Cloud repatriation: por qué las empresas están trayendo la IA de vuelta on-prem

La narrativa cloud-first lleva una década dominando. Pero 2024-2026 trajo un giro: cargas específicas, especialmente entrenamiento e inferencia de IA, están volviendo al data center corporativo. No es nostalgia, es cálculo financiero y operativo.

Aquí va por qué la repatriación selectiva está pasando y cuándo aplica a tu organización.

Qué significa cloud repatriation en 2026

Cloud repatriation es el movimiento de traer cargas que estaban en cloud público de vuelta a infraestructura on-premises o a un proveedor dedicado. No es un masivo «vuelvan todos a on-prem», es una decisión selectiva por carga.

Las cargas que más se mueven son las que tienen costos opacos elevados y donde la latencia o el cumplimiento pesan: entrenamiento de modelos grandes, inferencia en tiempo real, procesamiento regulado.

Por qué la IA empuja el regreso

1. Costo de cómputo GPU. El entrenamiento sostenido de modelos grandes en hyperscaler tiene un costo por hora que en on-prem, comprado a 36 meses, sale significativamente menor cuando la carga es estable.
2. Latencia entre entrenamiento y datos. Llevar terabytes al cloud para entrenar agrega latencia. On-prem elimina ese tramo.
3. Soberanía y residencia de datos. Cuando los datos no deben salir del país o de la red corporativa, on-prem es la opción directa. El cloud con zonas dedicadas añade complejidad.
4. Disponibilidad de GPU. La oferta de GPUs en hyperscaler se ha vuelto intermitente. Tenerlas propias elimina la cola de espera.
5. Lock-in del proveedor. Stack propio sobre hardware commodity reduce dependencia de decisiones de un proveedor único.

Cuándo NO repatriar

Cloud sigue siendo mejor para casos muy específicos: cargas elásticas, picos impredecibles, presencia global con baja latencia regional, MLOps gestionados, modelos pre-entrenados vía API.

Un escenario de aplicación ideal en el contexto mexicano sería identificar las cargas con gasto cloud sostenido y demanda estable. Cuando el gasto mensual pasa cierto umbral y la carga no es elástica, el CAPEX de comprar GPUs propias empieza a ser financieramente más eficiente que el OPEX recurrente.

Una decisión de arquitectura híbrida, no religiosa

La pregunta correcta ya no es cloud vs on-prem. Es qué carga va dónde, con qué SLAs y a qué costo unitario medible. On-prem para entrenamiento pesado y datos sensibles. Cloud para elasticidad y entrega global. Esa es la arquitectura que gana proyectos en 2026.

Fuentes

[1] IDC — Worldwide Cloud Repatriation Research (industry research): https://www.idc.com/

[2] Gartner — Public Cloud Repatriation Trends (industry research): https://www.gartner.com/

[3] NVIDIA — DGX / HGX On-Premises AI Infrastructure (vendor reference): https://www.nvidia.com/en-us/data-center/dgx-systems/

[4] Dell — PowerEdge AI Servers (vendor reference): https://www.dell.com/en-us/shop/dell-poweredge/servers/

[5] Wikipedia — Cloud Repatriation (background reference): https://en.wikipedia.org/wiki/Cloud_repatriation