NetApp y Cisco han ampliado su colaboración en torno a FlexPod con nuevas arquitecturas validadas para cargas de trabajo de Inteligencia Artificial. La propuesta busca resolver una de las tensiones más habituales en las empresas que quieren pasar de pruebas de concepto a despliegues reales: cómo combinar cómputo, red, almacenamiento, seguridad y gestión de datos sin construir cada plataforma desde cero.
El anuncio, realizado el 3 de junio de 2026 durante Cisco Live! en Las Vegas, refuerza una alianza de largo recorrido entre ambos fabricantes. FlexPod, la arquitectura convergente basada tradicionalmente en tecnologías de Cisco y NetApp, se adapta ahora a escenarios de IA como RAG, búsqueda semántica, inferencia, edge computing y despliegues empresariales de alto rendimiento con controles de seguridad integrados desde el diseño.
FlexPod se adapta a la IA de producción
La Inteligencia Artificial empresarial está entrando en una fase más exigente. Muchas organizaciones ya no se conforman con probar modelos en entornos aislados o lanzar pilotos con datos limitados. Quieren llevar casos de uso a producción, conectar modelos con repositorios corporativos, ejecutar búsquedas semánticas, desplegar asistentes internos, acelerar inferencias y hacerlo con seguridad, gobierno del dato y rendimiento predecible.
Ese salto no depende únicamente de elegir un modelo. La infraestructura tiene que mover datos, alimentar GPUs o XPUs, reducir cuellos de botella, proteger información sensible y permitir operaciones repetibles. Ahí es donde NetApp y Cisco quieren posicionar la nueva generación de soluciones FlexPod para IA.
Según NetApp, la alianza histórica en FlexPod ya ha permitido a clientes ahorrar hasta un 20 % de tiempo en gestión y mantenimiento de infraestructura. La compañía presenta ahora esa base como un punto de partida para simplificar despliegues de IA, reducir riesgos y evitar integraciones demasiado artesanales.
| Ámbito | Qué aporta la nueva propuesta FlexPod para IA | Por qué importa |
|---|---|---|
| IA empresarial | Arquitecturas validadas para RAG, búsqueda semántica e IA a escala | Reduce la complejidad de pasar de pruebas a producción |
| Almacenamiento | NetApp AFX y enfoque de almacenamiento desagregado | Permite escalar rendimiento y capacidad de forma más independiente |
| Datos para IA | NetApp AI Data Engine, integrado con el diseño NVIDIA AI Data Platform | Ayuda a descubrir, preparar y gobernar datos para IA |
| Red | Cisco AI networking, Nexus One y tejido de red de alto rendimiento | Busca mejorar la utilización de aceleradores y reducir tiempos de ejecución |
| Seguridad | Cisco Secure AI Factory con NVIDIA y controles alineados con Zero Trust | Aborda riesgos específicos de datos, cumplimiento y exposición |
| Inferencia y RAG | Soluciones preintegradas para departamentos y equipos | Baja barreras de coste, complejidad y especialización |
| Edge computing | Cisco Unified Edge con opciones de almacenamiento NetApp | Facilita IA distribuida con baja latencia y operación centralizada |
| Gestión | Arquitecturas preprobadas y automatización | Mejora la repetibilidad en despliegues complejos |
Datos, red y seguridad: la parte menos visible de la IA
La IA empresarial suele explicarse desde los modelos, los chips o las aplicaciones finales, pero la capa de datos condiciona gran parte del resultado. Una compañía puede disponer de grandes volúmenes de información, pero si no sabe localizarla, clasificarla, prepararla, protegerla y conectarla con los modelos adecuados, el valor queda bloqueado.
NetApp introduce en esta propuesta su AI Data Engine, una tecnología orientada a descubrimiento, preparación y gobierno del dato dentro de la propia infraestructura. La compañía lo vincula al diseño de referencia NVIDIA AI Data Platform, con la idea de que los datos estén preparados para alimentar fábricas de IA sin perder control ni trazabilidad.
Cisco, por su parte, aporta la capa de red y seguridad. La referencia a Cisco Secure AI Factory con NVIDIA apunta a un enfoque donde la seguridad no se añade al final, sino que forma parte de la arquitectura. En IA esto es especialmente importante porque los riesgos no se limitan al acceso no autorizado. También hay exposición de datos sensibles, falta de gobierno, uso inadecuado de modelos, errores en pipelines, fugas a través de consultas y problemas de cumplimiento normativo.
La red también gana peso. En entornos de entrenamiento, inferencia intensiva o procesamiento distribuido, no basta con tener aceleradores potentes. Si la red introduce latencia, pérdida de rendimiento o comportamientos poco predecibles, las inversiones en hardware pueden quedar infrautilizadas. Cisco plantea Nexus One como parte de una infraestructura de red determinista y de alto rendimiento para mejorar la utilización de XPUs, reducir tiempos de finalización de trabajos y dar más previsibilidad a los resultados.
La lectura es clara: la IA de producción exige una infraestructura más coordinada. Almacenamiento, red, seguridad, cómputo y gobierno del dato ya no pueden funcionar como piezas separadas si el objetivo es operar cargas críticas con estabilidad.
