El papel del mainframe solía ser relativamente fácil de explicar: procesar y registrar transacciones críticas con seguridad, disponibilidad y escala. Bancos, aseguradoras, retailers, gobiernos y grandes empresas construyeron sobre él lo que la industria pasó a llamar system of record.
Ese papel no ha desaparecido. Lo que cambió es lo que el resto de la empresa espera de esos datos.
Las aplicaciones necesitan reaccionar en tiempo real. Los modelos de IA necesitan contexto. Los sistemas analíticos necesitan detectar los eventos mientras ocurren. Los canales digitales necesitan combinar la información que está en el core con datos distribuidos entre APIs, cloud, aplicaciones y otras plataformas.
En el estudio State of Mainframe Modernization 2025, de Kyndryl, el 88% de las organizaciones afirmó estar implementando o planificando implementar IA en el entorno mainframe. Al mismo tiempo, el 99% de los encuestados opera en entornos híbridos.
Por lo tanto, la cuestión ya no es simplemente si el mainframe formará parte de la estrategia de IA.
La cuestión es cómo transformar los datos y eventos que nacen en el core transaccional en insumos para aplicaciones inteligentes sin desmantelar la arquitectura que sigue sosteniendo el negocio.
Es ahí donde el concepto de core inteligente empieza a cobrar más sentido.
El system of record sigue siendo necesario, pero ya no es suficiente
Almacenar la verdad transaccional de una empresa y poder utilizarla en el momento en que puede generar valor son dos cosas diferentes.
Una transacción con tarjeta puede estar perfectamente registrada en el mainframe, pero un sistema antifraude necesita analizarla mientras está ocurriendo.
Un movimiento financiero puede estar correctamente registrado en el core, pero una aplicación de atención al cliente puede necesitar combinarlo inmediatamente con información de otros canales.
Una aseguradora puede contar con décadas de historial confiable, pero un modelo analítico o una aplicación habilitada con IA necesita acceder a información relevante dentro de un contexto mucho más amplio.
El problema no es la confiabilidad del system of record. Es la distancia entre que el dato exista y que el dato esté disponible para la toma de decisiones.
Intentar resolver esa distancia simplemente extrayendo todo del mainframe crea otro problema.
Durante mucho tiempo, los proyectos analíticos siguieron la conocida lógica de extraer datos de los sistemas transaccionales, copiarlos a otro entorno, transformarlos y, solo entonces, utilizarlos en analytics, aplicaciones o modelos.
Ese modelo sigue siendo válido en muchos casos, pero cuanto más cercana al tiempo real necesita ser una decisión, más compleja se vuelve esa cadena.
Entre el momento en que ocurre el evento y el momento en que se utiliza, pueden aparecer:
Copias adicionales;
Procesos de ETL;
Desfasajes entre sistemas;
Diferentes versiones de la misma información;
Nuevos controles de seguridad;
Costos de movimiento y almacenamiento;
Dificultades de gobernanza.
Con la IA, la tensión aumenta.
Cuantos más datos se replican para alimentar diferentes aplicaciones y modelos, mayor es también la superficie que debe protegerse, gobernarse y mantenerse consistente.
El propio estudio de Kyndryl muestra esta dificultad. Entre las organizaciones que avanzan en el uso de IA en mainframe, el 47% señala protocolos de seguridad restrictivos que limitan el acceso a los datos, mientras que el 37% menciona requisitos regulatorios y de compliance como obstáculos para la implementación.
Por lo tanto, el desafío no es simplemente “liberar” el dato. Es hacerlo utilizable sin perder el control que convirtió a ese entorno en confiable desde el principio.
Aquí es donde la discusión deja de ser únicamente sobre infraestructura y pasa a ser una discusión sobre arquitectura de datos.
Un core inteligente no es un mainframe que intenta desempeñar por sí solo todas las funciones de una arquitectura moderna.
Tampoco es un entorno en el que los datos transaccionales se van vaciando progresivamente hasta que todo el valor termina en otra plataforma.
