Schneider Electric analiza cómo la gestión conjunta de energía, refrigeración y TI se convierte en el nuevo diferencial de las fábricas de IA. La competencia entre centros de datos para IA ya no depende solo de GPU, servidores o potencia eléctrica. El software integra energía, refrigeración, edificios y operación TI para anticipar fallas, ajustar recursos y mejorar la continuidad. Schneider Electric sostiene que esta orquestación será decisiva para operar fábricas de IA eficientes y resilientes.

Las claves de esta transformación

• Los centros de datos consumieron aproximadamente 415 TWh de electricidad durante 2024.
• La demanda mundial podría acercarse a 950 TWh en 2030.
• La IA incrementa simultáneamente las exigencias de cómputo, energía y refrigeración.
• Los gemelos digitales permiten probar escenarios antes de construir o modificar instalaciones.
• El mantenimiento predictivo busca detectar anomalías antes de una interrupción.
• La automatización requiere supervisión humana, trazabilidad y controles de ciberseguridad.
• En Sudamérica, energía disponible y talento técnico condicionarán el crecimiento.

Lima, Perú, 8 de septiembre de 2026.— La expansión de la inteligencia artificial está elevando la densidad energética, la generación de calor y la complejidad operativa de los centros de datos. Instalar más aceleradores y capacidad eléctrica continúa siendo indispensable, pero ya no garantiza por sí solo eficiencia ni disponibilidad.

El software comienza a asumir una función estratégica al conectar información procedente de sistemas eléctricos, refrigeración, edificios y plataformas TI. Esta visión unificada permite detectar anomalías, simular escenarios, coordinar recursos y tomar decisiones antes de que un problema afecte las cargas de IA.

El hardware sigue siendo esencial, pero ya no basta

La infraestructura física continúa siendo el punto de partida de cualquier centro de datos: servidores, aceleradores, redes, sistemas eléctricos, UPS, baterías, generadores y refrigeración deben dimensionarse para sostener las cargas previstas.

Sin embargo, las aplicaciones de inteligencia artificial introducen demandas variables y difíciles de predecir. Un clúster puede pasar rápidamente desde una utilización moderada hacia picos elevados de cómputo, consumo eléctrico y generación de calor.

La competencia, por lo tanto, no se traslada literalmente desde el hardware hacia el software. Lo que cambia es el peso de la capa de control. La infraestructura más potente puede convertirse en una inversión ineficiente si sus componentes operan de manera aislada o reaccionan demasiado tarde ante las variaciones de carga.

El nuevo diferencial consiste en administrar el centro de datos como un sistema integrado y no como una colección de equipos independientes.

La energía se convierte en una restricción estratégica

El informe Energy and AI de la Agencia Internacional de Energía estimó que los centros de datos consumieron alrededor de 415 teravatios hora durante 2024, equivalentes al 1,5 % de la electricidad mundial.

La misma investigación proyectó que la demanda podría superar los 945 TWh en 2030, impulsada principalmente por la inteligencia artificial y el crecimiento de otros servicios digitales. Esta cantidad sería ligeramente superior al consumo eléctrico anual actual de Japón.

La actualización publicada por la IEA en 2026 mantiene una trayectoria semejante. Su escenario central calcula que el consumo habría alcanzado aproximadamente 485 TWh en 2025 y podría llegar a unos 950 TWh en 2030, cerca del 3 % de la demanda eléctrica mundial.

Los promedios globales, además, no muestran toda la presión local. Los centros de datos se concentran en determinadas ciudades y corredores energéticos, donde pueden competir por capacidad de red, transformadores, terrenos, agua y nueva generación eléctrica.

La IEA estima que alrededor del 20 % de los proyectos de centros de datos planificados podría sufrir retrasos si no se resuelven las restricciones de conexión. Mientras una instalación puede construirse en pocos años, una nueva línea de transmisión puede requerir entre cuatro y ocho años.

¿Qué es una fábrica de IA?

Una fábrica de IA —o AI Factory— es una infraestructura diseñada para transformar datos, energía y capacidad de cómputo en entrenamiento, inferencias, modelos, agentes y servicios inteligentes.

