Durante ya varios años, la pregunta incómoda alrededor de las AI PCs ha sido bastante simple: ¿cuál es la aplicación que realmente justifica tener una NPU en la computadora? Porque sí, resumir textos, mejorar videollamadas y generar imágenes está bien, pero muchas de esas funciones se sienten como extras bonitos, recordemos que Mircosoft Word tenía la opcion de AutoResumen desde hace veinte años... por lo que muchas de estas funciones suenan mas que triviales... nada que ver con el motivo por el que una empresa renovaría miles de equipos. En Advancing AI 2026, AMD intentó responder esa pregunta desde otro ángulo: el killer app de la AI PC no sería una app tradicional, sino el agente, y eso es lo que comienza a tener mucho sentido.
En una sesión encabezada por Rahul Tikoo, vicepresidente senior y gerente general del negocio Client de AMD, la compañía aterrizó su visión de Agent Computers: PCs capaces de ejecutar flujos de IA agéntica de forma local, híbrida o conectada a infraestructura empresarial, dependiendo de la tarea, el costo, la privacidad y el tamaño del modelo. AMD listó oficialmente esta sesión dentro de Advancing AI 2026 bajo el enfoque de deployment (despliegue) de IA agéntica en el trabajo con Agent Computers, es decir AI PCs.
La idea de AMD es clara: venimos de una etapa de copilotos y asistentes que ayudan a mejorar productividad en tareas concretas; ahora entramos a una etapa donde los agentes pueden revisar contratos, buscar órdenes de compra, responder correos complejos, consultar sistemas internos, abrir tickets, programar reuniones y coordinar varias acciones sin que el usuario tenga que ir brincando manualmente entre cinco aplicaciones, es decir toda una orquesta trabajando bajo la batuta de un agente de IA.
De copiloto a agente
| Etapa | Qué hace | Lectura DD |
|---|---|---|
| Asistente / copiloto | Sugiere, resume, completa o ayuda dentro de una app | Mejora productividad, pero sigue esperando instrucciones |
| Agente simple | Ejecuta tareas concretas con herramientas limitadas | Ya no solo responde; empieza a actuar |
| Agente empresarial | Consulta contratos, correos, CRM, ERP, calendarios y bases de datos | La integración se vuelve el verdadero reto |
| Multiagente | Varios agentes coordinan subtareas y flujos | Más poder, pero también más costo, permisos y riesgo |
| Agent Computer | PC capaz de ejecutar agentes localmente o en modo híbrido | La computadora vuelve a ser infraestructura, no solo terminal |
La parte más importante del mensaje de Tikoo fue que AMD no ve la IA como una guerra de nube contra PC, sino como un modelo híbrido. La nube seguirá siendo necesaria para modelos grandes, entrenamiento, razonamiento profundo y cargas compartidas. Pero la PC local empieza a tener sentido cuando entran temas de privacidad, latencia, conectividad, costos por token (sobre todo) y operación constante. Si el agente trabaja con contratos, correos, datos de clientes, documentos internos o propiedad intelectual, mandarlo todo por defecto a un tercero no siempre es la mejor idea.
Aquí AMD conecta con un problema que ya empieza a doler en empresas: la economía de tokens. Según el ejemplo mostrado en la sesión, un usuario típico de agentes en la nube podría consumir millones de tokens diarios y generar costos mensuales importantes; AMD planteó un escenario de 6 millones de tokens al día, unos 770 dólares mensuales y cerca de 28,000 dólares en tres años por usuario bajo ciertas condiciones. Frente a eso, la compañía comparó una máquina local tipo Ryzen AI Halo de alrededor de 4,000 dólares, con costos operativos mensuales mucho menores y una recuperación aproximada en seis meses. Es un ejemplo de AMD, no una regla universal, pero ilustra bien el punto: aunque el costo por token baje, el consumo de tokens puede subir tan rápido que la factura vuelve a crecer.
Y ese es el verdadero giro. Durante la etapa de chatbots, muchas empresas pensaban en IA como una suscripción. En la etapa agéntica, puede convertirse en una línea seria del P&L (estado de pérdidas y ganancias, por sus siglas en inglés, Profit and Loss). Si un agente usa millones de tokens al día por empleado, y no hablamos de un empleado sino de cientos o miles, la conversación deja de ser “qué cool está el demo” y se vuelve “quién paga esto y dónde conviene correrlo”.