Es una arquitectura en la que el core sigue siendo responsable de aquello que hace mejor, pero sus datos, eventos y reglas comienzan a participar de nuevos flujos digitales de manera controlada.
Eso exige una capa capaz de conectar mundos diferentes.
En lugar de preguntar “¿dónde vamos a colocar todos los datos?”, la arquitectura comienza a plantearse: ¿cómo pueden diferentes aplicaciones trabajar con los datos que necesitan, con contexto, gobernanza y menor fricción?
InterSystems IRIS: una capa entre datos, aplicaciones e inteligencia
Es exactamente en este terreno donde entra InterSystems IRIS.
InterSystems define IRIS como una plataforma de datos cloud-first capaz de combinar gestión de datos, interoperabilidad, procesamiento transaccional y analytics. La plataforma soporta SQL y NoSQL y permite trabajar simultáneamente con transacciones y análisis dentro de un mismo motor.
Esto es importante porque el papel de IRIS dentro de esta arquitectura no es reemplazar al mainframe como sistema transaccional crítico. Es reducir la distancia entre el core y las aplicaciones que necesitan trabajar con sus datos.
Su capa de interoperabilidad ofrece conectividad con APIs, servicios, bases de datos y diferentes protocolos y tecnologías. La plataforma también incluye capacidades de orquestación de procesos, gestión de APIs, reglas de negocio y procesamiento de eventos. [InterSystems Corporation]
En la práctica, esto permite construir una capa en la que datos provenientes de diferentes sistemas pueden conectarse, transformarse y utilizarse en nuevas aplicaciones sin exigir que cada proyecto reconstruya toda la integración desde cero.
El mainframe sigue ejecutando la transacción. IRIS ayuda a conectar esa transacción con el resto del ecosistema digital.
Esta distinción se vuelve aún más importante cuando la conversación llega a la inteligencia artificial. Un modelo no necesita únicamente acceso a los datos. Necesita datos relevantes, contextualizados y gobernados.
Imaginemos una aplicación de IA analizando el riesgo de fraude. La transacción financiera es solo una parte del contexto. También pueden ser relevantes:
El comportamiento reciente del cliente;
Su historial;
El canal utilizado;
La ubicación;
Eventos anteriores;
Reglas internas;
Información procedente de otros sistemas.
Ninguna de estas fuentes, de forma aislada, representa toda la situación.
El problema deja de ser almacenar información y pasa a ser conectar suficiente información para producir una mejor decisión.
Por eso, una arquitectura preparada para IA necesita resolver primero la interoperabilidad, y no únicamente el modelado.
De lo contrario, la empresa puede terminar con modelos cada vez más sofisticados trabajando sobre datos cada vez más fragmentados.
Un movimiento reciente de la propia InterSystems ayuda a hacer esta arquitectura más concreta. En 2026, la compañía presentó InterSystems IRIS AI Hub, posicionándolo como una capa gobernada entre las aplicaciones de IA y los sistemas de datos ya existentes.
Este punto resulta particularmente relevante en entornos críticos.
Durante la primera ola de IA generativa, gran parte de la conversación se concentró en el modelo. ¿Qué LLM? ¿Qué plataforma? ¿Qué capacidades?
Ahora, el cuello de botella empieza a aparecer en qué datos puede utilizar la IA, con qué contexto, bajo qué reglas y sin crear un nuevo silo.
El diferencial de una arquitectura inteligente no será simplemente acercar la IA al negocio. Será poder hacerlo sin perder la gobernanza sobre los datos que sostienen el negocio.
La transacción y el análisis no tienen por qué vivir en universos aislados
Otro legado arquitectónico que empieza a ser cuestionado es la separación rígida entre operación y análisis. En el diseño tradicional, el entorno transaccional hace una cosa. El entorno analítico hace otra.
Los datos se extraen del primero y se preparan para el segundo, pero las aplicaciones modernas suelen necesitar ambas capacidades.
Una decisión puede depender de una transacción que está ocurriendo ahora y, al mismo tiempo, del historial que ayuda a interpretarla.