El término ayuda a entender que la IA no aparece de forma espontánea dentro de un servidor. Requiere una cadena productiva que incluye:

1. Recolección y preparación de datos.
2. Almacenamiento y transferencia de información.
3. Entrenamiento o ajuste de modelos.
4. Ejecución de inferencias.
5. Supervisión de calidad y seguridad.
6. Distribución de resultados hacia aplicaciones y usuarios.

Como en una fábrica industrial, cada etapa depende de recursos compartidos. Una falla eléctrica, un problema térmico o un cuello de botella de almacenamiento puede detener toda la producción digital.

Del monitoreo hacia la gestión inteligente

Durante años, el software de centros de datos se utilizó principalmente para observar temperaturas, consumo eléctrico, capacidad disponible y estado de los equipos. Su evolución actual incorpora correlación de eventos, análisis predictivo, simulación y automatización.

Una plataforma integrada puede reunir datos procedentes de:

• Infraestructura eléctrica.
• Unidades UPS y bancos de baterías.
• Generadores y microredes.
• Sistemas de climatización.
• Refrigeración líquida.
• Sensores ambientales.
• Racks y servidores.
• Redes y almacenamiento.
• Aplicaciones y cargas de trabajo.
• Sistemas de gestión del edificio.

Al analizar estas variables en conjunto, el software puede relacionar un incremento de carga informática con su efecto sobre temperatura, consumo eléctrico y capacidad de respaldo.

No se trata solamente de mostrar más indicadores. El objetivo es convertir datos operativos en decisiones comprensibles y oportunas.

Durante mucho tiempo la conversación estuvo centrada en la capacidad de cómputo y en la infraestructura física. Sin embargo, el crecimiento de la IA está demostrando que el verdadero diferencial competitivo estará en la forma en que esa infraestructura es administrada. El software permite transformar grandes volúmenes de datos operacionales en decisiones que mejoran la disponibilidad, la eficiencia energética y la continuidad del negocio”, explica Juan Mejía, gerente senior de Ventas de Software para Latinoamérica de Schneider Electric.

Gemelos digitales antes de construir

Un gemelo digital representa virtualmente una instalación, un equipo o un proceso físico. Puede utilizar información de diseño y datos operativos para simular cómo responderá la infraestructura ante distintos escenarios.

En una fábrica de IA, esta tecnología permite plantear preguntas antes de realizar cambios costosos:

• ¿Puede la instalación soportar un nuevo clúster de GPU?
• ¿Qué ocurrirá si aumenta repentinamente la carga?
• ¿Dónde aparecerán puntos calientes?
• ¿Cómo afectará una falla a la distribución eléctrica?
• ¿Qué capacidad de refrigeración líquida será necesaria?
• ¿Puede ampliarse el centro sin comprometer su redundancia?

Schneider Electric y ETAP presentaron en 2025 un gemelo digital para simular los requisitos eléctricos de una fábrica de IA, desarrollado mediante las API de NVIDIA Omniverse Cloud.

La propuesta combina información mecánica, térmica, eléctrica y de redes para realizar análisis hipotéticos, seguir el comportamiento de la infraestructura y anticipar necesidades desde la red eléctrica hasta el chip.

Un gemelo digital no elimina la incertidumbre. Su utilidad depende de la calidad del modelo, los sensores, la actualización de los datos y las hipótesis utilizadas durante la simulación.

El mantenimiento también aprende a anticiparse

El mantenimiento tradicional se realiza con frecuencia de acuerdo con un calendario: un componente es revisado o reemplazado después de determinado tiempo, aunque todavía funcione correctamente.

El mantenimiento basado en condición utiliza sensores, datos históricos y análisis predictivo para estimar el estado real del equipo. Puede identificar, por ejemplo, un aumento anormal en la temperatura de un transformador, vibraciones en un ventilador o variaciones en la presión de un circuito de refrigeración.

El software puede entonces recomendar una inspección antes de que la anomalía se convierta en una falla.

La industria está evolucionando desde un modelo reactivo hacia uno predictivo. Hoy ya no basta con monitorear lo que ocurre; el desafío es anticiparse. Esa capacidad será clave para garantizar la resiliencia operacional de los centros de datos que soportarán la próxima generación de aplicaciones basadas en IA”, agrega Mejía.

