Michael Dell y Jensen Huang han vuelto a compartir escenario en Las Vegas, transmitiendo un mensaje que va mucho más allá de simplemente ofrecer más servidores para inteligencia artificial. La propuesta que Dell Technologies busca instalar en el mercado es sencilla: la IA privada pasa de ser un proyecto complejo, costoso y casi artesanal, a convertirse en una categoría de infraestructura accesible, sencilla de desplegar y fácil de gestionar, integrándose de forma natural en el centro de datos empresarial.

La cifra que más ha llamado la atención es el ahorro estimado. Dell sostiene que, para determinadas cargas de IA agéntica, sus soluciones Deskside Agentic AI pueden reducir los costes hasta un 87 % en comparación con APIs en la nube pública durante dos años, con un punto de equilibrio alcanzable en apenas tres meses. Aunque son estimaciones comerciales que dependen del uso real, modelo, consumo energético, soporte y amortización de hardware, reflejan una tendencia cada vez más visible en las empresas: no todas las cargas de IA tienen sentido como consumo variable en la nube pública.

De proyecto experimental a «fábrica de IA» completamente empaquetada

Durante años, ejecutar IA en local parecía restringido a laboratorios o proyectos exclusivos de grandes equipos de infraestructura. La elección incluía servidores, GPUs, almacenamiento, redes, software, modelos, seguridad, operación y soporte. Muchas empresas optaban por APIs externas, que eran rápidas de probar, fáciles de contratar y no requerían una inversión inicial elevada.

Pero ese equilibrio está empezando a cambiar. La explosión de los agentes de IA altera la economía. Un chatbot que responde a unas pocas preguntas puede funcionar bajo un modelo de pago por uso. En cambio, un conjunto de agentes que consulta documentos internos, ejecuta código, llama a APIs, trabaja con bases de datos y genera miles de interacciones diarias puede disparar los costes y plantear dudas sobre seguridad, privacidad y gobernanza de datos.

Dell busca solucionar estos desafíos con una solución completa que abarca desde estaciones de trabajo hasta racks en centros de datos. Dell Deskside Agentic AI combina estaciones de trabajo de alto rendimiento, aceleradores NVIDIA, modelos de código abierto, NVIDIA NemoClaw y OpenShell para crear y ejecutar agentes cercanos a los usuarios o equipos que los necesitan. En la infraestructura de centro de datos, Dell AI Factory con NVIDIA agrupa servidores PowerEdge, almacenamiento, redes, software, servicios y arquitecturas de referencia.

Lo que cambia respecto a etapas anteriores es la forma de adquirir estos sistemas. Un CIO ya no necesita concebir la IA privada como un conjunto de componentes dispersos. Ahora puede optar por una «fábrica de IA» validada por Dell y NVIDIA, con configuraciones específicas para desarrollo, inferencia, agentes, datos corporativos y escalado futuro. Aunque no elimina la complejidad, sí la simplifica y la empaqueta mejor.

La economía basada en tokens revoluciona el diálogo

El coste por token se ha convertido en una métrica clave en el mundo empresarial. Cada consulta a un modelo, cada resumen, llamada de un agente, ejecución de código o búsqueda en contexto consume tokens. Cuando el uso es reducido o imprevisible, seguir confiando en APIs en la nube sigue siendo conveniente. Sin embargo, cuando la carga se vuelve intensiva, repetitiva y ligada a datos internos, contar con infraestructura propia empieza a tener sentido.

Aquí entra en juego la propuesta de Dell. Si una empresa sabe que sus agentes trabajarán diariamente con documentación, repositorios, tickets, datos operativos o flujos de trabajo internos, pagar por cada interacción como un consumo externo puede ser menos atractivo. Además, trasladar la inferencia a un entorno privado permite mayor control sobre latencia, privacidad, residencia de datos y acceso a sistemas críticos.

El hardware continúa siendo un elemento fundamental. Dell ya había ampliado su AI Factory con servidores PowerEdge basados en NVIDIA Blackwell Ultra, configurados con hasta 192 GPUs por sistema y opciones personalizables de hasta 256 GPUs por rack Dell IR7000. La compañía también reporta mejoras de hasta cuatro veces en entrenamiento de grandes modelos de lenguaje frente a generaciones anteriores, lo que exige refrigeración líquida directa, redes de alta velocidad y una arquitectura de racks más integrada.

