El cambio parece sencillo, pero tecnológicamente es significativo.

Un agente puede realizar decenas e incluso cientos de llamadas a modelos de IA dentro de un solo flujo de trabajo. Utilizar el modelo más potente disponible para cada una de esas tareas puede desperdiciar capacidad de cómputo, consumir tokens innecesariamente, incrementar costos y hacer más lentos los procesos.

La IA agéntica necesita, por lo tanto, ser más inteligente también en la manera en que utiliza sus recursos.

No todas las tareas necesitan la misma IA

Aquí aparece una de las novedades más interesantes de la colaboración entre Dell Technologies y NVIDIA.

NVIDIA Nemotron 3.5 Lightning está diseñado para ejecutar tareas especializadas y de alto volumen dentro de sistemas de múltiples agentes. Utiliza una arquitectura Mixture of Experts (MoE) con hasta 30 mil millones de parámetros, pero únicamente 3 mil millones activos durante el procesamiento.

De acuerdo con NVIDIA y Dell, esta arquitectura puede ofrecer hasta 4 veces mayor throughput frente a modelos de tamaño similar, convirtiéndola en una alternativa especialmente interesante para procesos repetitivos que necesitan ejecutarse rápidamente y a escala.

Además, las organizaciones pueden realizar post-training del modelo utilizando sus propios datos, políticas y procesos para mejorar su desempeño en tareas específicas del negocio.

Pero existe otra pieza importante: NVIDIA NeMo Switchyard.

Esta tecnología funciona como un sistema inteligente de enrutamiento. En lugar de enviar automáticamente cada tarea al mismo modelo, analiza cada paso de un flujo de trabajo y lo dirige al modelo más adecuado disponible.

En términos empresariales, esto significa utilizar la capacidad de IA correcta para cada tarea: modelos especializados y eficientes para actividades frecuentes, y modelos frontier de mayor capacidad únicamente cuando el nivel de complejidad realmente lo requiere.

El resultado puede ser una operación más eficiente, rápida y con mayor control sobre los recursos utilizados.

¿Todo debe ejecutarse en la nube?

El crecimiento de los agentes también está haciendo que muchas organizaciones reconsideren dónde ejecutar sus cargas de Inteligencia Artificial.

Cuando un agente realiza cientos de interacciones de manera continua, depender exclusivamente de APIs y servicios de nube puede introducir desafíos relacionados con latencia, costos variables y soberanía de los datos.

Por ello, Dell propone una arquitectura donde determinadas cargas pueden ejecutarse localmente y escalar posteriormente hacia el centro de datos cuando sea necesario.

Dell Deskside Agentic AI, como parte de Dell AI Factory with NVIDIA, busca proporcionar una plataforma local para desarrollar y ejecutar flujos de agentes con mayor control sobre los datos, los costos y la infraestructura.

Y aquí los números permiten dimensionar hasta dónde está llegando este concepto.

Una Dell Pro Max con GB10 puede soportar modelos de 30 mil millones a 200 mil millones de parámetros para prototipos y flujos de menor escala.

Las Dell Pro Max T2 y Dell Pro Precision T2, T4 y T6 con GPU NVIDIA RTX PRO Blackwell amplían ese rango hasta 500 mil millones de parámetros.

Para escenarios todavía más exigentes, Dell Pro Max con GB300 está diseñada para inferencia frontier y puede soportar modelos desde 120 mil millones hasta 1 trillion de parámetros, además de despliegues locales de flotas de agentes a escala empresarial.

Esto permite imaginar una estrategia en la que los equipos especializados desarrollan y prueban agentes localmente y posteriormente los llevan hacia una infraestructura de data center cuando el proyecto necesita crecer.

De experimentar con IA a obtener resultados

El contexto también está cambiando rápidamente.

Dell reportó en mayo de 2026 que más de 5,000 clientes ya estaban implementando Dell AI Factory, su arquitectura integral desarrollada junto con NVIDIA para llevar proyectos de IA desde la experimentación hasta producción.

Además, Dell señala que su enfoque integrado puede acelerar hasta 84% el time-to-value de proyectos de IA, de acuerdo con el estudio citado por la compañía. En marzo, Dell también informó que algunos early adopters de Dell AI Factory habían alcanzado hasta 2.6 veces el retorno sobre inversión durante el primer año.

Actualmente, Dell también señala que Dell AI Factory with NVIDIA puede reducir el gasto hasta 87% frente al uso de APIs de nube durante un periodo de dos años, bajo las condiciones de comparación especificadas por la compañía.

Estas cifras no significan que todas las organizaciones obtendrán automáticamente los mismos resultados. Sí muestran, sin embargo, hacia dónde se está moviendo el mercado: la conversación sobre IA empresarial está pasando de experimentar con modelos a construir una infraestructura que permita operarlos de manera sostenible y obtener valor de ellos.

Business Conexión: construir la arquitectura detrás de los agentes

Implementar IA agéntica no comienza comprando un servidor ni seleccionando el modelo con mayor número de parámetros.

El primer paso debe ser identificar qué proceso del negocio queremos mejorar o automatizar.

A partir de ahí surgen preguntas fundamentales: ¿qué información necesitará el agente?, ¿qué datos deben permanecer dentro de la empresa?, ¿qué tareas pueden ejecutarse localmente?, ¿cuáles necesitan infraestructura de data center?, ¿qué nivel de procesamiento requieren? y ¿cómo debe escalar la solución conforme aumenta su utilización?

En Business Conexión podemos acompañar a las organizaciones en este proceso, ayudándolas a definir la infraestructura adecuada dentro del ecosistema Dell Technologies y NVIDIA, desde workstations para desarrollar y probar nuevos casos de uso hasta servidores PowerEdge, almacenamiento, networking y soluciones de data center para llevarlos a producción.

Porque el siguiente paso de la Inteligencia Artificial empresarial no consiste solamente en obtener mejores respuestas.

Consiste en crear sistemas capaces de analizar, decidir y ejecutar acciones para alcanzar objetivos de negocio.

La IA está comenzando a pasar de asistente a agente.

La pregunta es ¿en qué proyecto de IA podemos ayudarte?