John Walsh, vicepresidente y director de tecnología de Fujitsu Europa.
John Walsh, CTO europeo de Fujitsu: "Más del 50% del coste de los proyectos de IA va a formar a los usuarios"
El vicepresidente y CTO de Fujitsu Europa defiende que las empresas están abordando la inteligencia artificial con demasiada fascinación por los modelos y poca disciplina sobre los datos, los procesos y la adopción.
Tras poner en producción una plataforma para 5.000 ingenieros, sostiene que la IA empresarial exige el mismo trabajo de fondo que cualquier gran proyecto tecnológico y anticipa una arquitectura en la que grandes y pequeños modelos convivirán con CPU y GPU.
El elefante en la habitación de los últimos meses, al menos en lo que concierne a la inteligencia artificial, pasa por cómo convertir esta revolucionaria tecnología en algo que escale dentro de las empresas y tenga un impacto real en ellas, más allá de la ya consabida mejora de la productividad individual. Decimos que es el asunto en ciernes pero poco gustoso de tratar, puesto que es más sencillo dejarse llevar por el tráfago de modelos, agentes, copilotos, arquitecturas RAG y promesas de automatización que hablar, en serio, de cuentas de resultados y madurez digital.
John Walsh, vicepresidente y director de tecnología (CTO) de Fujitsu Europa, observa esa carrera desde una posición poco dada al arrobo. Lleva más de tres décadas trabajando con sistemas empresariales e inteligencia artificial, y no duda en aseverar que las compañías se han apresurado a discutir qué modelo utilizar antes de averiguar con suficiente rigor qué problema quieren resolver, qué datos poseen y cuánto valor económico pueden extraer de la solución.
Walsh acaba de completar un proyecto de IA en producción destinado a 5.000 ingenieros, capaz de trabajar en 18 idiomas y de desenvolverse con información de una complejidad considerable: matemáticas, dinámica de fluidos, ingeniería química, circuitos, diagramas o tablas. La parte técnicamente más vistosa, sin embargo, estuvo lejos de consumir todo el esfuerzo, como explica en entrevista con DISRUPTORES - EL ESPAÑOL: "La parte principal de mi trabajo consistió en conseguir que los datos del cliente estuvieran bien".
A ello se añadió otra condición que suele perderse entre ditirambos sobre la tecnología: fijar un coste compatible con el valor que la aplicación iba a aportar a la organización. Y todavía quedaba el factor humano. "Más del 50% del coste estuvo en formar a los usuarios finales para que supieran utilizar y consumir realmente la IA", sostiene Walsh.
Pueden imaginar, a partir de este ejemplo, cuál es la filosofía que subyace al pensamiento de este ejecutivo: implantar inteligencia artificial a escala empresarial obliga a intervenir sobre la organización y su manera de trabajar, no únicamente sobre su infraestructura tecnológica.
La IA vuelve a tropezar con los datos
El problema resulta particularmente familiar para una industria que lleva más de una década hablando de big data, data warehouses, lagos de datos, gobierno de la información y calidad de los mismos. La inteligencia artificial generativa ha convertido aquellas viejas carencias en un óbice todavía más evidente porque ahora los sistemas deben extraer respuestas de fuentes heterogéneas, incompletas y, en muchos casos, sometidas a restricciones de acceso que una empresa nunca se había detenido a examinar con suficiente profundidad.
John Walsh rechaza cualquier atajo al respecto. Antes de implantar un ERP o un sistema de recursos humanos, recuerda, una compañía comenzaba por recopilar requisitos y estudiar los datos disponibles. "No hay una solución mágica. No hay un atajo en un proyecto de IA. Es exactamente lo mismo", sentencia. Añade que en cualquier iniciativa de esta índole hay que comprobar si la información está disponible, si presenta el formato adecuado, si alcanza el nivel de detalle necesario y si está completa.
La aparente sencillez con la que un usuario conversa con un modelo puede ocultar una labor ímproba detrás de la pantalla.
"Lo que tenemos ahora con la IA es maravilloso, pero no puedes perder la disciplina"
John Walsh, CTO de Fujitsu Europa.
Ese examen tampoco puede realizarse una sola vez y darse por concluido. Una organización puede creer que conoce sus datos hasta que un proyecto obliga a formular preguntas concretas: si falta información, si todas las lenguas están cubiertas, si los permisos son correctos o si cada conjunto cumple las políticas internas y regulatorias. "A menos que realmente lo hayas comprobado y hayas dedicado tiempo a entenderlo, nadie lo hace", señala. "Estás demasiado preocupado por el día a día y por resolver el problema de hoy".
