Darren Kimura, CEO y Presidente de AI Squared – Serie de Entrevistas

Darren Kimura es un experimentado empresario, inventor y inversionista, que actualmente se desempeña como Presidente y CEO de AI Squared. Con más de 25 años de liderazgo en los sectores de tecnología y energía limpia, ha dirigido empresas como Energy Industries Corporation, Sopogy y LiveAction, y cofundó la firma de capital de riesgo Enerdigm Ventures. Conocido por inventar la tecnología de energía solar MicroCSP, Kimura ha desempeñado un papel clave en la escalada de empresas centradas en la informática de borde, la inteligencia artificial y las soluciones basadas en SaaS.

AI Squared es una plataforma de bajo código diseñada para ayudar a las empresas a integrar directamente las perspectivas de la inteligencia artificial en las herramientas que ya utilizan, como Salesforce (CRM ), Slack, Google Sheets y ServiceNow. Al simplificar la implementación de la inteligencia artificial y permitir la toma de decisiones en tiempo real, la plataforma permite a los equipos de ingeniería, ventas y operaciones desbloquear un valor empresarial medible. Al servir a clientes en finanzas, cadena de suministro y gobierno, AI Squared está acelerando la adopción de la inteligencia artificial empresarial al hacer que sea fluida, contextual y accionable.

¿Qué te inspiró a unirte y finalmente liderar AI Squared?

Siempre me ha atraído resolver problemas difíciles y del mundo real que requieren una profunda comprensión de la tecnología y una ejecución impecable. Comencé mi carrera en eficiencia energética y renovables, capturando datos de máquinas a gran escala y ayudando a las personas a entender y actuar sobre ellos. Con el tiempo, eso evolucionó hacia el procesamiento de datos más cerca de donde se realiza el trabajo, en sistemas seguros o dentro de flujos de trabajo empresariales.

Cuando me encontré con AI Squared por primera vez, inmediatamente vi que estaban abordando un desafío muy real y muy urgente: cómo mover la inteligencia artificial desde el laboratorio hasta el uso cotidiano. La mayoría de las empresas todavía se centran en construir modelos. AI Squared se centraba en la implementación.

Lo que me dio aún más convicción fue su fundación. La empresa se inició dentro de la NSA y ha pasado los últimos seis años ganando la confianza en todo el Departamento de Defensa, la Comunidad de Inteligencia, la Comunidad Espacial y con algunas de las empresas más grandes de la lista Fortune 500 a través de proyectos y resultados significativos que continúan creciendo año tras año. Eso me dijo dos cosas: primero, eran serios sobre la seguridad, el cumplimiento y el impacto. Y segundo, eran un equipo en el que podía confiar.

¿Cómo ha influido tu experiencia en la escalada de ZEDEDA y el trabajo en capital de riesgo en tu enfoque de la implementación de la inteligencia artificial a nivel empresarial?

En ZEDEDA trabajamos en el borde como un sistema operativo dentro de la comunidad de código abierto. Eso me obligó a comprender profundamente las limitaciones del mundo real que nuestros clientes enfrentaban con la transformación digital. Allí teníamos un equipo de ingeniería de clase mundial de Cisco, Sun Microsystems, Juniper, Arista, pero también me enseñó lo importante que es emparejar esa excelencia técnica con una sólida estrategia de comercialización empresarial.

Desde el lado del capital de riesgo, gané una perspectiva diferente. Vi cómo las empresas de tecnología profunda escalan, más lentas al principio, pero más rápidas a medida que se construye sobre una base sólida. Me enseñó a pensar en sistemas: el momento del mercado, la preparación del producto, la madurez del cliente y la estrategia de capital deben alinearse. Esa es la perspectiva que traje a la implementación de la inteligencia artificial en AI Squared. No se trata de enviar modelos, se trata de entregar resultados que las empresas puedan confiar, medir y escalar.

AI Squared enfatiza la integración de la inteligencia artificial en los sistemas que la gente ya utiliza. ¿Cómo se ve en la práctica resolver el “último kilómetro” de la inteligencia artificial?

