Dell AI Factory llega a 6.500 clientes con agentes IA

Dell AI Factory con NVIDIA: qué se anunció y por qué importa

Dell Technologies ya contabiliza más de 6.500 organizaciones usando su AI Factory con NVIDIA, frente a las 5.000 que reportó el trimestre anterior. El dato sale de un análisis interno de pedidos que la compañía hizo en agosto de 2026 y mide clientes de la plataforma, no proyectos que hayan llegado a explotación generalizada. Esa distinción es exactamente el punto de la noticia: el cuello de botella dejó de ser el acceso al cómputo y pasó a ser la operación.

Dell AI Factory es la arquitectura de referencia del fabricante que combina servidores, almacenamiento, software y servicios validados para ejecutar cargas de IA sobre infraestructura que la empresa posee y controla. La actualización, presentada en el marco del GTC de NVIDIA —el evento que TMCnet fechó el 21 de octubre de 2026—, extiende esa base desde el puesto de trabajo del desarrollador hasta el centro de datos, con una capa de gobernanza que atraviesa todo el recorrido.

El argumento central de Dell es que las empresas pueden mantener datos y operaciones en sistemas propios sin trasladarlos necesariamente a la nube pública. Para un founder con requisitos de residencia de datos o con márgenes ajustados, esa es la parte que merece atención.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Por qué la IA agéntica exige gobernanza y control de costes?

Un agente no es un chatbot. Utiliza herramientas, ejecuta código y encadena decisiones sin que un humano apruebe cada paso. Eso cambia el perfil del riesgo y el del gasto.

Según cifras que Dell cita en su propio anuncio, la IA agéntica empresarial será la carga de trabajo más grande para 2028 y crecerá casi tres veces más rápido que la IA generativa hacia 2030, de acuerdo con un informe de Omdia de junio de 2026. El mismo material, que referencia análisis de Goldman Sachs (mayo de 2026) y Gartner (marzo de 2026), proyecta que los costes de inferencia caerán más del 90 % hacia 2030 mientras el consumo de tokens se multiplica por 24 por el efecto de los agentes. Menos costo unitario, mucho más volumen: la factura total puede subir igual.

Dell también cita una encuesta de UBS de diciembre de 2025 según la cual el retorno de inversión poco claro es el principal obstáculo para el 59 % de los despliegues empresariales de IA. Y un sondeo propio de noviembre de 2024 con 1.661 participantes indica que el 83 % considera prioritario el soporte integral del proveedor durante todo el ciclo de vida. Traducido: la mayoría de las empresas no necesita otro modelo, necesita alguien que le ayude a sostener el sistema en el tiempo.

La gobernanza es la respuesta que Dell pone sobre la mesa. La arquitectura combina protección basada en hardware, Red Hat AI Factory para orquestar la plataforma y la referencia NVIDIA OpenShell para aplicar controles durante la ejecución. El esquema abarca las capas de infraestructura, datos, red y ejecución, con el objetivo de limitar accesos, fijar políticas y supervisar agentes que actúan de forma autónoma. A eso se sumará Dell Managed Services for AI, previsto para el primer trimestre de 2027, que gestionará accesos, consumo de recursos y seguimiento de costes mientras los equipos de desarrollo conservan capacidad de autoservicio.

¿Qué soluciones están disponibles hoy y cuáles son solo hoja de ruta?

El calendario escalonado es la información más accionable del anuncio, porque separa lo que se puede comprar de lo que hay que esperar.

Ya disponibles: el modelo Beam de Reflection, con licencia Apache 2.0 y orientado a ingeniería de software y tareas agénticas de horizonte largo; el asistente de conocimiento y la plataforma agéntica de Mistral; y las plantillas de Dell Deskside Agentic AI Solutions for NVIDIA, publicadas en GitHub.
Octubre de 2026: Dell PowerEdge R8822, con CPU NVIDIA Vera de doble socket, refrigeración por aire y hasta cuatro GPU de doble anchura, pensado para orquestación de agentes, entornos aislados y aprendizaje por refuerzo. Según Infochannel, la disponibilidad global de Dell Pro Precision con GB10 en configuración de 64 GB se anunció para el 23 de octubre de 2026.
Cuarto trimestre de 2026: observabilidad de IA con Dynatrace y visión artificial de Fogsphere.
Principios y primer trimestre de 2027: SUSE Linux, Dell Managed Services for AI, PowerEdge M9882 (256 CPU NVIDIA Vera en un rack de 48U) y PowerEdge XE9810 (16 bandejas refrigeradas por líquido con LPU Groq 3). El Modular Data Center con NVIDIA DSX POD está previsto para comienzos de 2027.
Sin fecha concreta: Dell Pro Precision con GB300 y la plataforma NVIDIA Aerial RAN Computer en servidores PowerEdge.