InterSystems IRIS fue diseñado para soportar procesamiento transaccional y analytics de forma simultánea, además de permitir incorporar analytics, machine learning, reglas de negocio y capacidades de IA en las aplicaciones.
Esto no significa trasladar todo el procesamiento analítico a una única plataforma. Significa reducir la necesidad de tratar “lo operacional” y “lo inteligente” como dos mundos completamente separados.
Esta aproximación es una de las bases del core inteligente.
Existe, además, un riesgo semántico en esta discusión. Hablar de un “core inteligente” puede sugerir el regreso a una arquitectura en la que todo tiene que concentrarse en un gran sistema central.
Es justamente lo contrario.
El entorno empresarial actual es híbrido por naturaleza.
El estudio de Kyndryl muestra que prácticamente todas las organizaciones encuestadas operan de esta manera, combinando mainframe con otras plataformas y modernizando a través de diferentes caminos.
El core inteligente no concentra todo. Participa mejor del ecosistema.
El mainframe puede seguir siendo responsable de la transacción crítica. Una aplicación cloud puede encargarse de la experiencia digital. Otra plataforma puede ejecutar un modelo determinado. Un servicio externo puede enriquecer una decisión. Una capa de interoperabilidad puede conectar todas estas partes.
La inteligencia está menos en colocar todo en el mismo lugar y más en conseguir que cada componente reciba la información correcta, en el momento correcto y bajo las reglas correctas.
Las empresas conviven desde hace décadas con silos de datos. La IA puede resolver parte de esa fragmentación, pero también puede multiplicarla.
Cada nuevo proyecto puede crear su propio pipeline, su propia copia, su propia base de datos vectorial, su propio conjunto de permisos y su propia interpretación de la verdad.
En poco tiempo, la organización puede pasar de silos de aplicaciones a silos de inteligencia.
InterSystems posiciona IRIS como una plataforma capaz de conectar silos de datos y aplicaciones y soportar el desarrollo de aplicaciones de alto rendimiento habilitadas para IA.
Por eso, la modernización orientada a datos no debería comenzar por el modelo de IA. Debería comenzar por la arquitectura que permitirá que ese modelo encuentre datos confiables.
Modernizar el mainframe también significa ayudarlo a participar mejor
Existe una tendencia a asociar modernización con reemplazo, pero, dentro de una arquitectura híbrida, modernizar muchas veces significa aumentar la capacidad de participación de un sistema existente.
Exponer una función de manera segura. Conectar un evento con otro flujo. Poner datos a disposición de una aplicación. Orquestar procesos entre plataformas. Permitir que analytics o IA utilicen información del core sin exigir una reconstrucción completa.
El mainframe deja de ser visto únicamente como el lugar donde termina una transacción. Pasa a ser también una de las fuentes más importantes de contexto para lo que ocurre después de ella.
El system of record sigue siendo fundamental porque las empresas todavía necesitan saber cuál es la versión correcta de una transacción. La IA no elimina esa necesidad. De hecho, la vuelve aún más importante.
Cuanto mayor sea la capacidad de generar respuestas, recomendaciones y acciones automáticamente, mayor será también la necesidad de saber sobre qué datos se están tomando esas decisiones.
Por eso, la próxima etapa de la modernización no exige necesariamente reemplazar el core. Exige conectarlo.
InterSystems IRIS, dentro de la alianza con Eccox, entra en esta capa de modernización orientada a datos: conectando aplicaciones y fuentes diferentes, habilitando interoperabilidad y creando una base para analytics y aplicaciones inteligentes sin convertir el reemplazo del mainframe en un requisito previo.
Porque el desafío de las empresas ya no consiste únicamente en registrar miles de millones de transacciones de forma confiable. Consiste en poder transformar esas transacciones en contexto para la próxima decisión.
Y es precisamente ese paso —del sistema que registra al core que participa, conecta e informa— el que empieza a definir qué significa realmente un core inteligente.
About Post Author