Schneider Electric sostiene que las estrategias de mantenimiento basadas en condición pueden reducir hasta en 40 % las intervenciones presenciales sobre equipos críticos. La cifra fue proporcionada por la compañía; el comunicado no adjunta la metodología, muestra analizada ni condiciones bajo las cuales se obtuvo.

La documentación técnica de Schneider Electric explica que el análisis predictivo utiliza datos históricos y en tiempo real para anticipar fallas, programar mantenimientos y reducir el riesgo de indisponibilidad.

¿Puede el software mejorar la eficiencia energética?

El software no reduce mágicamente el consumo. Su aporte consiste en descubrir ineficiencias y coordinar componentes que anteriormente operaban con configuraciones independientes.

Entre sus posibles aplicaciones se encuentran:

• Ajustar la refrigeración según la carga térmica real.
• Evitar que equipos redundantes operen innecesariamente a máxima capacidad.
• Distribuir cargas para reducir puntos calientes.
• Programar tareas flexibles durante periodos de menor demanda.
• Coordinar baterías, generación local y suministro de la red.
• Identificar capacidad instalada que permanece infrautilizada.
• Relacionar consumo energético con servicios o cargas específicas.

El desafío consiste en optimizar sin comprometer disponibilidad. Reducir excesivamente la refrigeración o los márgenes de respaldo puede mejorar una métrica energética, pero también elevar el riesgo operacional.

La eficiencia debe analizarse junto con resiliencia, desempeño y continuidad del servicio.

De la automatización a una operación con supervisión humana

Las plataformas futuras podrán responder automáticamente ante variaciones eléctricas y térmicas. Incluso podrían trasladar cargas, modificar límites de potencia o cambiar parámetros de refrigeración en tiempo real.

Esta autonomía requiere límites claros. Una orden incorrecta o un sistema comprometido podría afectar simultáneamente energía, refrigeración y equipos informáticos.

Por ello, la evolución hacia centros de datos autónomos debe incorporar:

• Control humano sobre decisiones críticas.
• Roles y permisos claramente definidos.
• Registro íntegro de cada acción.
• Segmentación entre redes TI y operacionales.
• Validación de modelos predictivos.
• Mecanismos manuales de contingencia.
• Pruebas periódicas de recuperación.
• Protección frente a datos manipulados o sensores defectuosos.

Un centro de datos inteligente no es aquel que elimina a las personas. Es aquel que les proporciona mejor información, reduce tareas repetitivas y permite intervenir antes de que una anomalía se transforme en una crisis.

La escala declarada por Schneider Electric

Schneider Electric afirma que nueve de cada diez organizaciones que operan centros de datos utilizan alguna solución de software de la compañía durante una etapa de su operación.

La declaración refleja la amplia presencia del proveedor en infraestructura energética y administración de centros de datos. Sin embargo, el comunicado no detalla el universo analizado, las soluciones consideradas ni la metodología utilizada para calcular esa participación.

Por esa razón, la cifra debe presentarse como una afirmación corporativa y no como una medición independiente del mercado.

Su portafolio incluye herramientas para diseño eléctrico, administración de infraestructura, monitoreo energético, automatización, sostenibilidad y mantenimiento predictivo. La estrategia busca conectar el ciclo completo: diseñar, simular, construir, operar y modernizar.

¿Qué métricas deberían vigilar los operadores?

Ningún indicador debe observarse de manera aislada. Un PUE bajo no garantiza que el centro utilice energía limpia, consuma poca agua o ejecute eficientemente sus cargas informáticas.

Implicancias para el Perú y Sudamérica

Sudamérica posee recursos energéticos importantes, pero enfrenta diferencias significativas en calidad eléctrica, capacidad de transmisión, conectividad, disponibilidad de agua y madurez de los ecosistemas digitales.

Para el Perú, la expansión de centros de datos destinados a IA deberá coordinarse con el desarrollo energético y urbano. No será suficiente anunciar capacidad informática si la infraestructura eléctrica, la conectividad y el talento especializado no crecen al mismo ritmo.

Los operadores también deberán considerar la concentración geográfica. Una instalación puede representar una fracción pequeña del consumo nacional y, al mismo tiempo, ejercer una presión considerable sobre una subestación, una red local o una cuenca determinada.

