Adrián Villaseñor recounts meeting co-founder Fernando in the U.S., joining his niche observability-integration business (LEED) and transforming it into LEED AI, a new company they now lead together. LEED AI focuses on three verticals aimed at common enterprise challenges deploying AI. Adrián cites high-profile reports (MIT studies claiming poor AI outcomes, OpenAI enterprise guidance, and consulting firms like McKinsey/Accenture) and identifies core failure modes in enterprise AI adoption (e.g., building flashy agents without clear use-cases; cultural barriers).
Chapters
Literal, en un curso de Inteligencia Artificial que me voy a Estados Unidos, conozco a un emprendedor que se llama Fernando. Este Fernando había vendido un negocio de Inteligencia Artificial, pero más bien de automatización, antes de que existiera siquiera la Inteligencia Artificial Generativa. Y él había empezado LEED un año y medio antes, pero únicamente como una empresa que estaba básicamente implementando soluciones de observabilidad de AI. ¿Qué es observabilidad? Es un tema donde monitoreas de forma constante tus sistemas para ver que todas las soluciones de AI estén funcionando correctamente, que los KP estén funcionando bastante bien. Y había creado un negocio muy de nicho solamente en hacer integraciones de observabilidad. Hicimos una buena relación ahí, Fernando y yo, y le dije, oye, es que yo estoy viendo, ya tengo esta amplitud de ver qué le está doliendo a las grandes empresas de México o a los startups y cómo realmente podemos generar valor en una amplitud mucho más grande de que sea observabilidad. Hicimos buena conexión y transformamos Lead como co founders, porque aunque ya tenía esa pizcachita, pues realmente es un negocio nuevo el que fuimos creando, que es LEED AI, que es el negocio que lidero hoy en día junto con Fernando. Y en Lead básicamente tenemos tres verticales en las que trabajamos. Y estas verticales están muy relacionadas a los retos que las empresas tienen para ser exitosos con Inteligencia Artificial. Y por eso es que las estructuramos de esa forma. Y déjame explicarte un poquito el contexto y quiero enfocarme antes de qué hacer en el reto de las grandes empresas, porque es más fácil decantar de ahí. Entonces, ¿Qué hacemos? Seguramente muchos hemos leído últimamente los reportes de MIT, han salido un par de reportes de MIT. Hay dos particularmente que se volvieron muy famosos. Un reporte que decía que la gente que utiliza AI se está volviendo más tonta, y un segundo reporte que decía que el 95% de los casos de uso de Inteligencia Artificial no estaban funcionando, no estaban dando resultados. Y luego si te pones esos dos primeros reportes de MIT y si te pones a leer, pues también lo que está hablando directamente OpenAI, porque OpenAI tiene una guía de cómo se debe de implementar a nivel enterprise, o las grandes consultoras, McKinsey, Accenture, pues se han vuelto también una voz desde la perspectiva del gran negocio, de qué funciona y qué no a nivel que está funcionando decían hay tres factores, tres o cuatro factores de qué es lo que está pasando en las empresas que hace que no puedan ser exitosos en la implementación de aislamiento con el caveat de que ya es muy temprano. Es lógico que hay cosas que no funcionen cuando estás una tecnología tan temprana. Digo, quitando eso de enfrente, las cuatro cosas. La primera es irte como el borras en hacer agentes sin que los casos de uso estén bien definidos y que no sean procesos claros, bien definidos. Es la nueva cosa flashy bonita y empresas que quieren automatizar, hacer y no lo hacen con una orden, con un orden y una estructura definida. Primer reto. Segundo reto, definitivamente cultura. Este no es un tema que es nada más que a gente.
