Dell Technologies ha añadido una nueva pieza a su propuesta de infraestructura para inteligencia artificial: Dell Deskside Agentic AI, una solución pensada para ejecutar y escalar flujos de trabajo de IA agéntica de forma local, desde estaciones de trabajo en el puesto de trabajo hasta servidores en el centro de datos. La compañía encuadra el anuncio dentro de Dell AI Factory con NVIDIA y lo presenta como una alternativa para organizaciones que quieren evitar parte de las fricciones habituales de un enfoque exclusivamente cloud, sobre todo en coste, latencia y soberanía del dato.
El movimiento se apoya en un argumento económico que Dell repite en varias capas del anuncio y que aparece respaldado por un análisis citado por la propia compañía (Signal 65 y Futurum Group, «The Economics of Agentic AI: On-premises Deployments with Dell AI Factory vs. Cloud», mayo de 2026). La tesis es que, a medida que los sistemas pasan de chatbots o asistentes puntuales a arquitecturas agénticas, el consumo de tokens se dispara. En la práctica, un agente no se limita a responder, también planifica, consulta fuentes, ejecuta pasos intermedios, valida resultados y vuelve a iterar. Cada una de esas acciones puede implicar llamadas adicionales al modelo, más contexto y más inferencia. Aunque el precio por token haya tendido a bajar, el volumen puede crecer más rápido que el ahorro unitario.
Dell sitúa ahí el «punto de equilibrio» de su propuesta: afirma que, para cargas de trabajo de IA agéntica de distintos tamaños, las organizaciones pueden alcanzar el break-even frente a APIs cloud públicas en apenas tres meses con Dell Deskside Agentic AI. También sostiene que, en un horizonte de dos años, el gasto podría reducirse hasta un 87% frente a APIs cloud, siempre bajo los supuestos del análisis citado (despliegue multi-anual, combinación de estaciones de trabajo Dell Pro Max y servidores PowerEdge, cargas de conocimiento general, ventas y desarrollo software, jornada de cinco días, e inclusión de costes de hosting, energía, gestión, descuentos cloud estimados y soporte de Dell). Son cifras llamativas, aunque dependen de un patrón de uso concreto y de que la organización tenga capacidad para absorber la operación de infraestructura local.
La expresión central del anuncio es IA agéntica, un enfoque que está ganando tracción en empresas porque permite automatizar tareas de varios pasos con cierta persistencia. En lugar de pedir a un modelo que responda a una pregunta, se le asigna un objetivo y se le dota de herramientas (búsqueda, acceso a repositorios internos, ejecución de código, integración con sistemas corporativos) para que complete un flujo de trabajo. Ese salto, sin embargo, suele afectar a tres dimensiones: el coste variable de la inferencia, la exposición de datos sensibles y la gobernanza de lo que el agente puede o no puede hacer.
Dell intenta responder a esos problemas con una arquitectura que «baja» la inferencia al escritorio cuando tiene sentido y mantiene una continuidad hacia el centro de datos cuando la carga crece. La compañía insiste en la idea de costes predecibles, un mensaje que conecta con el malestar de algunas áreas de TI y finanzas ante facturas cloud difíciles de anticipar cuando los agentes empiezan a iterar de forma intensiva. También subraya la soberanía del dato, un punto sensible en sectores regulados y en organizaciones que manejan propiedad intelectual o información operativa que no quieren exponer fuera de su perímetro.
En el plano técnico, Dell Deskside Agentic AI combina hardware, software y servicios. En hardware, la propuesta se apoya en estaciones de trabajo de alto rendimiento con diferentes escalones de capacidad, desde equipos compactos para prototipado hasta configuraciones orientadas a inferencia de modelos de gran tamaño. Dell detalla tres referencias: Dell Pro Max con GB10, pensado para prototipado individual y compatible con modelos de 30.000 millones a 200.000 millones de parámetros; Dell Pro Precision 9, en formato torre con procesadores Intel Xeon 600 y hasta cinco GPUs NVIDIA RTX PRO Blackwell Workstation Edition, con soporte para modelos de 30.000 millones a 500.000 millones de parámetros; y Dell Pro Max con GB300, basado en el Superchip NVIDIA GB300 Grace Blackwell Ultra Desktop y la tecnología MaxCool de Dell, orientado a inferencia de modelos «frontier-level» entre 120.000 millones y 1 billón de parámetros.
La mención a rangos de parámetros no es un detalle menor. En modelos de lenguaje, el tamaño suele correlacionar con capacidad de razonamiento y generalización, aunque no de forma lineal ni garantizada. Ejecutar localmente modelos de decenas o cientos de miles de millones de parámetros implica exigencias claras de GPU, memoria y refrigeración. Dell está sugiriendo que ese umbral, que hasta hace poco se asociaba casi exclusivamente a centros de datos, empieza a ser abordable en formatos de escritorio para ciertos escenarios de inferencia, siempre que el objetivo sea ejecutar modelos open-weight o modelos internos sin depender de una API pública.
