Una fábrica de inteligencia artificial puede tener miles de GPU, redes de alta velocidad, almacenamiento, planificadores y trabajos que duran horas o días. El problema no es solo saber si cada pieza funciona, sino descubrir qué componente está frenando el conjunto antes de perder una cantidad enorme de capacidad de cálculo. NVIDIA presentó el 22 de octubre de 2026 Minerva, una plataforma de AIOps diseñada para observar esas instalaciones de extremo a extremo, reducir el ruido de las alertas y buscar la causa probable de un fallo.
La idea parece sencilla: reunir en una sola vista las señales de la infraestructura y de las cargas de trabajo. La ejecución es bastante más compleja. Un entrenamiento puede ralentizarse por una GPU más caliente que las demás, un enlace saturado, una unidad NVMe degradada, un planificador mal configurado o una combinación de problemas pequeños. Si cada equipo recibe sus propias alertas sin contexto, todos ven síntomas distintos y nadie encuentra con rapidez la causa común.
Minerva intenta relacionar esas señales mediante un grafo dinámico de conocimiento y modelos especializados. No convierte la operación de un centro de datos en una tarea automática e infalible. Puede priorizar incidentes, sugerir diagnósticos y recomendar medidas, pero una organización sigue necesitando especialistas, procedimientos de cambio y límites claros antes de permitir reparaciones automáticas.
Qué es NVIDIA Minerva
NVIDIA define Minerva como una plataforma de operaciones asistidas por inteligencia artificial para maximizar el rendimiento útil de sus “fábricas de IA”. En este contexto, una fábrica no es un edificio que fabrique chips: es una infraestructura que transforma electricidad, datos y tiempo de GPU en entrenamiento, inferencia y producción de tokens.
La plataforma ingiere telemetría de GPU, conmutadores NVLink, redes Spectrum-X, SuperNIC, DPU, almacenamiento, bibliotecas de comunicación como NCCL, planificadores como Slurm o Run:ai y las propias cargas de trabajo. El objetivo consiste en dejar de vigilar cada capa como si estuviera aislada y reconstruir la relación entre hardware, red y trabajo ejecutado.
NVIDIA sitúa Minerva dentro de su plataforma Vera Rubin y la conecta con DSX, su conjunto de tecnologías para diseñar, simular, construir y operar fábricas de inteligencia artificial. También ofrece integración con Grafana, API abiertas y un servidor MCP para que agentes externos consulten información operativa.
Por qué una alerta aislada puede engañar
Un centro de datos convencional ya genera una gran cantidad de métricas. Una instalación de inteligencia artificial añade una dificultad: los trabajos distribuidos dependen de que muchos componentes avancen de forma coordinada. Si una sola GPU tarda más, el resto puede quedarse esperando. El panel puede mostrar que casi todas las máquinas están disponibles, mientras que el trabajo completo produce menos de lo previsto.
También existe el problema de la cascada. Un error de red puede provocar pérdidas de rendimiento, reintentos, tiempos de espera y fallos en varios nodos. Cada sistema genera su aviso y un incidente real termina convertido en cientos o miles de notificaciones. Contar alertas no equivale a comprender el problema.
Minerva utiliza la topología para agrupar señales relacionadas. El grafo representa elementos físicos y lógicos —GPU, cables, conmutadores, interfaces, nodos y trabajos— y mantiene las relaciones entre ellos. De ese modo, una degradación detectada en una interfaz puede conectarse con el trabajo que perdió rendimiento. La plataforma pretende convertir una “tormenta” de eventos en un incidente contextualizado.
Qué significa observar miles de millones de datos por hora
Según NVIDIA, los modelos de Minerva analizan miles de millones de puntos de datos por hora. Esa cifra describe volumen de telemetría, no calidad automática del diagnóstico. Recoger más métricas puede ayudar, pero también aumenta la necesidad de normalizar relojes, nombres de dispositivos, versiones y umbrales.
La plataforma combina aprendizaje supervisado y no supervisado. El primero aprovecha ejemplos etiquetados de comportamientos o fallos conocidos. El segundo busca desviaciones respecto al comportamiento normal, incluso cuando no existe una firma previa. Esta combinación puede detectar anomalías nuevas, aunque una anomalía no siempre representa una avería. Un mantenimiento planificado, un trabajo atípico o una actualización pueden cambiar el patrón sin que exista peligro.
