La estrategia de IA agéntica de Dell: de 900 proyectos piloto a 13 operaciones reales

El mensaje de Dell en The Six Five Summit: AI Unleashed 2026 fue claro: la inteligencia artificial empresarial estaría entrando en una nueva etapa. En lugar de limitarse a buscar información, resumir documentos o generar contenido, los sistemas empiezan a ejecutar procesos de negocio. Dell afirmó que redujo aproximadamente 900 proyectos posibles de IA a 13 iniciativas con un valor empresarial definido y describió mejoras iniciales de productividad de entre el 20% y el 40%. 1

La cifra es una afirmación de Dell, no una medición aplicable a toda la industria. Aun así, ofrece un marco útil para entender qué cambia cuando la IA pasa de la experimentación a la ejecución operativa.

La IA agéntica no solo responde: hace el trabajo

Dell marcó una diferencia entre la primera ola de IA generativa y los sistemas agénticos. Los chatbots y asistentes pueden ayudar a los empleados a encontrar información en datos propios, resumir documentos o redactar contenidos. Un sistema agéntico, en cambio, está diseñado para digitalizar un proceso: puede razonar sobre una tarea, utilizar herramientas, coordinar varios pasos y completar el trabajo con mucha menos intervención humana directa. 1

La diferencia no depende únicamente del modelo de IA. Según Dell, poner agentes en producción exige cambios en la pila tecnológica, la infraestructura, la gobernanza y el diseño organizativo. El objetivo estratégico es reducir la dependencia entre la cantidad de trabajo que una empresa puede completar y la capacidad humana disponible. 1

Los primeros casos de uso: CRM, código y precios

Dell afirmó que lleva unos dos años trabajando con agentes y que los trasladó a producción durante el año anterior. La compañía mencionó tres ejemplos de uso operativo:

• Limpieza de datos de CRM: los agentes pueden encargarse de tareas repetitivas relacionadas con la calidad de los registros de clientes.
• Desarrollo de software: pueden ayudar con programación rutinaria, anotaciones y partes de la coordinación de los procesos de integración y entrega continuas (CI/CD).
• Precios especiales: pueden apoyar flujos de trabajo en los que importan la rapidez y la aplicación coherente de determinadas reglas. 1

Estos casos están lejos de representar una empresa completamente autónoma, pero muestran por qué el diseño del proceso es decisivo. Un despliegue útil no consiste simplemente en insertar un modelo dentro de una aplicación existente: requiere un flujo automatizado con entradas, herramientas, permisos y resultados claramente definidos.

Por qué Dell redujo 900 proyectos a 13

Dell dijo que pasó de unos 900 proyectos candidatos a aproximadamente 13 iniciativas prioritarias, seleccionadas por su valor empresarial explícito y gestionadas mediante una priorización centralizada. 1

La decisión refleja una lección práctica para cualquier programa corporativo de IA: acumular experimentos no garantiza una ventaja operativa. El argumento de Dell es que las organizaciones deben concentrar sus recursos en procesos cuyo resultado pueda medirse y, después, construir los controles y la infraestructura necesarios para ejecutarlos de forma fiable.

La compañía atribuyó mejoras iniciales de productividad de aproximadamente entre el 20% y el 40% a despliegues de asistentes específicos. También sostuvo que las ganancias podrían ser mucho mayores cuando los agentes asuman categorías completas de trabajo. Dell afirmó que el programa focalizado ayudó a desvincular el crecimiento de los ingresos de su estructura de costes. Son resultados comunicados por la propia empresa y deben interpretarse como la experiencia de Dell, no como un estándar garantizado para cualquier implementación. 1

El “agent washing” desdibuja la diferencia real

John Roese, directivo de Dell, advirtió contra la tendencia a presentar cualquier función de IA como un agente autónomo. En el lenguaje utilizado por Dell, el agent washing ocurre cuando se equiparan chatbots, asistentes limitados y sistemas capaces de ejecutar acciones de manera autónoma. 1

Una distinción útil sería:

• Chatbot: responde a una instrucción y normalmente ofrece información o contenido.
• Asistente especializado: mejora una tarea acotada mientras una persona sigue participando estrechamente.
• Agente autónomo: puede planificar, llamar a herramientas, coordinar acciones y ejecutar un flujo de trabajo con mucha menos supervisión directa. 1

La diferencia importa porque la autonomía eleva los riesgos. Un resumen equivocado puede corregirse; un agente con acceso a sistemas corporativos podría modificar registros, activar acciones posteriores o exponer información sensible.

