Michael JohnsonUn fallo en un gran clúster de IA puede empezar con una anomalía apenas perceptible: una GPU funciona a más temperatura que las demás, un dispositivo de almacenamiento pierde velocidad bajo carga y el entrenamiento se ralentiza. El 22 de octubre de 2026, NVIDIA presentó Minerva, una plataforma AIOps que reúne la telemetría de la infraestructura y de las cargas de trabajo de IA en una visión integral.
Según la descripción de NVIDIA, el sistema correlaciona datos de GPU, equipos de red, almacenamiento, planificadores y tareas. Su objetivo práctico es ayudar a los operadores a vincular el deterioro del rendimiento de una tarea con un posible problema en un componente concreto, en lugar de tener que revisar paneles de monitorización desconectados.
De métricas aisladas a un mapa de relaciones
Minerva crea un grafo de conocimiento dinámico que conecta la infraestructura física —incluidas las GPU, las SuperNIC, los conmutadores y los cables— con las tareas en ejecución. Según NVIDIA, el sistema procesa miles de millones de puntos de datos por hora, aprende el comportamiento habitual del clúster, detecta anomalías y correlaciona eventos relacionados teniendo en cuenta la topología.
Para el equipo de guardia, esta conexión es importante al diagnosticar problemas en cascada: el operador puede rastrear cómo la degradación de un elemento repercute en una tarea que utiliza esa parte del clúster. Minerva también agrupa señales relacionadas en un incidente con una posible causa raíz, para reducir el flujo de alertas individuales.
Las recomendaciones siguen formando parte del flujo de trabajo
La plataforma incorpora un asistente de lenguaje natural que responde preguntas sobre el estado del clúster basándose en la telemetría actual y propone opciones para resolver problemas. El equipo puede aplicar una corrección manualmente o conectar el sistema de automatización con las API de infraestructura y herramientas externas de agentes. Por eso, una cuestión práctica importante al implementarla es determinar qué acciones quedan como recomendaciones y cuáles autoriza el operador a ejecutar automáticamente.
NVIDIA describe los indicadores objetivo de Minerva mediante resultados útiles de una fábrica de IA: horas de funcionamiento de las GPU, goodput, disponibilidad del clúster y generación de tokens. Así, la monitorización deja de centrarse en el número de alertas y pone el foco en la relación entre el estado de la infraestructura y el trabajo de computación realizado.
Anuncio e implementación
Entre las empresas que, según NVIDIA, ya utilizan Minerva para optimizar fábricas de IA figura IREN. Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI y Tesla prevén implementar la plataforma; Dell Technologies, Lenovo y Supermicro tienen previsto ofrecerla como parte de sus carteras de soluciones para operar fábricas de IA.
El anuncio del 22 de octubre confirma la disponibilidad de la plataforma y los planes de los socios mencionados, pero el material publicado no incluye mediciones independientes comparables que indiquen cuánto reduce Minerva el tiempo de inactividad o el tiempo necesario para encontrar una avería. Para los operadores, un buen punto de partida es comprobar si el sistema cubre sus fuentes de telemetría, integrar sus incidentes en el proceso de guardia que ya utilizan y definir por separado los límites de las acciones automáticas. El principal valor de este enfoque es reunir las señales de infraestructura y de las cargas de trabajo en torno a una sola pregunta: dónde se pierde capacidad de computación útil y por qué.