José Juan Llanos, CEO de Nemix: «Las soluciones de Supermicro permiten a Nemix adaptar cada integración exactamente al caso de uso»

Nemix lleva más de 30 años integrando infraestructura tecnológica para universidades, banca y telecomunicaciones. En plena explosión de la IA, hablamos con su CEO, José Juan Llanos, sobre por qué muchas estrategias de IA se rompen antes de empezar y por qué llevan tiempo apostando por Supermicro como fabricante de referencia en proyectos de IA.

Entrevista con José Juan Llanos, CEO de Nemix

¿Qué piden realmente los clientes cuando dicen que quieren adoptar IA?

Llegan con casos de uso bastante claros, pero con una idea muy difusa de lo que hay detrás. Hablan de modelos propios, inferencia en tiempo real, privacidad… pero no han dimensionado el impacto en cómputo, almacenamiento o red.

Ahí es donde empieza el trabajo de Nemix, traducir una ambición de negocio en una arquitectura que funcione. Porque la IA no falla por el modelo, falla por todo lo que lo rodea.

¿Por qué Supermicro como fabricante de referencia para proyectos de IA?

Es un fabricante que nos permite integrar soluciones completas sin atarnos a una única configuración. Trabajamos con todo su ecosistema tecnológico: servidores rack, servidores GPU, almacenamiento, red… todo bajo una misma arquitectura. Eso nos da una flexibilidad real a la hora de diseñar la solución exacta que cada cliente necesita.

¿Cómo ha cambiado la demanda de hardware Supermicro desde que la IA entró en la agenda de las empresas?

Antes los proyectos giraban principalmente en torno a virtualización, almacenamiento y servidores de propósito general. Ahora los clientes preguntan por GPUs, por capacidad de inferencia o por cómo escalar sin reemplazar todo lo que tienen. Por eso, trabajamos con el ecosistema de Supermicro, porque puedes ir desde un servidor GPU en 1U hasta sistemas multinodo de alta densidad, según dónde esté cada cliente en su madurez de IA. No todo el mundo necesita lo mismo ni al mismo tiempo.

¿Y eso cambia también cómo diseñáis las soluciones?

Totalmente. El margen de error es mucho menor. En IA, si el pipeline de datos no está bien diseñado desde el principio, todo se resiente. No es lo mismo entrenar modelos científicos en una universidad que detectar fraude en milisegundos en banca. Por eso, no trabajamos desde un catálogo cerrado, sino desde el workload real.

¿Cuál es el error más habitual que ves en proyectos de IA?

Pensar solo en GPUs. Es el titular fácil, pero el problema suele estar en otro sitio: almacenamiento insuficiente, redes que no dan el ancho de banda necesario, o una arquitectura de datos que no escala. Y muchas veces tampoco se contempla desde el principio el software y las licencias necesarias para que todo funcione y que tienen un impacto real en el coste y en los tiempos del proyecto.

El otro gran error es no pensar en el día dos. Quién opera esa infraestructura, cómo se mantiene, cómo evoluciona. La IA no es un proyecto que se entrega y ya está; es un sistema vivo. Y acompañar al cliente en esa evolución es exactamente lo que hacemos en Nemix.