De ahí que Walsh insista en conservar una disciplina que la exuberancia de la IA generativa puede relegar. Antes de maravillarse por lo que un sistema es capaz de producir, propone someterlo a preguntas mucho más prosaicas: quién puede acceder a la información, si el resultado cumple las normas aplicables, si es seguro y, sobre todo, si es exacto.
En la IA clásica (si se puede denominar clásico a algo tan inmediato, como es la IA determinista), recuerda, estas cuestiones formaban parte del trabajo cotidiano porque las decisiones técnicas dependían directamente del resultado. La flexibilidad de los modelos actuales no exonera de esa responsabilidad: "Lo que tenemos ahora es maravilloso, pero no puedes perder la disciplina".
Rediseñar primero el proceso
Esa disciplina a la que se atiene el CTO europeo de Fujitsu empieza incluso antes de seleccionar la herramienta. Para Walsh, superponer inteligencia artificial sobre procesos construidos durante años alrededor de ERP, automatización robótica o flujos de trabajo tradicionales conduce a retornos limitados.
"Es mejor rediseñar el flujo de trabajo pensando en la IA desde el principio", defiende, en una suerte de secuencia en la que primero deben definirse el caso de uso y el caso de negocio. Las herramientas llegan después.
El directivo recurre durante nuestra conversación a una analogía deliberadamente sencilla: quien lleva un coche averiado al taller no pregunta al mecánico si dispone de una llave de 15 milímetros o de otra de 20. Describe el fallo y espera que el profesional determine qué instrumentos necesita para resolverlo. "Las herramientas son los modelos. Las herramientas son los agentes. Las herramientas son los servicios MCP. Solo son herramientas", explica. Para él, y volviendo al punto inicial de su discurso, la discusión empresarial debería comenzar por las características del problema y por aquello que se pretende conseguir.
![Inteligencia Artificial.](["https:\/\/s3.elespanol.com\/k\/imgp\/cms\/elespanol\/11272445.jpg?p=w:320\/h:240&h=F1M5_R_y"])
En el proyecto para los 5.000 ingenieros al que vuelve una y otra vez cual mantra, ese cambio alcanzó al propio funcionamiento interno de la organización. Hasta entonces, un pequeño grupo de especialistas veteranos recibía preguntas muy específicas y debía investigar cada caso antes de ofrecer una respuesta. La implantación de IA exigía modificar el recorrido: la primera consulta pasaría al agente y los profesionales tendrían que aprender además a interrogarlo adecuadamente.
El sistema incorporó tecnología de Fujitsu para RAG con grafos de conocimiento y herramientas de Cohere, junto con modelos de propósito general, pero Walsh coloca deliberadamente esa elección en el último tramo de la arquitectura, después de los datos, el proceso y la adopción.
La IA sí altera de manera profunda, reconoce, la velocidad a la que una empresa puede desarrollar código y construir prototipos, pero esa celeridad tampoco permite claudicar en las comprobaciones.
Walsh recuerda en ese sentido sus trabajos de hace 20 o 30 años con sistemas destinados a la gestión de centrales nucleares para ilustrar el principio: allí no cabían aproximaciones sobre cuándo refrigerar un reactor. La medicina, el desarrollo de fármacos o los proyectos de optimización industrial plantean hoy exigencias semejantes cuando una decisión depende de una respuesta algorítmica. "Todas estas cosas necesitan ser validadas, como lo hacíamos tradicionalmente. No veo por qué no deberíamos hacerlo en este caso".
Una jerarquía de modelos en lugar de un único cerebro
Una vez establecido el problema de negocio, llega inevitablemente la batalla de los modelos, esa que tanto predomina actualmente en redes sociales y en foros de tan diversa naturaleza. No podemos obviar que las grandes plataformas con LLM de frontera ofrecen capacidades extraordinarias, pero su utilización en el mundo empresarial abre otros tantos interrogantes sobre privacidad, propiedad intelectual, soberanía y coste. En paralelo, fabricantes como Fujitsu trabajan con modelos más pequeños y especializados que pueden ejecutarse más cerca de los datos, incluso en infraestructuras privadas o en el edge.
Walsh no contempla una victoria absoluta de ninguno de los dos extremos. "Creo que el panorama será una combinación de ambos. Los modelos de frontera son enormemente útiles, pero la pregunta es: ¿Los necesito todos los días para hacer mi trabajo? En absoluto", defiende.