El 87% de los proyectos de inteligencia artificial nunca llegan a la producción porque la integración es lenta, compleja y desconectada de los usuarios finales. AI Squared resuelve esto creando una tubería de integración de datos de grado de seguridad nacional que conecta los modelos de inteligencia artificial y aprendizaje automático con fuentes de datos como Databricks o Snowflake y los sistemas que estas empresas ya utilizan, como CRMs, ERPs y aplicaciones personalizadas.

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

AI Squared simplifica la transferencia desde el desarrollo del modelo hasta la producción. Los equipos de ciencia de datos pueden implementar modelos de manera segura a través de nuestra plataforma, mientras que los usuarios empresariales reciben perspectivas dentro de las herramientas que ya utilizan, como Salesforce, Teams, Slack o cualquier otra aplicación de registro.

Estás trabajando con la NSA, la Marina de los EE. UU. y otras agencias federales. ¿Cómo priorizan la ética, el cumplimiento y el uso ético en la hoja de ruta del producto de AI Squared?

La ética, el cumplimiento y la transparencia son las principales consideraciones en nuestra hoja de ruta. Sabemos que, al trabajar con agencias federales, debemos priorizar la trazabilidad, la auditoría y la explicabilidad. Construimos con principios de confianza cero, soporte para entornos de implementación seguros y modelos de gobernanza claros.

¿Cuál crees que es el papel de la inteligencia artificial discriminativa en la mejora de la toma de decisiones para las agencias federales?

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

¿Dónde ves el mayor riesgo y la mayor oportunidad para la adopción de la inteligencia artificial en la seguridad nacional?

El mayor riesgo es la autonomía no gestionada, la implementación de sistemas de inteligencia artificial sin transparencia, supervisión o salvaguardias. La oportunidad radica en acelerar la conciencia situacional y la velocidad de decisión. La inteligencia artificial puede buscar patrones en grandes cantidades de datos en tiempo real que los humanos podrían pasar por alto. Pero para realizar ese valor, debe ser de confianza, trazable y integrada con sistemas de bucle humano.

¿Cuáles son algunos de los errores más comunes que cometen las empresas al implementar la inteligencia artificial generativa?

El error más grande es centrarse en la novedad sobre la necesidad. Muchas empresas implementan la inteligencia artificial generativa sin un caso de uso claro, un plan de gobernanza o una métrica de éxito. Eso conduce a la fatiga de los pilotos, prototipos no escalables y problemas de confianza. La inteligencia artificial generativa es poderosa, pero como cualquier tecnología, necesita estar alineada con el problema, el usuario y el flujo de trabajo.

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

Una empresa vino con el deseo de construir un LLM personalizado para clasificar tickets de servicio al cliente. Les mostramos cómo un clasificador simple y integrado implementado a través de nuestra plataforma podría entregar un 90% de precisión en su CRM en menos de dos semanas. Sin nuevas interfaces, sin capacitación personalizada. Ese es el poder de resolver el problema correcto con la herramienta correcta.

¿Qué tendencias emergentes te emocionan más en la inteligencia artificial empresarial en los próximos 3-5 años?

Tres destacan:

1. LLMs que son verdaderamente multimodales y centrados en tareas específicas
2. Sistemas de inteligencia artificial que toman acciones, no solo generan contenido
3. Gobernanza estandarizada que permite la adopción de la inteligencia artificial en industrias reguladas

Estas tendencias están impulsando a la inteligencia artificial hacia ser más usable, confiable y integrada en las operaciones diarias.

¿Cómo está evolucionando AI Squared su plataforma para mantener el ritmo con la rápida evolución de los LLMs y los ecosistemas de modelos?

Estamos diseñados para ser agnósticos de modelos. Ya sea que se trate de un modelo de código abierto, un LLM comercial o un modelo discriminativo propietario, nuestra plataforma permite a las organizaciones implementar y gestionar de manera segura dentro de sus flujos de trabajo existentes. Estamos centrados 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 tu liderazgo?

El éxito significa convertirse en la forma predeterminada en que las empresas y las agencias gubernamentales operativizan la inteligencia artificial. Significa reducir el tiempo de valor de meses a días, y hacer que la implementación de la inteligencia artificial sea tan fluida y segura como lanzar una nueva función. Bajo mi liderazgo, nos centramos en la escalabilidad, la confianza y los resultados del mundo real, no solo en la innovación por sí misma, sino en el impacto donde más importa.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar AI Squared.