Por qué AMD insiste en IA local
| Razón | Qué significa |
|---|---|
| Privacidad | Datos sensibles pueden quedarse en el dispositivo o en sitio |
| Seguridad | Menos exposición por defecto a servicios externos |
| Latencia | Sin depender siempre de red o congestión cloud |
| Conectividad | Puede trabajar incluso con conexión limitada |
| Costo por token | Reduce consumo recurrente de nube en tareas repetitivas |
| Operación IT | Agentes de seguridad, salud del sistema y despliegue pueden correr en NPU |
| Escalabilidad | No todos los agentes necesitan data center; algunos viven mejor en la PC |
El hardware que AMD quiere poner al centro de esta conversación es Ryzen AI Halo y la familia Ryzen AI Max PRO 400. AMD describe Ryzen AI Halo como una plataforma compacta para desarrolladores capaz de correr modelos de hasta 200 mil millones de parámetros localmente, con hasta 128 GB de memoria unificada, optimización con ROCm y soporte para Windows y Linux.
El siguiente paso es Ryzen AI Max PRO 400 Series, que AMD presenta como procesadores x86 client capaces de correr modelos de 300 mil millones de parámetros localmente. La familia sube hasta 192 GB de memoria unificada, con configuraciones como Ryzen AI Max+ PRO 495 de 16 núcleos / 32 hilos, boost de hasta 5.2 GHz, Radeon 8065S, hasta 55 TOPS de NPU y cTDP de 45 a 120 W. AMD indica que estos sistemas llegarán con OEMs como HP y Lenovo en el tercer trimestre de 2026.
Nuestra lectura aquí es que AMD está intentando reposicionar la PC profesional como una pequeña estación de inferencia local. No para reemplazar al data center, sino para evitar que cualquier tarea, por mínima que sea, tenga que viajar a la nube, pagar tokens, esperar red y exponer datos. Para modelos pequeños y medianos, una notebook o mini workstation puede bastar. Para flujos multiagente más grandes, entra Ryzen AI Halo. Para agentes pesados o modelos enormes, se empieza a hablar de estaciones de trabajo con Radeon Pro, Threadripper o infraestructura de data center.
Tikoo lo planteó como un espectro: modelos extra pequeños para autocomplete o reescritura de correos; modelos medianos para asistentes locales; modelos grandes para agentes que entienden contexto y coordinan herramientas; y modelos todavía más grandes para flujos autónomos más complejos. Esa lectura es importante porque la IA agéntica no es una sola carga de trabajo. Es una combinación de modelos, herramientas, bases de datos, memoria, seguridad, permisos, aplicaciones y decisiones sobre dónde ejecutar cada pieza.
El portafolio client de AMD para agentes
| Nivel | Plataforma / ejemplo | Tipo de uso |
|---|---|---|
| Modelos pequeños | Ryzen AI notebooks | Autocomplete, resúmenes, correo, asistentes rápidos |
| Modelos medianos | Ryzen AI Halo con hasta 128 GB | Desarrollo local, agentes, RAG y modelos hasta 200B |
| Modelos grandes | Ryzen AI Max PRO 400 con hasta 192 GB | Agentes más pesados y modelos de hasta 300B+ bajo ciertas condiciones |
| Workstation | Radeon Pro + Threadripper / Ryzen de alto rendimiento | Modelos más grandes, flujos multiagente y cargas profesionales |
| Data center | EPYC + Instinct + ROCm | Entrenamiento, inferencia masiva y agentes empresariales a escala |
| Híbrido | PC local + nube / data center | Ejecutar cada parte donde tenga más sentido técnico y económico |
La otra mitad de la historia es software. Tikoo lo resumió con una frase muy útil: el hardware corre el modelo, pero el software corre el agente. Y esa es exactamente la parte donde AMD sabe que tiene que pelear más duro. No basta con tener mucha memoria unificada si el desarrollador no puede desplegar, enrutar, aislar, observar y gobernar agentes de forma razonable.
En Advancing AI 2026, AMD también presentó ROCm.AI como una experiencia unificada para desarrollo asistido por IA, despliegue inteligente y optimización de software. AMD explica que ROCm.AI busca conectar el ecosistema desde GPUs Instinct en data center hasta estaciones Radeon y sistemas Ryzen, con herramientas como ROCm Hyperloom, un sistema agéntico para optimizar inferencia en GPUs AMD mediante análisis, profiling, optimización de kernels y validación.
Para la PC local, una pieza clave es Lemonade, el runtime y capa API local-first de AMD para ejecutar aplicaciones de IA directamente en PCs. AMD describe Lemonade como una herramienta abierta con API compatible con OpenAI, capaz de seleccionar backends optimizados de CPU, GPU y NPU, además de trabajar con flujos de texto, imagen y voz en Windows, Linux, macOS y Docker. En términos prácticos, Lemonade busca que una app pueda cambiar de endpoint y correr localmente sin reescribirse desde cero.
