En el VBS 2025 de Intcomex, Kurt Yáñez, líder de desarrollo de negocios de Inteligencia Artificial y Ciencia de Datos en México para Dell Technologies, ofreció una presentación directa, técnica y llena de ejemplos reales que demuestran cómo la inteligencia artificial ya no es promesa, sino presente. Bajo el título “El presente”, Yáñez dejó en claro que la IA, especialmente la generativa, “ya está aquí, ya nos atropelló este autobús llamado inteligencia artificial”.
Desde su experiencia trabajando en múltiples proyectos de IA en América Latina, Yáñez ofreció una visión cruda, pero optimista del panorama: las empresas quieren adoptar IA, pero pocas saben por dónde empezar.
La IA será como el internet: invisible, pero imprescindible
Así como hoy no concebimos una empresa sin internet, Yáñez predice que la IA será igual de omnipresente. “Va a estar embebida en nuestras vidas como el internet… y no nos vamos a dar cuenta hasta que falle”. La diferencia, explicó, estará entre las empresas que usan IA y aquellas que serán nativas de IA, como en su momento lo fueron Amazon o PayPal con la web.
Ese cambio trae oportunidades. “Hay un montón de oportunidades de negocio para ustedes en ayudar a estas empresas a madurar tecnológicamente”, afirmó. Y América Latina, dijo, necesita ese “empujoncito” para alcanzar estándares de preparación similares a otras regiones, especialmente en el manejo de datos.
Las tecnologías clave: RAG, Agentic AI y MCP
Uno de los grandes aportes de la charla fue el aterrizaje técnico de conceptos que suelen sonar lejanos. Yáñez explicó tres tecnologías que —según él— están definiendo 2025:
- RAG (Retrieval-Augmented Generation): Permite usar modelos de lenguaje (como ChatGPT) alimentados con datos privados de la empresa para que respondan con mayor precisión. “Es darle contexto al modelo de manera industrial”, explicó, con ejemplos como un tribunal que automatiza borradores de sentencias o una fábrica que transfiere el conocimiento técnico de operarios veteranos a un chatbot.
- Agentic AI: Va más allá del chatbot que responde. Son agentes que accionan, como generar un ticket, consultar un saldo o ejecutar una orden. “Si la herramienta solo te da información, no es Agentic”, aclaró.
- MCP (Model Context Protocol): Un conector universal que permite a los agentes de IA hablar con más de 300 fuentes distintas. “¿Quieres chatear con tus datos? MCP te lo permite, ya sea en la nube o en tu infraestructura local”.
Haz clic y entérate: Imágenes estilo Ghibli con IA: fantasía, riesgos y huella ambiental
El mayor riesgo no es técnico, es humano
Yáñez fue claro en lo que realmente pone en peligro un proyecto de IA: no los modelos, sino las personas. “El 87% de los proyectos de ciencia de datos fracasan. ¿Por qué? Uno, por la calidad y acceso a los datos. Dos, por change management”, es decir, la resistencia al cambio.
Comparó la implementación de IA con los temidos proyectos de ERP: “Huele a TI, sabe a TI… pero no es TI, es negocio”. Sin una alineación clara entre departamentos, los modelos más sofisticados no servirán.
La adopción: el eslabón más débil
“Lanzamos una herramienta interna para ventas en Dell, y al principio nadie la usaba”, contó Yáñez. La solución no fue más tecnología, sino entrenamiento humano. “Me aventé seis sesiones por semana entrenando a los equipos en prompt engineering”, es decir, cómo preguntar mejor para obtener mejores respuestas.
“Trabajamos con personas. Hay que ayudarles a incorporar estas herramientas en su día a día”, insistió.
Oportunidades para el canal: no es solo vender servidores
Uno de los mensajes más potentes de la charla fue para los partners y distribuidores presentes en el evento: “Ningún fabricante va a poder resolver esto solo. Todos tenemos que integrar”. Los proyectos de IA requieren servidores, almacenamiento, conectividad, científicos de datos, desarrolladores, infraestructura eléctrica… y ningún actor lo tiene todo.
La buena noticia es que los canales están mejor posicionados que nunca. “Pueden hacer copartnering, trabajar con otros integradores, aportar conocimiento de dominio. Y eso es donde más valor hay”.
También advirtió sobre desafíos técnicos reales: “Hay clientes que quieren correr IA on-premises, pero no tienen electricidad suficiente, ni aire acondicionado de precisión, ni almacenamiento adecuado. Todo eso son oportunidades de negocio”.
Un consejo final: comiencen por lo básico
“No se trata de instalar un modelo en la laptop del desarrollador”, dijo Yáñez. “Se trata de integrarlo al ecosistema del cliente, hacerlo seguro, usable y útil”.
Recomendó conocer conceptos como vectorización, saber qué es una base de datos vectorial y cómo integrar modelos al flujo de trabajo de negocio.
¿El objetivo? Dejar de hacer “pruebas de concepto eternas” y empezar a entregar soluciones reales que respondan a casos de uso medibles.
Revive todo el contenido de valor del VBS 2025 de Intcomex
