Darren Kimura, director ejecutivo y presidente de AI Squared – Serie de entrevistas

Darren Kimura Kimura es un emprendedor, inventor e inversor experimentado, y actualmente se desempeña como presidente y director ejecutivo de AI Squared. Con más de 25 años de liderazgo en los sectores de tecnología y energías limpias, ha liderado empresas como Energy Industries Corporation, Sopogy y LiveAction, y cofundó la firma de capital riesgo Enerdigm Ventures. Conocido por inventar la tecnología solar MicroCSP, ha desempeñado un papel clave en el crecimiento de empresas centradas en la computación en el borde, la IA y las soluciones SaaS.

IA al cuadrado Es una plataforma low-code diseñada para ayudar a las empresas a integrar la información de IA directamente en las herramientas que ya utilizan, como Salesforce, Slack, Hojas de Cálculo de Google y ServiceNow. Al simplificar la implementación de IA y permitir la toma de decisiones en tiempo real, la plataforma permite a los equipos de ingeniería, ventas y operaciones generar valor comercial medible. AI Squared, que presta servicios a clientes de los sectores financiero, de la cadena de suministro y gubernamental, está acelerando la adopción de IA empresarial, haciéndola fluida, contextual y práctica.

Ha dirigido varias empresas en distintos sectores: ¿qué le inspiró a unirse y, en última instancia, dirigir AI Squared?

Siempre me ha atraído la resolución de problemas complejos y reales que requieren un profundo conocimiento de la tecnología y una ejecución impecable. Comencé mi carrera en el campo de la eficiencia energética y las energías renovables, capturando datos de máquinas a escala y ayudando a las personas a comprenderlos y actuar en consecuencia. Con el tiempo, esto evolucionó hacia el acercamiento del procesamiento de datos al lugar donde se realiza el trabajo, desde el borde, en sistemas seguros o dentro de los flujos de trabajo empresariales.

Cuando conocí AI Squared, enseguida vi que se enfrentaban a un reto muy real y urgente: cómo trasladar la IA del laboratorio al uso cotidiano. La mayoría de las empresas todavía se centran en la creación de modelos. AI Squared se centraba en la implementación.

Lo que me convenció aún más fue su fundación. La empresa comenzó dentro de la NSA y ha pasado los últimos seis años ganándose la confianza del Departamento de Defensa, la Comunidad de Inteligencia, la Comunidad Espacial y de algunas de las empresas más grandes de la lista Fortune 500 mediante proyectos reales y resultados significativos que siguen creciendo año tras año. Eso me indicó dos cosas: primero, se tomaban en serio la seguridad, el cumplimiento normativo y el impacto. Y segundo, eran un equipo en el que podía confiar.

¿De qué manera su experiencia en la ampliación de ZEDEDA y su trabajo en capital de riesgo han influido en su enfoque hacia la implementación de IA a nivel empresarial?

En ZEDEDA trabajamos en la vanguardia como sistema operativo dentro de la comunidad de código abierto. Esto me obligó a comprender a fondo las limitaciones reales que enfrentaban nuestros clientes con la transformación digital. Allí contábamos con un equipo de ingeniería de primer nivel de Cisco, Sun Microsystems, Juniper y Arista, pero también me enseñó la importancia de combinar esa excelencia técnica con una sólida estrategia de comercialización empresarial.

Desde el sector de capital riesgo, obtuve una perspectiva diferente. Vi cómo las empresas de tecnología avanzada escalan, más lentamente al principio, pero más rápido al construir sobre una base sólida. Me enseñó a pensar en sistemas: la sincronización del mercado, la disponibilidad del producto, la madurez del cliente y la estrategia de capital deben estar en sintonía. Esa es la perspectiva que apliqué al despliegue de IA en AI Squared. No se trata de implementar modelos, sino de ofrecer resultados en los que las empresas puedan confiar, medir y escalar.

AI Squared enfatiza la integración de la IA en los sistemas que ya se usan. ¿Cómo se ve en la práctica la solución del último tramo de la IA?

El 87 % de los proyectos de IA nunca llegan a producción porque la integración es lenta, compleja y está desconectada de los usuarios finales. AI Squared soluciona este problema creando un canal de integración de datos de seguridad nacional que conecta los modelos de IA/ML con fuentes de datos como Databricks o Snowflake y los sistemas que estas empresas ya utilizan, como CRM, ERP y aplicaciones personalizadas.

¿Cómo ayuda su plataforma a cerrar la brecha entre los equipos de ciencia de datos y los usuarios comerciales?