Los agentes en producción cambian las necesidades de infraestructura

Matt Murphy, consejero delegado de Marvell, afirmó que la inferencia agéntica en producción genera presiones de infraestructura distintas de las cargas tradicionales de entrenamiento de IA. Los agentes pueden necesitar conservar el estado de un flujo de trabajo mediante cachés de valores y claves —key-value caches— durante llamadas repetidas al modelo, contextos extensos e interacciones prolongadas entre varios agentes. Como resultado, la capacidad y el ancho de banda de la memoria pueden convertirse en el límite antes de que el problema principal sea la potencia de cálculo. 1

Murphy también señaló que las CPU ganan importancia porque los sistemas agénticos requieren orquestación: ramificación de tareas, recuperación de información, llamadas a herramientas, ejecución aislada y coordinación entre agentes. En la conversación, la relación entre CPU y GPU se describió como un cambio desde aproximadamente 8–16:1 en la IA tradicional hacia cerca de 1–2:1 en cargas agénticas. 1

Para los compradores empresariales, la conclusión es directa: una plataforma de agentes no puede evaluarse únicamente por la calidad del modelo o la capacidad de GPU. La memoria, las redes, la coordinación mediante CPU, la observabilidad y el coste de las inferencias repetidas también determinan si un flujo de trabajo es viable en producción.

No habrá una única arquitectura para todos los agentes

Dell rechazó una estrategia basada en un único modelo o en una sola ubicación, una especie de “monocultivo” tecnológico. Su propuesta combina opciones como modelos abiertos en las instalaciones de la empresa, modelos punteros alojados por Dell, nubes privadas virtuales controladas, API externas y modelos que se ejecutan en dispositivos. La elección depende del rendimiento, el cumplimiento normativo, la funcionalidad y el coste. 1

La economía también varía según el trabajo que se automatiza. Dell contrastó un agente de apoyo a decisiones ejecutivas, que podría justificar un gasto mensual elevado, con un flujo de limpieza masiva de CRM, que necesita un coste muy bajo por registro; en la conversación se mencionó un umbral inferior a aproximadamente 0,50 dólares. 1

Por eso, una pregunta más útil que «¿cuál es el mejor modelo?» sería: ¿qué modelo, ubicación de despliegue y nivel de autonomía permiten alcanzar el resultado necesario con un coste y un riesgo aceptables?

La identidad digital será la capa de control

Dell afirmó que todo agente autónomo que acceda a sus datos, ya sea interno o externo, debería recibir una identidad digital emitida por Dell. Esa identidad permitiría aplicar autorizaciones detalladas y revocar el acceso como un mecanismo práctico de apagado de emergencia. 1

El reto de seguridad es mayor cuando los agentes no heredan simplemente la identidad de un usuario. Un agente que hereda la identidad actúa con las credenciales de un empleado identificable. Un agente sin operador directo, o headless agent, funciona de manera más independiente, lo que complica la atribución, la gestión de permisos y el control durante todo su ciclo de vida. Según la conversación, Dell espera que estos agentes representen aproximadamente el 70% de los despliegues futuros. 2

Dell también señaló los protocolos de comunicación entre agentes y entre agentes y herramientas, así como la preparación para la era poscuántica, como elementos del modelo de seguridad necesario para una autonomía en producción. 1 La lección general es que un agente debe tratarse como una identidad de software con responsable, alcance, registro de auditoría y mecanismo de revocación definidos; no como una extensión invisible de un chatbot.

Los empleos se dividirán en tareas

Dell dijo que analizó 6.800 puestos de trabajo descomponiéndolos en categorías como productividad, tareas administrativas y de mantenimiento, coordinación, trabajo experto y labores de interacción humana. Su conclusión fue que los agentes probablemente eliminarán partes de los puestos, en lugar de suprimir automáticamente empleos completos. 1

En el desarrollo de software, por ejemplo, los agentes pueden asumir programación rutinaria, anotaciones y parte de la coordinación de la entrega, mientras las personas dedican más tiempo a la arquitectura, los requisitos, el criterio profesional y la relación con los clientes. 1

Eso no significa que los puestos vayan a permanecer intactos. La tesis de Dell es que todos los trabajos se transformarán a medida que se extraigan las tareas automatizables y los profesionales se desplacen hacia responsabilidades que dependan más de la experiencia, el contexto, el juicio y las relaciones humanas.

La prueba definitiva para la IA agéntica

La posición de Dell puede resumirse en una prueba exigente: un proyecto de IA agéntica solo está preparado para producción cuando tiene un resultado empresarial medible, un flujo de trabajo claramente delimitado, una economía adecuada y controles sólidos de identidad, acceso y recuperación ante fallos.

El paso de 900 posibilidades a 13 iniciativas resume la estrategia. La IA agéntica no es simplemente una interfaz más conversacional. Es un modelo operativo en el que el software ejecuta trabajo, y en el que la infraestructura, la seguridad y el diseño de los puestos deben evolucionar al mismo tiempo que los modelos.