Pero el cambio real no solo está en aumentar la densidad de GPUs. La clave es transformar esa capacidad en una plataforma empresarial de IA privada. Las compañías no solo quieren entrenar modelos, desean agentes que funcionen con sus propios datos, bajo sus políticas y dentro de sus perímetros de seguridad.

Código abierto, agentes y control de datos

La narrativa competitiva también evoluciona. Hace dos años, muchas empresas consideraban que los mejores resultados solo provenían de modelos cerrados consumidos mediante APIs. Hoy en día, los modelos abiertos han avanzado lo suficiente para cubrir numerosos casos de uso empresariales, especialmente cuando se ajustan con datos propios, se combinan con técnicas RAG, se ejecutan en flujos controlados o se integran con sistemas internos.

Esto no implica que los modelos abiertos hayan reemplazado por completo a los modelos cerrados en todas las tareas. Pero sí reducen significativamente la dependencia. Una organización puede usar APIs externas para tareas muy avanzadas y, simultáneamente, ejecutar modelos open source localmente para soporte interno, búsqueda documental, clasificaciones, automatizaciones, análisis de código o agentes especializados.

NVIDIA y Dell desean ocupar ese espacio intermedio. No venden solo servidores; promueven la idea de una infraestructura donde modelos, datos y agentes puedan operar bajo control empresarial. OpenShell proporciona un entorno de ejecución con controles de seguridad y privacidad. NemoClaw y Nemotron ofrecen una base para construir agentes y modelos personalizados. La plataforma Dell AI Data conecta esa capa con los datos internos de la empresa.

Para sectores regulados, esta propuesta resulta especialmente convincente. Banca, sanidad, industria, administración pública, defensa y servicios profesionales no siempre pueden enviar datos sensibles a APIs externas sin revisar aspectos de cumplimiento, jurisdicción, propiedad intelectual y trazabilidad. La IA privada representa una alternativa viable, siempre que la organización tenga la capacidad para operarla con seguridad.

El concepto de «on-premise» también está evolucionando. Ya no se percibe como volver al pasado o como un rechazo al cloud. La tendencia más probable será la adopción de escenarios híbridos: cloud público para flexibilidad, experimentación y ciertos modelos frontera; infraestructura privada para datos sensibles, agentes persistentes y cargas con costes predecibles; y edge o estaciones de trabajo para equipos que requieren baja latencia o procesamiento cercano a los datos.

La verdadera competencia no solo radicará en quién posee el modelo más potente, sino en quién logra que la IA opere dentro de la organización con costos sostenibles, datos protegidos y agentes que actúen sin romper los controles internos. Dell y NVIDIA aspiran a que esa solución se venda casi como una actualización de infraestructura. Si lo consiguen, la IA privada dejará de ser una excepción para convertirse en una opción de mercado real, compitiendo de tú a tú con el modelo basado únicamente en APIs públicas.

Preguntas frecuentes

¿Qué ha anunciado Dell junto a NVIDIA?
Dell ha fortalecido su plataforma AI Factory con NVIDIA añadiendo soluciones para IA agéntica, estaciones de trabajo locales, servidores PowerEdge, modelos, software de agentes y arquitecturas diseñadas para implementar IA privada desde la oficina hasta el centro de datos.

¿Es real el ahorro del 87 % frente a APIs en la nube?
Es una estimación de Dell para cargas específicas de IA agéntica durante dos años. Este ahorro puede ser relevante en usos intensivos y continuos, pero dependerá del volumen, el modelo, el consumo energético, el soporte y la amortización del hardware.

¿Qué implica que la IA privada pueda caber en un rack?
Significa que algunas empresas pueden gestionar sus modelos y agentes en su propia infraestructura, utilizando servidores, GPUs, redes, almacenamiento y software validados, en lugar de depender exclusivamente de APIs externas.

¿La IA privada reemplazará al cloud público?
No en todos los casos. La tendencia más probable será un enfoque híbrido: cloud público para cargas específicas y modelos frontera; infraestructura privada para datos sensibles, cargas con costos fijos y agentes integrados en sistemas internos.