Tabla de Contenido
En México, las empresas que operan Inteligencia Artificial a escala se duplicaron en un año al pasar de 9% a 19%, mientras que los proyectos en etapa de prueba cayeron al 20%.
Dejar atrás la fase de prueba para desplegar la Inteligencia Artificial a gran escala es el nuevo dilema corporativo. Tras los primeros proyectos piloto, la gran pregunta es cómo integrar la IA en el corazón operativo de la organización, planteó Juan Francisco Aguilar, director general de Dell Technologies México.
El verdadero desafío está en construir un ecosistema donde la calidad de datos, infraestructura, ciberseguridad, estrategia y talento funcionen de manera coordinada, resaltó el ejecutivo al enlistar esos aspectos como los principales retos que ahora en las organizaciones a fin de superar la etapa de experimentación.
Al presentar los resultados del estudio Preparación de la empresa para la era moderna, realizado por Dell Technologies entre 3,000 organizaciones de 35 países, incluido México, Aguilar expresó que:
«México vive una etapa de transformación digital que exige a las organizaciones algo más que adaptarse: les exige liderar. Liderar con resiliencia, agilidad y visión para convertir la tecnologíaen crecimiento real, productividad y competitividad”.
De acuerdo con uno de los hallazgos de la investigación hecho por la firma, la adopción de Inteligencia Artificial en las empresas mexicanas muestra un salto cualitativo.
En solo un año, la proporción de organizaciones que operan IA a escala se duplicó, pasando del 9% en 2025 al 19% en 2026; mientras que el porcentaje de compañías estancadas en fases de prueba cayó del 29% al 20%.
La evolución refleja un cambio en las prioridades empresariales. La discusión, apuntó la investigación, ya no gira exclusivamente alrededor de si una compañía debe adoptar inteligencia artificial, sino de cómo hacerlo de manera segura, rentable y sostenible
Al respecto Aguilar comentó que ahora el reto ahora consiste en trasladar los proyectos piloto a entornos productivos, ampliar los casos de uso y demostrar su valor para el negocio.
Al tomar como referencia el estudio de la firma, mencionó que el 46% de los entrevistados considera que escalar la Inteligencia Artificial rápidamente es uno de los factores que más influyen en sus decisiones.
A esto se suman, dijo, los requisitos regulatorios de cada industria y la necesidad de controlar los costos y la economía de la infraestructura, particularmente ante el crecimiento del uso de agentes de IA y el consumo de tokens.
Del piloto a la implementación: el desafío de demostrar resultados
Para Aguilar, la escalabilidad depende de que las organizaciones definan casos de uso con objetivos medibles, indicadores de retorno de inversión y plazos de ejecución.
Recomendó que la decisión no debe comenzar por elegir un modelo o procesador, sino por identificar qué problema de negocio se busca resolver y cómo se evaluarán los resultados.
El segundo requisito, enlistó, es contar con infraestructura capaz de soportar cargas de trabajo avanzadas, con capacidad de crecimiento y eficiencia energética.
Pues, señaló el directivo, algunas organizaciones todavía tienen dudas sobre si sus entornos actuales pueden responder a las exigencias de procesamiento y almacenamiento que implica la IA.
«La infraestructura de cómputo continúa siendo fundamental para ejecutar cargas de trabajo de inteligencia artificial, pero los datos se han convertido en uno de los principales puntos críticos para las organizaciones», mencionó.
En cuanto a las áreas de inversión, refirió que el estudio identifica la automatización de TI y las operaciones de infraestructura, la analítica de datos, la ciberseguridad, la experiencia del cliente y la innovación de productos y servicios.
Entre los usos de automatización mencionó la gestión de parches y actualizaciones, el soporte técnico y la identificación de procesos que pueden agilizar las operaciones.
Seguridad y calidad de los datos, entre las principales barreras
De acuerdo con el estudio presentado, el 76% de las organizaciones en México identifica los datos como el principal desafío para las cargas de trabajo críticas de IA.
