Over the past three years, as an independent cloud and AI consultant, advisor, and industry influencer, I have worked with numerous companies seeking my expertise. I have helped evaluate, optimize, coach, and support their generative and agentic AI initiatives.
Over the past three years, as an independent cloud and AI consultant, advisor, and industry influencer, I have worked with numerous companies seeking my expertise. I have helped evaluate, optimize, coach, and support their generative and agentic AI initiatives.
Some organizations sought a second opinion before scaling an AI platform. Others had pilots that performed well in demos but collapsed when connected to real systems. Some needed help selecting models, cloud services, vector databases, or orchestration tools. Others wanted to understand why their expensive AI investments were generating activity but not measurable value.
Because most of my work is covered by non-disclosure agreements, I cannot discuss the companies, vendors, architectures, budgets, or internal decisions involved. That is expected and appropriate. However, I can talk about patterns I have seen across varying industries, company sizes, cloud environments, and maturity levels.
The biggest lesson is simple: Most enterprise AI projects don’t fail because the model is weak. They fail because the enterprise surrounding the model isn’t ready.
The first failure pattern is the most common. Organizations start with a model, platform, copilot, agent framework, or cloud service before defining the business outcome they aim to improve. They start with “We need generative AI,” rather than “We need to reduce claims processing time by X percent” or “We need to improve first-contact resolution in customer service by a factor of X.”
The distinction matters. AI is not a business strategy. It is a technology capability that may or may not support a business strategy. When companies skip the business problem and go straight to the tool, the typical result is a polished demo seeking a reason to exist.
In context
- Topic: Cloud y Arquitectura — Nube pública, híbrida, costos y decisiones de infraestructura.
- Source: InfoWorld
- Published: 28/08/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por qué importa
Después de unos años, casi toda organización que migró a la nube descubre lo mismo: la factura crece más rápido que el negocio. No porque la nube sea cara, sino porque nadie apaga lo que ya no se usa y nadie tiene el incentivo de revisarlo.
Mi lectura pasa por quién ve la factura. En las organizaciones donde el costo de nube le llega al equipo que lo genera, el gasto se ordena solo. Donde la factura la ve únicamente finanzas, el gasto crece y la discusión se vuelve un recorte a ciegas cada fin de año.
Lo que suele salir mal
Donde suele romperse es en las capacidades del equipo. La plataforma es nueva pero la gente aprendió sobre la marcha, sin tiempo y sin acompañamiento. Terminan replicando en la nube las mismas prácticas del centro de datos, con lo cual se pagan precios de nube por beneficios que nunca llegan.
Qué mirar
- Qué tan difícil sería salir o mover una parte a otro proveedor, que es el poder de negociación futuro.
- Quién ve la factura y con qué detalle: sin dueño del gasto, el gasto crece solo.
- Dónde quedan físicamente los datos y qué exige la regulación local sobre eso.
Cómo leo esta entrada
Lo que yo instalaría junto con cualquier movimiento a la nube es la disciplina de apagar. Etiquetar todo por dueño, revisar mensualmente qué está prendido sin uso y darle a alguien la autoridad de apagarlo. Sin eso, el ahorro prometido se lo come el desperdicio en dos años.
La noticia original está publicada en otro idioma; acá se cita el extracto tal como lo entrega el medio y el comentario se escribe en español.
¿Lo estás viviendo en tu equipo?
Abrí el chat y contame cómo lo están manejando. Me interesa comparar notas.
