Empresas
Nvidia pone detectives de IA en sus centros de datos
Nvidia presenta en su blog técnico cómo usa el AI Factory Operations Agent en sus clústeres internos: agentes de IA especializados que detectan fallos, cruzan señales de cómputo, red, hardware y planificación y ofrecen recomendaciones a sus ingenieros de fiabilidad (SRE). Según la empresa, investigan en solo lectura, y el marco ya está en GitHub como código abierto experimental.
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
En resumen
- Según la empresa, cada agente especializado cubre un dominio: recuperación de trabajos, hardware, observabilidad, documentación, Kubernetes y gestión del clúster.
- Según la empresa, el agente puede consultar pods y configmaps de Kubernetes, pero no secrets, y no puede crear ni actualizar pods.
- La inferencia usa modelos abiertos Nemotron servidos en local y el sistema funciona en clústeres DGX H100, DGX B200 y DGX GB300, según la empresa.
- El código es experimental: sus API, configuración y requisitos de despliegue pueden cambiar entre versiones, según NVIDIA.
Un detective para cada capa del clúster
Nvidia ha detallado en su blog técnico, el 4 de noviembre de 2026, cómo usa agentes de IA en sus propios clústeres DGX SuperPOD. Según Nvidia, a medida que crecen los clústeres de GPU las operaciones abarcan cómputo, red, hardware y planificación, y los SRE suelen revisar varios paneles para encontrar por qué cae el rendimiento de un entrenamiento.
La respuesta es el AI Factory Operations Agent, que reparte el trabajo entre agentes especializados en cada dominio operativo. En producción, sostiene Nvidia, esos agentes detectan fallos, relacionan el origen de los problemas entre capas y ofrecen recomendaciones claras en una interfaz de chat. Los SRE pueden hablar con cualquiera de ellos en lenguaje natural, saltar de una investigación a otra y seguir cada acción para auditarla.
Un subagente para cada dominio
| Subagente | Qué investiga |
|---|---|
| Job Recovery Agent | Fallos de trabajos de entrenamiento y caídas de goodput; busca el origen entre planificador, aplicación, hardware y red, y propone cómo recuperarse cuando lo confirma |
| Hardware Agent | Averías de dispositivo: errores PCIe y ECC, problemas de GPU, fallos NVMe y anomalías térmicas, hasta el componente concreto |
| Observability Agent | Datos históricos de Prometheus, telemetría y registros de Grafana Loki, con paneles creados al momento en la web |
| Research Agent | Documentación precargada, como manuales de Mission Control y arquitecturas de referencia de DGX SuperPOD, más los procedimientos propios que se suban |
| Kubernetes Agent | Pods, servicios, despliegues, recursos de GPU, estado de los nodos y planificación, en solo lectura |
| Cluster Management Agent | API de Base Command Manager, con herramientas de diagnóstico, para asesorar en la gestión del clúster |
Según Nvidia, su despliegue interno se apoya en un ecosistema creciente de agentes especializados en los dominios de su centro de datos, y cada uno aporta recomendaciones. La tabla recoge los que describe la empresa.
Las piezas: NemoClaw, OpenShell y Nemotron
Según Nvidia, el ejemplo para desarrolladores se construyó sobre el blueprint NemoClaw, y el marco usa OpenShell, lo que permite ejecutarlo por completo en instalaciones propias y mantener la soberanía de los datos. La inferencia corre con modelos abiertos Nemotron servidos en local, y el conjunto funciona en clústeres internos de producción DGX H100, DGX B200 y DGX GB300.
Según la empresa, los agentes se conectan a la infraestructura mediante complementos de OpenClaw y servidores MCP, y el diseño modular permite añadir agentes sin tocar los existentes. Todo se despliega con Helm como servicios de Kubernetes y, para ejecutar comandos, OpenShell crea por sesión un entorno aislado de Kubernetes en vez de usar el pod principal de la pasarela, sin modificar servicios existentes ni cargas de producción.
El marco integra también, según la empresa, herramientas MCP transversales —búsqueda web, ejecución de código y paneles de Grafana— y admite conectar servidores MCP y API propios.
Mira, pero no toca
| Orden | Respuesta del clúster |
|---|---|
| kubectl auth can-i get pods | yes |
| kubectl auth can-i get configmaps | yes |
| kubectl auth can-i get secrets | no |
| kubectl auth can-i create pods | no |
| kubectl auth can-i update pods | no |
Según Nvidia, la seguridad se aplica por capas. Para inspeccionar Kubernetes, el agente usa la herramienta run_kubectl, que ejecuta en el servidor un binario de kubectl de versión fijada con credenciales registradas de solo lectura. OpenShell no recibe ni kubectl ni credenciales de Kubernetes.
El resultado de esas comprobaciones, publicado por la empresa, cabe en una tabla. Según la empresa, investigar primero en solo lectura y con acierto es lo que gana la confianza de los SRE antes de automatizar, y estos necesitan ver las llamadas a herramientas, la evidencia y las conclusiones antes de actuar.
Lecciones y un marco todavía experimental
Nvidia sostiene que sigue afinando el marco: mide la precisión del análisis de causa raíz, sigue el grado de acuerdo de los SRE y amplía el ecosistema de agentes. De su uso en producción destaca varias lecciones: límites claros entre agentes, porque solapar responsabilidades genera ruido; empezar por la solo lectura; cruzar señales de carga, hardware y red que las herramientas aisladas no conectan; definir bien las herramientas MCP para elegir la correcta, y mostrar el razonamiento.
Según la empresa, el modelo de despliegue preferido a gran escala es un plano de control dedicado, acelerado por GPU y aislado del clúster de producción, que recibe la telemetría sin consumir GPU de entrenamiento. El marco está en GitHub como software de código abierto experimental, junto a un ejemplo para desarrolladores, y los clientes de Nvidia pueden pedir a su gestor de cuenta acceso a los agentes de operaciones que ha desarrollado la compañía.
Conclusión
Según Nvidia, el reparto queda claro: los agentes investigan, cruzan capas y recomiendan; los SRE ven la evidencia y deciden. Quien quiera probarlo tiene el código en GitHub, con la advertencia de que todavía es experimental.
Fuentes primarias
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios