Durante las últimas dos décadas, el cloud computing ha pasado de ser una solución tecnológica en crecimiento a convertirse en una infraestructura clave para la economía y desarrollo del mundo digital. Lo que empezó siendo un modelo adaptable que buscaba mejorar el procesamiento y almacenamiento de información, se ha convertido en el fundamento para crear plataformas digitales, sistemas de inteligencia artificial y servicios a nivel mundial.
Desde la perspectiva de plataformas de datos modernas en la nube, como MongoDB Atlas, este cambio no solo implica mover cargas a la nube, sino rediseñar cómo se capturan, gobiernan y ponen en valor los datos.
Si buscamos una muestra clara de este cambio, podemos fijarnos en el continuo crecimiento del mercado en el sector. Concretamente, Gartner estima que el gasto mundial en servicios de public cloud tendrá un incremento anual superior al 20 % en 2026 respecto al año anterior, debido principalmente a la creciente demanda de integración de inteligencia artificial (Gartner, 2025). Una predicción tan considerable no hace más que dar fuerza a la idea de que la tecnología en la nube ha llegado ya a convertirse en un componente básico del presupuesto de las compañías de hoy en día.
Además, este crecimiento no se ha producido de manera independiente, sino que va en paralelo a la expansión general del sector tecnológico, el cual ha demostrado crecer a una velocidad vertiginosa en los últimos años.
Y finalmente, otro factor clave en esta expansión cloud es el crecimiento exponencial de los datos a nivel global. La expansión de dispositivos IOT, aplicaciones digitales y sistemas basados en inteligencia artificial han hecho necesario migrar de infraestructuras tradicionales a sistemas más escalables y de mayor alcance. En definitiva, hacer uso de las tecnologías cloud.
De cara a los próximos años, la evolución de estas promete estar marcada por varios factores clave: la creciente demanda de infraestructura para inteligencia artificial, la expansión de arquitecturas híbridas y multicloud, el desarrollo del edge computing y el aumento de regulaciones relacionadas con la gobernanza del dato.
Infraestructura cloud optimizada para inteligencia artificial
Uno de los cambios que más ha marcado la evolución reciente de las tecnologías cloud es la adaptación de su estructura y bases a las necesidades de la inteligencia artificial (IA) a gran escala.
Las primeras generaciones de infraestructura cloud estaban diseñadas principalmente para solucionar problemas empresariales tradicionales. Sin embargo, el aprendizaje automático y los modelos de IA generativa han aumentado tanto la demanda computacional que parece necesario redefinir la arquitectura de los centros de datos que les dan soporte.
Informes como el Stanford AI Index Report 2024 confirman la necesidad de este cambio, analizando el hecho de que el coste computacional necesario para entrenar modelos haya crecido exponencialmente durante la última década. Es por ello que concluye defendiendo la necesidad de migrar a nuevas estructuras que requieren miles de GPUs trabajando de forma coordinada.
Estos nuevos sistemas dejan clara la necesidad que las nuevas tendencias deben cubrir: tener mayor disponibilidad de hardware especializado para el trabajo con IA. Unidades como GPUs o TPUs que originalmente estaban diseñadas para trabajar con gráficos, se han vuelto componentes esenciales en el entrenamiento de modelos de Deep Learning. Al actuar como aceleradores, permiten ejecutar operaciones paralelas masivas de manera más eficiente y reducir considerablemente el tiempo de entrenamiento. Esto permite a las empresas ahorrar tanto tiempo de procesamiento como costes, por lo que resultan ser extremadamente valiosas para las nuevas infraestructuras centradas en IA.
Sin embargo, esta necesidad de hardware dedicado no es la única razón que impulsa el cambio de dirección hacia la IA. También lo es la creciente demanda de inferencia de modelos. Los entrenamientos de estos modelos suelen realizarse en clusters centralizados, mientras que la inferencia es un proceso que requiere infraestructuras capaces de procesar millones de solicitudes en tiempo real.
Todo ello indica que las tecnologías cloud están evolucionando hacia infraestructuras más especializadas para IA, donde la eficiencia, el rendimiento y la escalabilidad son clave. De cara a los próximos años, se espera que gran parte de los recursos cloud estén destinados a soportar aplicaciones de IA, transformando no solo la arquitectura de los centros de datos, sino también el modelo de desarrollo de aplicaciones digitales.
Multicloud, estrategias híbridas y soberanía del dato
Otra de las tendencias que se ha extendido considerablemente en los últimos años en es el uso de estrategias híbridas o multicloud. Tras unos años usando cloud, muchas empresas comenzaron a cuestionar la idea de depender de un solo proveedor, lo cual terminó por destapar la necesidad de dar a las empresas mayor control y flexibilidad sobre su infraestructura.
Inicialmente, para cubrir esta necesidad surgieron las estrategias multicloud e híbridas, que permiten a las empresas combinar distintas plataformas cloud (públicas, privadas o locales) para gestionar sus datos de manera más flexible, controlada y eficiente.
En los últimos años ha surgido otra respuesta interesante, el concepto de cloud soberano. ¿Su objetivo? Equilibrar las ventajas de la nube con el cumplimiento de regulaciones locales, sobre todo en estos tiempos en los que la gobernanza del dato está ganando tanta relevancia en este tipo de entornos. Un ejemplo de la implementación de esta tendencia es el hecho de que los hyperscalers (AWS, Microsoft Azure o Google Cloud) ofrezcan soluciones específicas que respetan estas normativas locales, incluyendo regiones cloud dedicadas que garantizan que todos los requisitos de las nuevas regulaciones quedan cubiertos.