Tres escenarios: empresa, departamentos y edge
NetApp y Cisco agrupan las nuevas soluciones alrededor de tres grandes casos de uso. El primero es la IA empresarial a escala, pensada para organizaciones que quieren desplegar infraestructura de alto rendimiento para casos como RAG y búsqueda semántica. Este tipo de arquitectura permite ejecutar capacidades de IA cerca de donde residen los datos, algo relevante para empresas que no quieren mover grandes volúmenes de información sensible a entornos externos sin control.
El segundo escenario se centra en inferencia y flujos RAG para equipos o departamentos. No todas las empresas necesitan una gran “fábrica de IA” desde el primer día. Muchas buscan empezar con asistentes internos, análisis documental, recuperación de conocimiento, automatización de soporte o herramientas que permitan consultar datos corporativos con lenguaje natural. Una solución preintegrada puede reducir la necesidad de perfiles muy especializados y acortar el tiempo hasta el primer caso de uso productivo.
El tercer escenario apunta al edge computing. La IA en el borde tiene sentido cuando los datos se generan lejos del centro de datos principal o cuando la latencia es crítica: plantas industriales, tiendas, hospitales, centros logísticos, sedes remotas o infraestructuras distribuidas. Extender FlexPod a ubicaciones edge con Cisco Unified Edge y almacenamiento NetApp permite mantener una operación más coherente, en lugar de levantar islas tecnológicas distintas en cada emplazamiento.
Este punto es importante porque muchas empresas ya operan entornos híbridos y distribuidos. La IA no siempre podrá ejecutarse en un único centro de datos o en una nube pública. En algunos casos, por latencia, coste, volumen de datos o requisitos regulatorios, tendrá que desplegarse cerca del origen de la información.
La IA necesita arquitecturas repetibles
El movimiento de NetApp y Cisco refleja una tendencia más amplia del mercado: las empresas buscan reducir el riesgo de sus proyectos de IA mediante arquitecturas validadas. Durante la primera fase de adopción, muchas organizaciones construyeron entornos de prueba con piezas sueltas. Esa aproximación sirve para aprender, pero puede complicarse cuando hay que escalar, securizar, auditar y mantener plataformas en producción.
FlexPod intenta responder a ese problema con un enfoque conocido: integración probada, componentes empresariales y patrones de despliegue repetibles. La novedad está en adaptar ese modelo a cargas de Inteligencia Artificial, donde los requisitos de rendimiento, datos, red y seguridad son más exigentes que en muchas aplicaciones tradicionales.
La participación de NVIDIA añade otra capa relevante. NetApp y Cisco señalan que han colaborado con NVIDIA para construir soluciones FlexPod basadas en arquitecturas empresariales de referencia. Esto encaja con la idea de “AI factories”, entornos preparados para diseñar, desplegar y escalar cargas de IA con una base técnica más controlada.
También aparece World Wide Technology como socio de validación a través de su AI Proving Ground. Para muchas compañías, probar una arquitectura antes de adoptarla puede ser tan importante como las especificaciones del fabricante. La IA sigue siendo un terreno con muchas promesas comerciales, y los clientes necesitan comprobar rendimiento, integración y operación real antes de comprometer inversiones relevantes.
El anuncio no elimina los retos habituales de la IA empresarial. Seguirá siendo necesario definir casos de uso claros, preparar datos, formar equipos, controlar costes, establecer políticas de seguridad y medir retorno. Pero sí apunta a una maduración del mercado: la conversación se desplaza desde “qué modelo uso” hacia “qué infraestructura necesito para usar IA de forma fiable”.
NetApp y Cisco quieren que FlexPod ocupe ese espacio como plataforma validada para organizaciones que buscan acelerar proyectos de IA sin asumir toda la complejidad de integración. En un momento en el que muchas empresas quieren pasar del laboratorio a producción, esa promesa puede tener recorrido si se traduce en despliegues más rápidos, seguros y fáciles de operar.
Preguntas frecuentes
¿Qué han anunciado NetApp y Cisco?
NetApp y Cisco han anunciado nuevas soluciones FlexPod validadas para cargas de Inteligencia Artificial, con foco en rendimiento, seguridad, gestión de datos y simplificación de despliegues empresariales.
¿Qué casos de uso de IA cubren las nuevas soluciones FlexPod?
Las soluciones se orientan a despliegues empresariales de IA, RAG, búsqueda semántica, inferencia, flujos departamentales y edge computing con cargas virtualizadas, contenedores y necesidades de baja latencia.
¿Qué papel tiene NVIDIA en esta propuesta?
NetApp y Cisco señalan que han colaborado con NVIDIA para construir soluciones basadas en arquitecturas empresariales de referencia, incluyendo integración con conceptos como AI Data Platform y Secure AI Factory con NVIDIA.
¿Por qué es importante la seguridad en la infraestructura de IA?
Porque los proyectos de IA trabajan con datos sensibles, modelos, pipelines y componentes distribuidos. La seguridad debe cubrir acceso, gobierno del dato, exposición, cumplimiento normativo y protección de todo el ciclo de vida de la aplicación.
vía: netapp
