La operación de un centro de datos ya no se decide solo en el plano del diseño o la capacidad instalada. Con cargas cada vez más intensas —especialmente las asociadas a Inteligencia Artificial—, el margen de error se estrecha y el mantenimiento deja de ser una rutina de calendario para convertirse en un ejercicio continuo de vigilancia y priorización. En ese contexto, Vertiv ha anunciado Vertiv™ Next Predict, un servicio gestionado impulsado por IA que busca “industrializar” el mantenimiento de infraestructuras críticas, pasando de modelos reactivos o preventivos tradicionales a un enfoque basado en condición y predicción.

La propuesta parte de una idea sencilla: si la infraestructura se puede observar con suficiente resolución (telemetría, sensores, métricas operativas) y se dispone de analítica capaz de detectar desviaciones, es posible anticipar fallos o degradaciones antes de que se conviertan en una incidencia real. El objetivo declarado es reducir el riesgo de paradas no planificadas, mejorar la fiabilidad y optimizar el rendimiento del conjunto, especialmente en entornos de alta densidad donde energía y refrigeración se vuelven tan determinantes como el propio hardware de computación.

Del mantenimiento “por calendario” al mantenimiento “por comportamiento”

Durante años, muchas instalaciones han convivido con un equilibrio entre revisiones programadas, reemplazos preventivos y actuaciones reactivas cuando algo se rompe. El problema es que ese modelo tiende a volverse ineficiente a medida que la complejidad crece: más sensores, más equipos, más sedes, más dependencias, y menos tolerancia a la interrupción.

Next Predict se presenta como un “servicio digital gestionado” que combina sensores, telemetría de alta resolución y analítica IA/ML para generar “insights” accionables. En su documentación, Vertiv lo describe como una capa que monitoriza el estado de los activos, detecta anomalías y aplica lógica automatizada de mantenimiento basado en condición y mantenimiento predictivo para ayudar a los equipos de operación a ir más allá del mantenimiento por calendario.

En la práctica, el enfoque se apoya en una cadena de cinco pasos: captura de telemetría del activo, transmisión segura de datos a la nube, analítica cloud para contextualizar y detectar indicadores tempranos, definición de acciones prescriptivas y, finalmente, una respuesta de servicio dirigida “cuando y donde” sea necesario.

Ese punto final es relevante: la IA, aquí, no se plantea como un tablero de métricas “bonito”, sino como un mecanismo para tomar decisiones operativas. La promesa es recortar la incertidumbre: menos suposiciones y más acciones basadas en evidencia, con priorización según severidad y riesgo.

Qué cambia para los operadores: visibilidad, priorización y menos visitas “a ciegas”

Uno de los costes ocultos de la operación de infraestructura crítica no es solo la avería, sino todo lo que se hace “por si acaso”: visitas que no detectan nada, intervenciones demasiado tempranas, sustituciones que aún no eran necesarias o diagnósticos que llegan tarde. En su ficha, Vertiv pone el foco en beneficios como maximizar el tiempo de actividad mediante monitorización continua, reducir caídas no planificadas prediciendo fallos con algoritmos y mejorar la eficiencia con recomendaciones basadas en métricas operativas en tiempo real.

A nivel de operación diaria, el servicio incorpora elementos pensados para equipos que gestionan múltiples ubicaciones: desde un panel digital centralizado (salud del equipo, alertas, recomendaciones y planificación de ciclo de vida) hasta “fleet benchmarking”, comparando rendimiento entre equipos y sedes para extraer mejores prácticas.

También aparece una pieza que, en un entorno de IA de alta densidad, se vuelve crítica: la capacidad de acortar el tiempo hasta el diagnóstico y la reparación. La ficha menciona mejoras en MTTR (mean time to repair), diagnóstico remoto y optimización del tiempo “on-site”, una manera de decir que la intervención física debería estar cada vez más guiada por señales claras y no por rondas rutinarias.

Un servicio pensado para energía y refrigeración, incluyendo baterías y líquida

Si hay un consenso creciente en el sector es que la escalada de potencia por rack y la adopción de refrigeración avanzada han convertido a la infraestructura “no-IT” en un factor diferencial. Vertiv sitúa Next Predict dentro de su portfolio para centros de datos orientados a IA y señala compatibilidad con plataformas de energía y refrigeración, incluyendo almacenamiento de energía en baterías (BESS) y componentes de refrigeración líquida, con una arquitectura concebida para evolucionar “de red a chip”.

En la ficha técnica se listan ejemplos concretos de áreas y familias compatibles: gestión térmica (incluyendo soluciones de refrigeración líquida como CoolChip CDU), baterías (EnergyCore), UPS (familias Liebert, PowerUPS, Trinergy Cube) y distribución de energía (STS, PPC), entre otras.

Este enfoque apunta a un cambio cultural: cuando la infraestructura se vuelve más densa y más cara de enfriar, el mantenimiento predictivo deja de ser un “nice to have” y pasa a ser una herramienta para sostener rendimiento y disponibilidad sin disparar costes operativos.

El ángulo humano: menos improvisación en un entorno que ya no perdona

Vertiv enmarca el anuncio en una realidad que muchos equipos conocen bien: conforme sube la intensidad computacional, también crece la presión por mantener continuidad operativa y rendimiento a escala. El mensaje corporativo insiste en que la analítica avanzada permite anticiparse a riesgos y pasar de estrategias regidas por calendario a decisiones informadas con monitorización continua.

Traducido a lenguaje de sala de control: menos sobresaltos, más capacidad de priorizar, y una operación que no dependa tanto de “olfato” o de reglas genéricas. En tiempos de “fábricas de IA”, donde el coste de una parada se multiplica, esa transición es casi inevitable.

---

Preguntas frecuentes

¿Qué diferencia hay entre mantenimiento preventivo y mantenimiento predictivo con IA en un centro de datos?
El preventivo actúa por calendario (revisiones y cambios programados). El predictivo busca actuar por condición real del equipo, detectando anomalías e indicadores tempranos para intervenir antes de un fallo, priorizando según riesgo.

¿Qué tipo de infraestructura cubre Vertiv Next Predict?
Está orientado a activos de energía y refrigeración, con ejemplos que incluyen UPS, baterías, distribución eléctrica y soluciones de gestión térmica, incluida refrigeración líquida.

¿Cómo ayuda un servicio gestionado de este tipo a reducir caídas no planificadas?
La propuesta combina telemetría, transmisión segura de datos a la nube, analítica para detectar señales tempranas y acciones prescriptivas interpretadas por equipos de servicio, con respuesta dirigida para evitar impactos operativos.

¿Por qué este enfoque gana importancia en centros de datos para Inteligencia Artificial?
Porque el aumento de densidad y complejidad (energía y refrigeración más exigentes, más dependencias) reduce la tolerancia al fallo. El mantenimiento basado en datos busca aportar visibilidad y control continuos para sostener rendimiento y continuidad operacional.

vía: vertiv