AI Squared simplifica la transición del desarrollo de modelos a la producción. Los equipos de ciencia de datos pueden implementar modelos de forma segura a través de nuestra plataforma, mientras que los usuarios empresariales reciben información de las herramientas que ya utilizan en Salesforce, Teams, Slack o cualquier otra aplicación de registro.

Trabajas con la NSA, la Marina de EE. UU. y otras agencias federales. ¿Cómo influyen prioridades como el cumplimiento normativo, la transparencia y el uso ético en la hoja de ruta de productos de AI Squared?

La ética, el cumplimiento normativo y la transparencia son las principales consideraciones de nuestra hoja de ruta. Sabemos, por nuestra experiencia trabajando con agencias federales, que debemos priorizar la trazabilidad, la auditabilidad y la explicabilidad. Desarrollamos nuestros servicios con principios de confianza cero, compatibilidad con entornos de implementación seguros y modelos de gobernanza claros.

¿Qué papel cree usted que desempeña la IA discriminativa en la mejora de la toma de decisiones de las agencias federales?

La IA discriminativa es precisa, interpretable y eficiente. Es ideal para entornos de alto riesgo donde se necesitan respuestas claras, sí o no, amenaza o no. En las agencias federales, esto permite una clasificación, detección de riesgos y priorización más rápidas. Complementa los modelos generativos al ofrecer resultados estructurados y validados que respaldan la toma de decisiones críticas.

En materia de seguridad nacional, ¿dónde ve el mayor riesgo (y oportunidad) para la adopción de IA?

El mayor riesgo es la autonomía descontrolada, que implica implementar sistemas de IA sin transparencia, supervisión ni mecanismos de seguridad. La oportunidad reside en acelerar el conocimiento de la situación y la velocidad de decisión. La IA puede analizar grandes cantidades de datos en tiempo real para identificar patrones que los humanos podrían pasar por alto. Pero para obtener ese valor, debe ser confiable, rastreable e integrada con sistemas con participación humana.

¿Cuáles son algunos de los errores más comunes que cometen las empresas al implementar GenAI?

El mayor error es priorizar la novedad sobre la necesidad. Demasiadas empresas implementan GenAI sin un caso de uso claro, un plan de gobernanza ni una métrica de éxito. Esto genera fatiga del piloto, prototipos no escalables y problemas de confianza. GenAI es potente, pero como cualquier tecnología, debe estar alineada con el problema, el usuario y el flujo de trabajo.

¿Puede compartir un ejemplo en el que AI Squared ayudó a una empresa a evitar el “síndrome del objeto brillante” y, en cambio, a generar un impacto medible?

Una empresa nos contactó con la intención de desarrollar un LLM personalizado para clasificar los tickets de atención al cliente. Les mostramos cómo un clasificador sencillo e integrado, implementado en nuestra plataforma, podía ofrecer una precisión del 90 % en su CRM en menos de dos semanas. Sin nuevas interfaces ni capacitación personalizada. Ese es el poder de resolver el problema adecuado con la herramienta adecuada.

¿Qué tendencias emergentes le entusiasman más en la IA empresarial para los próximos 3 a 5 años?

Se destacan tres:

1. LLMs que son verdaderamente multimodales y enfocados en tareas específicas
2. Sistemas de IA agentes que toman acción, no solo generan contenido
3. Gobernanza estandarizada que permite la adopción de IA en industrias reguladas

Estas tendencias están impulsando a la IA a ser más utilizable, confiable e integrada en las operaciones diarias.

¿Cómo está AI Squared evolucionando su plataforma para mantenerse al día con los LLM y los ecosistemas de modelos que avanzan rápidamente?

Somos independientes de los modelos por diseño. Ya sea un modelo de código abierto, un LLM comercial o un modelo discriminativo propietario, nuestra plataforma permite a las organizaciones implementarlo y gestionarlo de forma segura dentro de sus flujos de trabajo existentes. Nos centramos en la orquestación, el control de versiones y la gobernanza, para que la pila de modelos pueda evolucionar sin interrumpir la experiencia del usuario.

¿Cómo se ve el éxito para AI Squared en el próximo capítulo bajo su liderazgo?

El éxito implica convertirse en la forma predeterminada en que las empresas y los organismos gubernamentales implementan la IA. Significa reducir el tiempo de obtención de valor de meses a días y lograr que la implementación de la IA sea tan fluida y segura como el lanzamiento de una nueva función. Bajo mi liderazgo, nos centramos en la escalabilidad, la confianza y los resultados reales, no solo en la innovación por sí misma, sino en el impacto donde más importa.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar IA al cuadrado.