El discurso de la Inteligencia Artificial empresarial está cambiando de fase. Durante los últimos años, muchas compañías han experimentado con modelos, asistentes y analítica avanzada en entornos aislados. Sin embargo, cuando la IA aterriza en producción, el debate deja de girar en torno a “qué modelo usar” y se centra en algo mucho más complejo: cómo dar acceso seguro, fiable y gobernado a los datos, allí donde ya están.

En ese contexto, Cloudera ha anunciado la ampliación de su oferta para que parte de su pila de inferencia y analítica pueda ejecutarse también on-premises, es decir, dentro de los centros de datos del cliente. La compañía comunicó el 9 de febrero de 2026 que Cloudera AI Inference y Cloudera Data Warehouse con Trino estarán disponibles en entornos locales, y que además incorpora mejoras en Cloudera Data Visualization para “coser” flujos de trabajo de IA y analítica entre nube, edge y CPD.

El movimiento busca responder a una tensión que se ha hecho evidente en la última ola de proyectos: mover datos sensibles a la nube para alimentar modelos puede implicar más riesgo, más exposición normativa y, a menudo, más fricción operativa. Por eso, el mensaje de Cloudera pone el acento en un enfoque inverso al habitual: llevar la IA hacia los datos, en lugar de llevar los datos hacia la IA.

De la IA “piloto” a la IA “industrial”: gobernanza y seguridad como condición de éxito

Cloudera enmarca su anuncio en una idea que se repite en comités de dirección y oficinas de datos: cuando la IA se integra en procesos críticos, la prioridad pasa a ser el acceso gobernado a la información. La empresa cita su informe “The State of Enterprise AI and Data Architecture” y destaca que casi la mitad de las compañías almacena datos en un data warehouse, lo que refuerza la importancia de asegurar que las aplicaciones de IA puedan consultarlos sin sacar información fuera de entornos protegidos.

En términos prácticos, la promesa es atractiva para sectores regulados (finanzas, sanidad, industria, administraciones): menos movimiento de datos, menos puntos ciegos y una superficie de riesgo más controlable. A esto se suma otro factor que pesa cada vez más en presupuestos: la necesidad de mantener costes sostenibles cuando la IA deja de ser un experimento y se convierte en un servicio estable que consume recursos de forma continuada.

Cloudera AI Inference en local: inferencia con pila NVIDIA dentro del CPD

El anuncio sitúa a Cloudera AI Inference como una pieza para desplegar y escalar modelos en el propio centro de datos. La compañía subraya que esta capa está impulsada por tecnología de NVIDIA y que permite ejecutar “cualquier modelo de IA”, incluyendo los modelos abiertos NVIDIA Nemotron, cubriendo casos como LLM, detección de fraude, visión por computador o voz.

En la parte de infraestructura y serving, Cloudera menciona aceleración con la pila de NVIDIA y el uso de GPUs NVIDIA Blackwell, junto con NVIDIA Dynamo-Triton Inference Server y NVIDIA NIM microservices para el servicio de modelos a alto rendimiento y con escalabilidad.

El argumento que acompaña a ese stack es doble: por un lado, economía más predecible al evitar la volatilidad de costes que algunas organizaciones asocian a la nube cuando la inferencia se vuelve permanente; por otro, control de latencia, cumplimiento y privacidad, al mantener datos y ejecución dentro del perímetro del CPD.

Data Warehouse con Trino en el centro de datos: una capa para acelerar consultas sin perder control

El segundo pilar del anuncio es Cloudera Data Warehouse con Trino, que también pasa a estar disponible en despliegues on-premises. El enfoque aquí es especialmente relevante para arquitecturas híbridas: centralizar seguridad, gobernanza y observabilidad sobre el “data estate” (el conjunto de datos corporativos) y, al mismo tiempo, acelerar el acceso a insights.