Por eso la observabilidad necesita contexto operativo. Un sistema útil debería explicar qué cambió, qué componentes están relacionados, qué carga se vio afectada y qué evidencia respalda la recomendación. Una puntuación de riesgo sin trazabilidad puede acelerar una decisión equivocada.
Sherlock y el diagnóstico mediante lenguaje natural
Minerva incorpora un asistente multiagente llamado Sherlock. Un operador puede formular preguntas en lenguaje natural sobre congestión, salud del clúster o trabajos lentos. El asistente consulta la telemetría disponible, organiza los indicios y propone una explicación o una acción.
La ventaja es reducir el tiempo dedicado a recorrer paneles y registros. La limitación es que una respuesta bien redactada puede parecer más segura de lo que realmente es. El operador debe distinguir entre datos observados, correlaciones y causas confirmadas. Una interfaz conversacional no convierte una hipótesis en una prueba.
NVIDIA permite conservar a una persona en el circuito para aplicar manualmente las medidas recomendadas. También admite conexiones con API de infraestructura para automatizar remediaciones. Este segundo modo necesita controles más estrictos: permisos mínimos, acciones reversibles, límites de alcance, simulación previa y registro completo de quién propuso y ejecutó cada cambio.
Del tiempo de actividad al rendimiento útil
La métrica central no es simplemente que las máquinas estén encendidas. NVIDIA habla de “AI factory yield”, que puede incluir horas útiles de GPU, disponibilidad del clúster, trabajo efectivo y producción de tokens. Una instalación puede tener un tiempo de actividad elevado y, aun así, desperdiciar capacidad por esperas, desequilibrios o trabajos que se reinician.
Minerva pretende mejorar tres resultados. El primero es aumentar el tiempo entre interrupciones mediante mantenimiento predictivo. El segundo es reducir el tiempo de reparación al señalar una causa probable. El tercero es recuperar horas de GPU que se perderían por fallos no detectados o por degradaciones pequeñas pero persistentes.
Estas mejoras deben medirse contra una línea base. No basta con instalar una plataforma y observar que aparecen menos alertas. Una empresa debería comparar duración media de los trabajos, porcentaje de capacidad realmente utilizada, reinicios, incidentes repetidos y coste de las falsas alarmas antes y después del despliegue.
Qué puede aprender una empresa que no tiene miles de GPU
La mayoría de pequeñas empresas no operará una fábrica de inteligencia artificial. Aun así, el enfoque contiene una lección útil: medir solo componentes no explica un proceso completo. Una web puede estar disponible, pero el formulario no enviar contactos. Un agente puede responder, pero utilizar una fuente antigua. Una automatización puede terminar sin publicar el resultado que debía producir.
La observabilidad práctica conecta entrada, proceso y resultado. Quien analiza información en hojas de cálculo puede reforzar esa disciplina con una formación de Excel profesional con inteligencia artificial. Para flujos de creación y distribución, una formación de contenido con inteligencia artificial puede ayudar a convertir el seguimiento en un procedimiento repetible.
La escala cambia, pero las preguntas permanecen: ¿qué resultado se esperaba?, ¿qué evidencia demuestra que ocurrió?, ¿dónde se rompió el flujo?, ¿puede repetirse la acción sin duplicar datos? La infraestructura de almacenamiento global utilizada por ChatGPT muestra por qué la escala obliga a diseñar para fallos. La nube soberana y el control operativo recuerdan además que ubicación, acceso y continuidad son problemas distintos.
Datos, privacidad y soberanía
La telemetría puede revelar nombres de trabajos, patrones de uso, configuraciones, errores y arquitectura interna. Incluso cuando no contiene directamente los datos de entrenamiento, ofrece información valiosa sobre la infraestructura y las operaciones de una organización.
NVIDIA indica que Minerva puede desplegarse en las instalaciones o consumirse como servicio y que permite mantener soberanía de datos. La elección no debería reducirse a una etiqueta comercial. Conviene documentar dónde se almacenan las métricas, quién puede consultarlas, cuánto tiempo se conservan, qué información llega a los agentes y si un proveedor externo puede utilizarla para soporte o mejora.
También es necesario separar observación y control. Leer el estado de una interfaz implica menos riesgo que reiniciar nodos o modificar un planificador. Las credenciales del asistente deberían limitarse por función, entorno y tiempo. Los registros de auditoría tienen que incluir tanto la consulta como la acción resultante.