John Walsh, vicepresidente y director de tecnología de Fujitsu Europa.
La elección, por tanto, deberá realizarse tarea por tarea. En el edge, razona, suelen ejecutarse funciones acotadas a una disciplina y un dominio concretos. Ahí cobra valor disponer de un modelo especializado y, además, conocer la procedencia de sus datos de entrenamiento y acreditar que existe permiso para utilizarlos. La asociación de Fujitsu con Cohere se inserta en esa estrategia, con modelos orientados al ámbito empresarial que pueden formar parte de soluciones privadas y específicas de dominio.
"Esto no va a ser una solución única para todo", resume Walsh. Su previsión es una "jerarquía de modelos" en la que cada carga recurra al instrumento más apropiado. El quid prodest tecnológico adquiere así una respuesta bastante pragmática: el modelo pertinente será el que aporte valor suficiente para una tarea concreta con unos requisitos aceptables de coste, privacidad, rendimiento y control.
CPU, GPU y el coste de tener aceleradores ociosos
La misma lógica se traslada al hardware. El auge de la IA ha situado a las GPU en el centro de una inversión multimillonaria en centros de datos, mientras Fujitsu prepara FUJITSU-MONAKA, su próxima generación de procesadores Arm para centros de datos. La compañía prevé su lanzamiento en 2027 y plantea una arquitectura en la que CPU y GPU se complementen en función del tipo de carga, en lugar de forzar cada trabajo sobre el acelerador más caro disponible.
John Walsh explica a DISRUPTORES - EL ESPAÑOL que Fujitsu trabaja con NVIDIA y AMD con el objetivo de disponer de una capa de software capaz de dirigir cada carga al recurso más apropiado. "Usa la GPU cuando necesites usar la GPU", sintetiza. Uno de los planteamientos que describe consiste en agrupar diferentes cargas de IA y aprovechar mejor el acelerador, una cuestión relevante cuando buena parte del coste económico proviene precisamente de mantener esa infraestructura.
Su comparación vuelve a huir del galimatías técnico: "Los aviones son más eficientes cuando todos los asientos están ocupados. Es exactamente el mismo enfoque que está adoptando Fujitsu", señala. Siguiendo su hilo, si una organización ejecuta multitud de modelos pequeños destinados a tareas especializadas, concentrarlos secuencialmente sobre las GPU puede elevar la utilización de una inversión de capital especialmente onerosa. La CPU conservaría otras cargas y una capa de abstracción decidiría dónde ejecutar cada una.
La soberanía baja hasta el procesador
Con todo, es imposible no abordar el otro gran elefante en la habitación, en este caso mucho más alejado del plano técnico y mejor enmarcado en el contexto geopolítico que vivimos: la soberanía tecnológica.
Cuando conversa con clientes, asegura John Walsh, las primeras inquietudes son bastante concretas en lo que a soberanía se refiere: mantener el negocio operativo si se produce una crisis, proteger la propiedad intelectual y cumplir la legislación sobre información personal y corporativa.
Por ello, Walsh evita llevar la conversación al terreno político y recupera conceptos conocidos desde mucho antes de la actual disputa sobre autonomía estratégica: resiliencia, alta disponibilidad y continuidad de negocio. No en vano, Walsh avanza a este medio que la compañía trabaja con centros de datos europeos -cuyo nombre no desvela- para la implantación de sus CPU de nuevo cuño, MONAKA, al mismo tiempo que mantiene componentes de terceros dentro de su plataforma. Y es que, esa dependencia externa no desaparece por invocar la soberanía; obliga, a su juicio, a seleccionar proveedores compatibles con los controles que cada cliente necesita.
Precisamente el procesador constituye una de esas capas más relevantes. Según explica Walsh, la arquitectura prevista alrededor de MONAKA busca que el cliente pueda conservar el control de las claves que protegen la relación entre el procesador, la máquina virtual y el contenedor. "Yo no puedo mirar dentro de tu contenedor, no puedo ver tus datos. Depende de ti decidir si me permites hacerlo", afirma. La configuración concreta estará además condicionada por la normativa europea.
Eso sí: el ejecutivo tampoco presenta esa estrategia como una entelequia capaz de replicar desde el primer día toda la oferta de los grandes hiperescalares: "¿Será perfecto? No. ¿Puedes hacer todo lo que hacen hoy los hiperescalares? No", admite. La aspiración inicial es bastante más acotada: disponer de una base técnicamente suficiente sobre la que construir una alternativa soberana.