En software, el anuncio pivota sobre el stack NVIDIA NemoClaw y la integración de NVIDIA OpenShell. NemoClaw se describe como una base open source para gestionar agentes «siempre activos» construidos sobre OpenClaw, un framework agéntico orientado a flujos persistentes, autónomos y multi-step en hardware local. Dell añade que la pila combina modelos abiertos NVIDIA Nemotron para razonamiento y programación con el runtime seguro OpenShell, dentro de NVIDIA Agent Toolkit. El matiz está en el énfasis en agentes de larga duración: cuando un agente permanece activo, la superficie de riesgo cambia, porque hay más tiempo de ejecución, más interacciones con sistemas y más posibilidades de que se acumulen permisos, credenciales o datos en memoria.
Ahí entra OpenShell, que Dell presenta como un entorno sandbox para probar, desarrollar y gobernar agentes con controles de seguridad y privacidad en tiempo de ejecución. La compañía afirma que, con OpenShell disponible en Dell AI Factory con NVIDIA, las empresas pueden aplicar una «única capa» de seguridad y políticas desde estaciones de trabajo hasta servidores Dell PowerEdge XE, sobre Canonical Ubuntu y Red Hat AI. La promesa es coherencia operativa: que el equipo que experimenta en el escritorio no tenga que reescribir el enfoque cuando pasa a producción en infraestructura de centro de datos. En la práctica, esa continuidad suele ser uno de los puntos donde se atascan los pilotos de IA, porque el prototipo se construye con herramientas y permisos flexibles y, al industrializarlo, aparecen requisitos de auditoría, segmentación de red, control de acceso y trazabilidad.
Dell también incorpora soporte para el flujo de trabajo de referencia NVIDIA AI-Q 2.0, orientado a acelerar despliegues multiagente. La compañía lo presenta como una base probada para casos de investigación, soporte a la decisión y tareas complejas, y lo ofrece como arquitectura de referencia Dell-NVIDIA AI-Q 2.0, impulsada por Dell AI Data Platform. El foco en sectores regulados (servicios financieros, administración pública e industria manufacturera) apunta a un patrón de demanda conocido: organizaciones con datos sensibles que quieren aprovechar agentes, pero que no pueden, o no quieren, mover información a servicios externos por requisitos regulatorios, contractuales o de riesgo.
En el trasfondo del anuncio aparece otra idea que Dell verbaliza de forma explícita: que una parte significativa de los flujos agénticos se ejecutan sobre modelos open-weight. La compañía afirma que más del 50% de los flujos de trabajo agénticos se ejecutan sobre este tipo de modelos y sitúa el rango de 30.000 millones a 284.000 millones de parámetros como un espacio donde «se realiza gran parte del razonamiento» que impulsa operaciones empresariales. El interés empresarial por open weights suele tener dos lecturas. Por un lado, permite más control sobre el modelo (dónde se ejecuta, cómo se ajusta, qué datos se usan). Por otro, traslada responsabilidad: hay que gestionar actualizaciones, seguridad, evaluación de sesgos y rendimiento, además de la operación de la infraestructura.
Las citas de los directivos refuerzan el posicionamiento. Jeff Clarke, chief operating officer de Dell Technologies, sostiene que «el token más eficiente es el que se genera más cerca de los datos» y que «la mayor parte de los datos empresariales no están en la nube». Es una formulación que conecta con la realidad de muchas organizaciones, donde los repositorios críticos siguen en sistemas internos, data lakes privados o entornos híbridos. Justin Boitano, vicepresidente de AI Platforms en NVIDIA, enmarca OpenShell como una forma de desarrollar localmente, escalar de forma segura y desplegar IA agéntica sobre una plataforma coherente.
La disponibilidad, según Dell, es inmediata: Dell Deskside Agentic AI ya está disponible, al igual que NVIDIA OpenShell (sobre Canonical Ubuntu y Red Hat AI dentro de Dell AI Factory con NVIDIA) y NVIDIA AI-Q 2.0 para Dell AI Factory con NVIDIA. También está disponible la arquitectura de referencia Dell-NVIDIA AI-Q 2.0 impulsada por Dell AI Data Platform.
Muchas empresas tendrán que resolver caso a caso cuánto de su IA agéntica puede ejecutarse de forma eficiente en el escritorio o en infraestructura on-premises sin perder agilidad, y cuánto seguirá dependiendo de servicios cloud por elasticidad, acceso a modelos propietarios o integración con proveedores externos. Dell está intentando que esa decisión no sea binaria, sino un continuo desde el puesto de trabajo hasta el centro de datos. La adopción real dependerá de si esa continuidad reduce fricción en seguridad y gobierno, y de si los números de coste se sostienen cuando los agentes pasan de pilotos controlados a uso cotidiano en equipos completos.