El software puede contribuir a administrar estos recursos, pero la sostenibilidad necesitará información transparente sobre consumo eléctrico, procedencia de la energía, uso de agua, emisiones, recuperación de calor y vida útil de los equipos.

Preguntas antes de adoptar una plataforma

Los responsables de centros de datos deberían preguntar:

1. ¿Qué sistemas eléctricos, térmicos y TI puede integrar?
2. ¿Utiliza estándares abiertos o genera dependencia del proveedor?
3. ¿Qué decisiones puede automatizar y cuáles requieren aprobación?
4. ¿Cómo protege las credenciales y redes de tecnología operacional?
5. ¿Puede funcionar si pierde temporalmente la conexión con la nube?
6. ¿Cómo valida sus modelos predictivos?
7. ¿Permite calcular energía y emisiones por carga de IA?
8. ¿Existe soporte especializado y permanente en el país?
9. ¿Qué ahorro puede demostrarse con una línea base verificable?
10. ¿Cómo se exportan los datos si la organización cambia de plataforma?

¿Por qué es importante?

La IA puede multiplicar el valor de los datos, pero también la presión sobre electricidad, refrigeración y redes. El software permite observar estas dependencias como un sistema único, anticipar fallas y utilizar mejor la infraestructura. Para empresas y ciudades, esa inteligencia operativa será esencial para crecer sin convertir la innovación en una carga energética incontrolable.

Visión Estratégica

La próxima competencia entre centros de datos no se decidirá únicamente por quién instala más GPU o dispone de mayor potencia eléctrica. También dependerá de quién pueda convertir energía, agua, refrigeración y capacidad informática en resultados útiles con menor desperdicio.

El software será el sistema nervioso de esa infraestructura, pero no debe convertirse en una caja negra. Su evolución necesitará interoperabilidad, ciberseguridad, transparencia y supervisión humana. Automatizar una decisión no elimina la responsabilidad sobre sus consecuencias.

Para el Perú, esta transición abre la posibilidad de desarrollar infraestructura digital más inteligente desde su concepción, sin repetir modelos intensivos en recursos. El futuro de la IA también se construirá en las salas eléctricas, las plantas de refrigeración y los equipos humanos que aprendan a dirigirlas con prudencia.

Datos citables

• Los centros de datos consumieron aproximadamente 415 TWh en 2024.
• Esa cantidad representó alrededor del 1,5 % de la electricidad mundial.
• El consumo global creció aproximadamente 12 % anual desde 2017.
• La IEA proyecta alrededor de 950 TWh para 2030.
• En 2030 representarían cerca del 3 % de la demanda eléctrica mundial.
• Un centro de datos típico para IA puede consumir como 100.000 hogares.
• Cerca del 20 % de los proyectos planificados podría enfrentar retrasos de conexión.
• Una línea de transmisión puede requerir entre cuatro y ocho años.
• Schneider Electric afirma estar presente en nueve de cada diez centros de datos mediante su software.
• La compañía atribuye al mantenimiento basado en condición hasta 40 % menos intervenciones presenciales.

Knowledge Layer – Glosario

Relación semántica: cargas de IA → mayor densidad energética → energía y refrigeración integradas → software predictivo → eficiencia y resiliencia.

Fuentes consultadas

• Agencia Internacional de Energía: Energy and AI
• IEA: Key Questions on Energy and AI 2026
• Schneider Electric: software para la operación de centros de datos
• Schneider Electric y ETAP: gemelo digital para fábricas de IA

Tu Opinión Nos Importa 🗣️

¿Consideras que el software puede convertirse en el principal diferencial de los centros de datos preparados para IA? ¿Qué debería priorizar el Perú: nueva capacidad eléctrica, eficiencia energética, refrigeración sostenible, automatización o formación de especialistas?

Comparte tu experiencia y construyamos una inteligencia artificial cuyo crecimiento también respete los límites energéticos y ambientales del mundo que compartimos.

#SchneiderElectric #CentrosDeDatos #InteligenciaArtificial #AIFactories #DCIM #GemelosDigitales #EficienciaEnergética #RefrigeraciónLíquida #GreenIT #DataCenters #ITUSERSAwards

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457