Siete controles antes de automatizar una reparación
- Evidencia: exigir métricas y relaciones que expliquen por qué se propone el cambio.
- Alcance: limitar la acción al nodo, interfaz o trabajo afectado.
- Reversibilidad: definir cómo volver al estado anterior si la medida empeora el servicio.
- Simulación: probar en un entorno controlado o utilizar un modo de recomendación antes de activar la ejecución automática.
- Aprobación: reservar las acciones críticas para una persona autorizada.
- Idempotencia: impedir que un reintento repita una orden que ya se ejecutó.
- Verificación: comprobar después si el trabajo recuperó rendimiento y si aparecieron efectos secundarios.
Estos controles parecen lentos frente a la promesa de una reparación instantánea, pero evitan que el sistema convierta una correlación errónea en una interrupción mayor. La automatización debería reducir tiempo de respuesta sin eliminar la responsabilidad.
Lo que el anuncio todavía no demuestra
El material oficial describe capacidades y enumera empresas que utilizan o planean desplegar Minerva, entre ellas IREN, IBM, Lambda y Tesla. No publica una evaluación independiente que permita comparar precisión, falsas alarmas o ahorro total frente a otras plataformas de observabilidad.
Tampoco ofrece en la página pública un precio universal. El coste dependerá del modelo de consumo, la escala, las integraciones y los servicios. “Detectar antes” no significa necesariamente que todos los fallos sean predecibles. Hay averías repentinas, errores de software y problemas de datos que pueden quedar fuera de la telemetría disponible.
La plataforma se integra de manera profunda con el ecosistema NVIDIA. Esa especialización puede mejorar el diagnóstico en instalaciones basadas en sus componentes, pero una empresa debe comprobar cómo funciona en entornos mixtos y qué datos conserva al cambiar de proveedor.
Hechos, inferencias y predicciones
Hechos confirmados: NVIDIA presentó Minerva el 22 de octubre de 2026; la plataforma correlaciona telemetría de infraestructura y cargas; utiliza un grafo dinámico, aprendizaje automático y un asistente; admite integración mediante MCP y API; puede mantener a una persona en el circuito o conectarse a automatizaciones.
Inferencia razonable: relacionar topología, métricas y trabajos puede reducir el tiempo necesario para localizar problemas que atraviesan varios equipos. El beneficio real dependerá de la calidad de la instrumentación, la cobertura de la infraestructura y la tasa de falsos positivos.
Predicción: la observabilidad de sistemas de inteligencia artificial evolucionará desde paneles pasivos hacia agentes que investigan, proponen y, bajo controles, ejecutan correcciones. El punto decisivo no será que el agente hable con naturalidad, sino que cada acción sea explicable, limitada y verificable.
Preguntas frecuentes
¿Minerva es un modelo de inteligencia artificial?
No es un modelo general para generar textos o imágenes. Es una plataforma de AIOps que utiliza modelos y agentes especializados para analizar telemetría y asistir a los operadores de infraestructura.
¿Puede reparar fallos sin intervención humana?
Puede conectarse a sistemas de automatización y API, pero NVIDIA también contempla un modo con persona en el circuito. La decisión adecuada depende del riesgo, la reversibilidad y los permisos de cada acción.
¿Sirve para cualquier centro de datos?
Está diseñada específicamente para fábricas de inteligencia artificial basadas en el ecosistema NVIDIA. Ofrece integraciones abiertas, pero una organización con infraestructura heterogénea debe comprobar cobertura y compatibilidad reales.
¿Reduce automáticamente el coste de las GPU?
Puede ayudar a recuperar horas de GPU y reducir interrupciones. El ahorro económico debe demostrarse midiendo utilización, duración de trabajos, incidentes y coste total del despliegue.
Conclusión: observar no basta, hay que demostrar el resultado
NVIDIA Minerva refleja un cambio importante: una operación compleja necesita conectar la salud de cada componente con el trabajo útil que produce. La novedad no consiste únicamente en añadir un chatbot a un panel, sino en relacionar señales de hardware, red y cargas dentro de un mapa operativo común.
El valor aparecerá si la plataforma reduce interrupciones, acorta diagnósticos y recupera capacidad sin introducir cambios peligrosos. Para lograrlo, las empresas tendrán que mantener trazabilidad, permisos mínimos y verificación posterior. Un sistema de observabilidad debe ayudar a encontrar la causa; no convertirse en otra fuente de respuestas convincentes sin pruebas.