A esto se suma la fragmentación de información. 60% de los encuestados señaló problemas relacionados con datos distribuidos en ambientes híbridos y multinube.
El escenario plantea una realidad que puede resultar menos visible que la capacidad de procesamiento: una organización puede contar con modelos avanzados y suficiente infraestructura, pero si sus datos están dispersos, desactualizados, inaccesibles o carecen de mecanismos adecuados de gobierno, el potencial de la Inteligencia Artificial se reduce considerablemente.
Por ello, apuntó el estudio, la modernización de la infraestructura debe contemplar no sólo capacidad computacional, sino también disponibilidad, gestión, almacenamiento, conectividad y acceso seguro a la información.
También, reveló el estudio, los problemas de calidad, dispersión y gobernanza de los datos representan un desafío, pues misma información puede encontrarse replicada en distintos sistemas, desde correos y presentaciones hasta plataformas ERP, lo que dificulta determinar cuál es la fuente correcta y preparar los datos para alimentar los modelos.
Respecto a la ciberseguridad, ésta continúa siendo el principal freno para la adopción de IA, en un escenario donde las empresas utilizan información sensible de clientes y usuarios.
Otro hallazgo relevante es el uso de herramientas de inteligencia artificial fuera de los entornos autorizados por las empresas, fenómeno conocido como Shadow AI.
Según las cifras presentadas por Dell, 83% de los encuestados accedió a herramientas de IA fuera de los entornos corporativos; casi seis de cada diez las utilizaron sin autorización en dispositivos de la organización y más de la mitad adquirió herramientas mediante tarjetas de crédito sin supervisión del área de TI.
Este comportamiento puede exponer información confidencial, propiedad intelectual y procesos internos.
Para Aguilar, expuso, el uso de estas herramientas debe abordarse como un asunto de gobierno, seguridad y administración de la tecnología, además de una señal de la necesidad que tienen los colaboradores de incorporar IA a sus actividades.
Centros de datos modernos para una IA escalable
El estudio también reflejó la diversificación de los entornos donde se ejecutan las cargas críticas.
Las empresas recurren a centros de datos de terceros, nube pública y entornos de borde, lo que configura arquitecturas híbridas y multinube y aumenta la complejidad de su administración.
Ante este escenario, Aguilar identificó cinco prioridades para modernizar los centros de datos:
- Rendimiento y escalabilidad: responder a las nuevas exigencias de procesamiento
- Ciberseguridad y resiliencia: proteger los sistemas y facilitar la recuperación ante ataques o desastres
- Simplificación de la gestión: administrar aplicaciones e infraestructura distribuidas
- Eficiencia energética: optimizar el consumo de energía
- Modernización del almacenamiento: atender cargas mixtas y el crecimiento de los datos no estructurados
El directivo también destacó que la seguridad dejó de ser una función aislada para convertirse en un componente integrado en la estrategia y los procesos del negocio.
En paralelo, dijo, la escasez de talento especializado sigue siendo un desafío que requiere colaboración con la industria y las universidades.
Oportunidad para el canal: integrar soluciones y servicios
Los resultados abren espacios para que los distribuidores y socios de Dell participen en proyectos que van más allá de la venta de equipos, expuso Aguilar.
La preparación de datos, la modernización de centros de datos, la seguridad, la automatización y el diseño de arquitecturas híbridas son áreas relacionadas con los retos que identificó el estudio y que, de acuerdo con el ejecutivo, el canal de TI debe atender.
Aguilar resumió las condiciones para escalar la IA en tres elementos:
- Resultados medibles
- Infraestructura preparada para las nuevas cargas de trabajo
- Eficiencia energética
Para los socios tecnológicos, indicó, esto supone vincular las propuestas de hardware, almacenamiento, procesamiento y servicios con objetivos concretos del cliente.
Lee también: Zero Trust: la estrategia que cambia la pregunta de “¿quién entra?” por “¿qué puede hacer?”