El DSX POD merece un comentario aparte. Según Technology Magazine, ese diseño modular en contenedor reduce el despliegue en sitio de seis meses a 14 días una vez que la infraestructura eléctrica del cliente está lista. Para quien ha esperado la instalación de un clúster, la diferencia es real.

Del escritorio al centro de datos: ¿qué hardware cambia la ecuación?

En el puesto de trabajo, Dell amplía Deskside Agentic AI con plantillas de referencia que especifican hardware, modelos y software para casos como programación agéntica, análisis de vídeo, entornos basados en NemoClaw y laboratorios de IA para educación superior. Las configuraciones van de un único desarrollador a 1.000 sistemas o más.

El Dell Pro Precision con GB10 ofrece 64 GB de memoria unificada y permite conectar dos o cuatro equipos en clúster, una puerta de entrada accesible para desarrollo local con modelos de pesos abiertos. El GB300, en cambio, funcionará con Windows y llevará hasta 748 GB de memoria coherente y 20 petaflops de cálculo FP4 al escritorio, dentro de entornos Windows que las empresas ya administran.

En el centro de datos, la lógica es separar cargas. El PowerEdge M9882 concentra el procesamiento basado en CPU para orquestación y ejecución de código, mientras los clústeres de GPU quedan para inferencia. Esa separación permite asignar capacidad eléctrica y de refrigeración con más precisión y evitar el sobredimensionamiento de servidores de uso mixto. El XE9810, con LPU Groq 3, se plantea como complemento a los clústeres de GPU para inferencia a escala de rack.

Dell no está solo en este relato. Un caso documentado por TechRepublic sobre InstaDeep —que usa AI Factory con NVIDIA, servidores PowerEdge XE y redes InfiniBand para agentes de diseño de placas de circuito impreso— reporta hasta un 40 % más de velocidad en el entrenamiento de modelos, un 30 % menos de costes de infraestructura y un diseño de PCB diez veces más rápido. Es contenido patrocinado por Dell, así que conviene leerlo como evidencia de proveedor y no como estudio independiente.

¿De verdad es hasta un 90 % más barato que la nube pública?

Dell sostiene que su AI Factory puede resultar hasta un 90 % más rentable que la nube pública en dos años. La cifra proviene de un análisis validado por Signal65 y Futurum Group titulado «The Economics of Agentic AI» (septiembre de 2026), y las propias notas del anuncio aclaran el alcance: asume un despliegue a dos años, una selección concreta de soluciones de escritorio y centro de datos para cargas de conocimiento general, ventas y desarrollo de software con soporte de IA agéntica, e incluye estimaciones de descuentos en la nube, alojamiento, energía, gestión de infraestructura y soporte. Los resultados individuales pueden variar, dice el documento.

Ese «pueden variar» es la letra pequeña que un founder debe leer con lupa. El cálculo no incorpora dos costes que suelen decidir la comparación: la capacidad infrautilizada cuando la demanda de agentes no llega al ritmo previsto, y el personal especializado necesario para operar modelos, permisos y actualizaciones. La ejecución local da control sobre datos y latencia, pero traslada a la empresa la gestión del ciclo de vida completo.

Qué significa esto para tu startup

La noticia no es que Dell venda más servidores. Es que el proveedor está empaquetando el trabajo aburrido —gobernanza, observabilidad, gestión de costes— que es justo donde se atascan los pilotos de agentes. Cuatro decisiones concretas que puedes tomar ahora:

Separa lo disponible de la hoja de ruta antes de planificar. Beam, Mistral y las plantillas de Deskside ya se pueden probar; Managed Services for AI y varios servidores no llegan hasta 2027. Si tu caso de uso depende de la gestión de costes automatizada, no la pongas en el plan del próximo trimestre.
Calcula el coste por agente, no por token. Con el consumo multiplicándose por 24 según las proyecciones que cita Dell, el costo unitario bajo puede esconder una factura creciente. Modela el gasto con el volumen real de tareas que esperas, no con el precio de lista.
Diseña la gobernanza en el piloto, no después. Permisos, identidad y observabilidad sobre qué herramientas usa cada agente son más baratos de definir al principio que de retrofittear cuando ya hay diez agentes en producción.
Aprovecha las plantillas de referencia como punto de partida. Están en GitHub y especifican hardware, modelos y software. Aunque no compres el hardware, te sirven para comparar tu stack actual contra una configuración validada y detectar qué te falta.

Conclusión

Dell y NVIDIA están apostando a que la IA agéntica se juega en la infraestructura propia, no en la nube pública. El crecimiento de 5.000 a más de 6.500 clientes en un trimestre sugiere que hay demanda para esa propuesta. Pero el dato mide adopción de plataforma, no proyectos en producción: la distancia entre una cosa y otra es precisamente el terreno donde la gobernanza, la observabilidad y el control de costes deciden si un agente llega a operar o se queda en demo. Para un equipo pequeño, la lectura práctica es clara: elige la infraestructura por el costo total de operarla, no por el precio del primer rack.