El stack que explicó Tikoo se puede leer como seis capas: inferencia y ruteo, skills y capacidades reutilizables, agent harness, aplicaciones, seguridad/sandboxing y administración IT. Traducido: necesitas servir modelos locales, decidir si una petición va a la PC o a la nube, dar herramientas al agente, conectarlo con apps, encerrarlo en un sandbox para que no haga estupideces peligrosas y permitir que IT tenga observabilidad, políticas, identidad y despliegue. En empresa, el agente no puede ser un becario digital con permisos de administrador y cero supervisión.
Las capas de software que necesita un agente empresarial
| Capa | Función | Riesgo si falta |
|---|---|---|
| Inferencia y ruteo | Servir modelos locales y decidir nube vs dispositivo | Se dispara costo o se usa el modelo incorrecto |
| Skills / capacidades | Herramientas reutilizables para tareas comunes | Cada flujo se reconstruye desde cero |
| Agent harness | Orquesta el comportamiento del agente | El agente no puede actuar de forma consistente |
| Aplicaciones | Conexión con correo, CRM, ERP, documentos y datos | El agente se queda encerrado en demo |
| Seguridad y sandboxing | Aislar herramientas, llamadas, archivos y procesos | El agente puede hacer daño real |
| IT / gobernanza | Políticas, identidad, observabilidad y administración | La empresa pierde control del despliegue |
AMD también está intentando jugar en dos sistemas operativos a la vez: Windows y Linux. En la sesión, Tikoo lo explicó de forma bastante clara: las empresas despliegan Windows; los desarrolladores construyen en Linux. No se trata de escoger uno, sino de soportar ambos. En Windows, el discurso pasa por integrarse con el ecosistema empresarial de Microsoft, identidad, administración, sandboxing y modelos optimizados. En Linux, AMD habla de una pila más abierta con componentes como Lemonade, AMD Skills, enrutamiento semántico y ejecución segura de agentes.
Aquí hay una lectura muy importante para empresas de LATAM: adoptar IA agéntica no va a ser instalar un chatbot y listo. Habrá que decidir qué datos pueden quedarse locales, qué puede ir a la nube, qué modelos se usan, cómo se auditan acciones, qué permisos tiene el agente, cómo se integra con correo, CRM, ERP, archivos, bases de datos y herramientas internas. Es decir, la IA agéntica se parece menos a “comprar software” y más a rediseñar procesos.
Y ahí el enfoque local puede ser muy atractivo. En México y Latinoamérica, muchas empresas tienen restricciones de conectividad, presupuestos más sensibles al costo recurrente, preocupación por datos, poca capacidad de cómputo centralizada y una mezcla complicada de software viejo con procesos manuales. Un agente local que ayude a ordenar pedidos, revisar documentos, preparar reportes, cruzar datos o automatizar tareas repetitivas puede tener más sentido inmediato que una gran implementación de IA en nube para toda la organización.
Eso sí: no hay que vender magia. La promesa de productividad de 2X, 10X o 100X que mencionó Tikoo debe leerse como aspiración de ciertos flujos, no como garantía para cualquier empleado. Un agente puede ahorrar horas si el proceso está bien definido, los datos están ordenados y las herramientas están conectadas. Si el proceso ya es un desastre, la IA puede automatizar el desastre a mayor velocidad. Y eso, como todo mundo que ha vivido un ERP mal implementado sabe, no es innovación; es sufrimiento premium.
La sesión de Rahul Tikoo deja una de las ideas más claras de Advancing AI 2026 para PC: la AI PC empieza a tener sentido cuando deja de ser una máquina para “funciones inteligentes” y se convierte en una estación local para agentes. AMD está atacando el problema desde hardware, memoria unificada, NPU, GPU, ROCm, Lemonade, skills, sandboxing y ruteo híbrido. La idea es poderosa: que la PC decida qué corre local, qué se manda a la nube y cómo se controla el costo por token sin regalar datos sensibles. Pero la prueba real no será correr un modelo grande en una caja de demo. Será ver si las empresas pueden integrar agentes con sus procesos reales, gobernarlos con seguridad y demostrar que la productividad no se queda en promesa de keynote. Porque el killer app puede ser tu agente, sí, pero solo si ese agente trabaja mejor que tú en la tarea aburrida sin romper lo importante.
Comentarios
Aún no hay comentarios. ¡Sé el primero en comentar!