 9 mil millones de tokens al mes. Así, la AI Factory deja de ser un proyecto exclusivo del gran corporativo y se transforma en una conversación que el canal puede llevar también al segmento mediano, el de mayor velocidad de adopción. Para el ecosistema chileno, la oportunidad es construir ahora la posición de mercado de la próxima década.