Cloudera presenta esta evolución como una forma de convertir datos complejos en resultados accionables “sin comprometer seguridad, cumplimiento u operación”. En un momento en el que muchas compañías viven entre varias nubes, edge e infraestructuras heredadas, esa promesa apunta a un problema real: el coste de operar datos dispersos, con políticas inconsistentes y visibilidad limitada.

Data Visualization se refuerza con funciones de IA: resúmenes automáticos y trazabilidad

Junto a inferencia y warehouse, Cloudera anuncia mejoras en Cloudera Data Visualization con el objetivo de simplificar flujos de trabajo “IA-driven” y enriquecer el análisis en el CPD y más allá. Entre las novedades destacan:

• AI annotation: generación instantánea de resúmenes e insights contextuales para gráficos y visualizaciones, evitando redacción manual.
• Funciones de IA más resilientes: manejo de incidencias transitorias y analítica de uso para monitorización y optimización.
• Registro y trazabilidad de consultas de IA: cada consulta registra identificador de mensaje, marca temporal y pregunta, para facilitar transparencia y resolución de problemas.
• Administración simplificada: asignación más sencilla de roles de administración mediante parámetros de configuración actualizados, con el objetivo de agilizar escenarios basados en SSO sin credenciales “hardcodeadas” ni promoción manual de usuarios.

En un entorno de datos gobernados, la trazabilidad deja de ser un detalle: es un requisito para auditoría, cumplimiento y para explicar cómo se generan ciertos resultados, especialmente cuando la IA se usa en reporting o decisiones sensibles.

Declaraciones: control y flexibilidad como mensaje de fondo

Leo Brunnick, Chief Product Officer de Cloudera, enmarca el anuncio como una forma de dar a los clientes más control y flexibilidad, al poder desplegar inferencia, warehouse con Trino y visualización “donde residen los datos críticos”, sin sacrificar seguridad o eficiencia operativa.

Desde NVIDIA, Pat Lee (vicepresidente de alianzas estratégicas enterprise) destaca la colaboración como una vía para escalar inferencia con Blackwell, Dynamo-Triton y NIM, con la promesa de combinar control, economía predecible y eficiencia en centro de datos.

Próxima parada: DeveloperWeek y el foco en lakehouse abierto

Cloudera también avanza su presencia en DeveloperWeek (18-20 de febrero de 2026), donde prevé impartir una sesión sobre cómo diseñar una arquitectura open lakehouse cloud-native con Apache Iceberg. El guiño no es menor: el mercado está buscando cada vez más arquitecturas abiertas y portables, capaces de unir gobernanza, rendimiento y flexibilidad sin encerrar a la empresa en un único modelo de despliegue.

---

Preguntas frecuentes

¿Qué significa “IA inference on-premises” y por qué interesa a empresas con datos sensibles?
Implica ejecutar la inferencia (servicio de modelos) dentro del centro de datos, con el objetivo de mantener datos y procesamiento en entornos controlados, reduciendo exposición de cumplimiento y evitando mover información crítica fuera del perímetro corporativo.

¿Qué aporta Cloudera Data Warehouse con Trino en un CPD frente a un enfoque solo cloud?
Según Cloudera, busca acelerar el acceso a insights manteniendo seguridad, gobernanza y observabilidad centralizadas, especialmente útil cuando los datos y cargas están repartidos entre nube, edge y centro de datos.

¿Qué papel juega NVIDIA Blackwell, Triton y NIM en el anuncio de Cloudera?
Cloudera afirma que su AI Inference se apoya en la pila de NVIDIA, incluyendo GPUs Blackwell, Dynamo-Triton Inference Server y NIM microservices, para ofrecer serving de modelos con rendimiento y escalabilidad en entornos empresariales.

¿Por qué la trazabilidad de consultas de IA en visualización y analítica se está volviendo crítica?
Porque permite auditar qué se preguntó, cuándo y con qué contexto, algo esencial para cumplimiento, transparencia y resolución de incidencias cuando la IA se integra en procesos y reporting corporativo.