Esta tendencia no hace más que ganar fuerza con las nuevas legislaciones sobre gobernanza del dato, como la Ley de Servicios Digitales (DSA) o el EU Data Act que entró en vigor el pasado septiembre de 2025. Estas obligan a las empresas a recurrir a sistemas que les permitan mantener la flexibilidad y satisfacer a la misma vez los requisitos de estas leyes. Requisitos que no se limitan al manejo del dato sino también a su localización, ya que los gobiernos exigen que datos sensibles se procesen dentro de sus fronteras. Para promover este tipo de entornos, existen iniciativas como GAIA-X en Europa, que persiguen un ecosistema cloud soberano sin sustituir a los grandes proveedores.
En este contexto, desde MongoDB entendemos que una buena estrategia multicloud pasa por separar claramente la capa de datos del proveedor de infraestructura. Esto permite desplegar aplicaciones de forma realmente portátil sobre AWS, Microsoft Azure o Google Cloud sin cambiar el modelo de datos ni el código, y aprovechando clústeres multicloud para encontrar el equilibrio entre disponibilidad, latencia y soberanía del dato.
Por tanto, de cara a los años que vienen, se espera que las estrategias multicloud e híbridas se fortalezcan aún más, impulsadas por necesidades tanto técnicas como regulatorias. Entre ellas destaca la tendencia de cloud soberano, la cual seguramente consolide su posición en el ecosistema rápidamente.
Edge Cloud y computación distribuida
Otra de las necesidades más repetidas a lo largo de los años en el sector tecnológico es la de reducir la latencia de los sistemas. Aplicaciones como vehículos autónomos, automatización industrial y análisis en tiempo real requieren de un tiempo de respuesta mínimo para producir los mejores resultados.
Para cubrir esta necesidad, el edge computing se ha convertido en una capa clave en la arquitectura cloud, procesando datos cerca de su origen en lugar de enviarlos a centros de datos centralizados. De esta manera, la latencia y el coste de movilización del dato se reducen y las empresas logran servicios más dinámicos y eficaces.
Además, el crecimiento del edge computing también está impulsado por el creciente uso de dispositivos IoT. Estos dispositivos generan grandes volúmenes de datos que requieren procesamiento en tiempo real, siendo uno de los principales casos de uso del edge computing.
Conectando con la tendencia de las arquitecturas híbridas, en los próximos años se espera que las empresas sigan migrando hacia entornos cloud que permitan integrar módulos que se complementen entre sí. El edge en este caso se incluye para permitir que el procesamiento de datos se distribuya entre centros de datos cloud y nodos edge, promoviendo así una nueva arquitectura distribuida perfecta para los casos de uso que requieran baja latencia y procesamiento en tiempo real.
Automatización inteligente: AIOps y operaciones autónomas
Con el paso del tiempo, las nuevas necesidades de la industria han provocado que las infraestructuras cloud se vuelvan más complejas. Aunque nos permiten cada vez ofrecer servicios más detallados y eficaces, esto genera un nuevo problema, el de la gestión de estos sistemas.
Para abordar esto, están surgiendo herramientas basadas en AIOps (Artificial Intelligence for IT Operations), que utilizan aprendizaje automático y análisis de datos para automatizar tareas de monitorización y mantenimiento de estos servicios.
Estas herramientas están ganando popularidad, y se espera que en pocos años las empresas creen agentes de IA para manejar todo tipo de tareas como configuración automática de servicios, escalado de recursos o la gestión de problemas. Esto no solo reduce los costes sino también el riesgo de error humano ante tareas repetitivas.
Es por ello que en los próximos años se espera que la combinación de AIOps y automatización vaya a ser una herramienta clave para el desarrollo y la mejora de aplicaciones y servicios cloud existentes.
Seguridad avanzada y confidential computing
Aunque las tecnologías cloud tienen muchas ventajas, con el aumento de los ciberataques la seguridad sigue siendo una preocupación importante.
Una de las tendencias más destacadas en este ámbito es el confidential computing, que permite a las empresas procesar datos cifrados dentro de entornos de ejecución seguros llamados trusted execution environments (TEE). Así aseguran que la información esté protegida no solo durante el almacenamiento o la transmisión del dato, sino también en su procesamiento.
El interés por estas tecnologías crece rápidamente debido al aumento de aplicaciones que manejan datos sensibles, como IA , servicios financieros y sistemas sanitarios. Una muestra clave de ello es que, según IDC, el gasto global en soluciones de seguridad cloud superará los 77.000 millones de dólares en 2026 (IDC, 2024).
Además, el modelo de seguridad Zero Trust, que asume que ningún sistema o usuario es automáticamente fiable, está consolidándose como estándar en las infraestructuras cloud modernas. Este enfoque implica verificar constantemente identidades, accesos y comportamientos dentro del sistema.
De cara al futuro, tecnologías como el confidential computing y los modelos Zero Trust serán esenciales para permitir que tanto organizaciones como gobiernos adopten infraestructuras cloud sin comprometer la seguridad de los datos.
Conclusión
Finalmente, es inutil negar que las tecnologías cloud están ya evolucionando hacia infraestructuras más distribuidas, inteligentes y reguladas. Y, en este contexto, está claro que la soberanía del dato, la inteligencia artificial y las arquitecturas multicloud marcarán el rumbo en los próximos años.
MongoDB
Solutions Engineer, Industry Solution
