El desafío de América Latina no es adoptar la IA, sino convertirla en crecimiento

La paradoja: muchos la utilizan, pocos obtienen beneficios

América Latina ya superó el primer umbral: el uso de la IA dejó de ser experimental. Según una encuesta realizada en mayo de 2026 por el Banco Interamericano de Desarrollo entre startups cuya actividad principal no está relacionada con esta tecnología, el 85% ya utiliza herramientas de IA generativa y el 75% emplea tecnologías predictivas, principalmente en marketing, desarrollo de productos, estrategia e investigación y desarrollo¹. Otras encuestas sectoriales muestran una tendencia similar: alrededor del 47% de las empresas ya la ha implementado y otro 37% está experimentando² activamente con ella. En términos de uso, la región no se está quedando atrás; de hecho, la adopción parece avanzar más rápido que el desarrollo de la infraestructura necesaria.

Sin embargo, los resultados económicos muestran una realidad muy distinta. Según investigaciones del Foro Económico Mundial, solo el 23% de las organizaciones latinoamericanas obtiene algún beneficio económico de la IA y apenas el 6% reporta resultados significativos. Alrededor de seis de cada diez pequeñas y medianas empresas (pymes) no generan ningún valor cuantificable.

Entre las startups, solo el 12% considera que las soluciones de IA listas para usar responden adecuadamente a sus necesidades³. Aunque su adopción es elevada, la capacidad de generar valor económico sigue siendo limitada. Esta brecha constituye el desafío central.

La brecha es mayor entre las pequeñas empresas

La brecha entre el uso de la IA y la generación de valor no afecta a todas las empresas por igual. Los beneficios se concentran en las organizaciones más grandes y mejor gestionadas, mientras que numerosas pymes incorporan estas herramientas sin conseguir mejoras en sus resultados. En México, entre el 80% y el 90% de las compañías, independientemente de su tamaño, cuenta con recursos digitales básicos, como computadoras, acceso a internet y software convencional. Sin embargo, solo el 15% de las pequeñas utiliza IA, frente al 44% de las medianas y grandes. En Argentina, el 41,6% de las pymes emplea esta tecnología, pero el 56% de las que la han adoptado todavía se encuentra en fase de experimentación y el 57% no mide su impacto. En São Paulo (Brasil), el 38% de aquellas que utilizan IA capacita a sus empleados, frente a cerca del 75% de sus equivalentes en los países del Grupo de los Siete (G7). Además, solo el 17% cuenta con un equipo especializado o un puesto directivo dedicado a esta tecnología, frente a alrededor del 50% en el G7. Las encuestas realizadas en Chile y Costa Rica revelan un patrón similar: un uso generalizado, pero poco profundo⁴.

Esto es importante porque el problema de productividad se concentra precisamente en el amplio universo de pequeñas empresas, muchas de ellas informales. Si la adopción de la IA se limita a un grupo de grandes compañías vinculadas a los mercados mundiales, las brechas se ampliarán en lugar de reducirse. Una de las vías más prometedoras para evitarlo es ofrecer servicios a través de plataformas, como herramientas para vendedores de mercados digitales, créditos de empresas de tecnología financiera basados en historiales de transacciones y sistemas públicos de pago como Pix, en Brasil. Estas soluciones permiten que los servicios basados en IA lleguen a los pequeños negocios a bajo costo.

Por qué persiste la brecha: importa cómo trabajan las empresas, no qué herramientas tienen

La tendencia es culpar a la infraestructura, donde las brechas son reales. El mercado de inteligencia artificial en América Latina tiene un valor aproximado de US$12.700 millones y está creciendo a una tasa anual del 28,1%. Eso parece rápido, pero el mercado global crece aún más rápido, al 31%, por lo que la participación de la región en el gasto mundial en IA, del 5,8%, ya por debajo de su participación del 6,6% en el PIB mundial, sigue reduciéndose.

La inversión en IA generativa es aún menor. La región atrae apenas US$8.200 millones, lo que representa solo el 4,3% de los US$190.000 millones invertidos a nivel mundial⁵.

Sin embargo, el principal obstáculo hoy no es la infraestructura, sino la forma de trabajar. Las propias empresas lo reconocen. En México, aquellas que no han adoptado la IA consideran que la falta de conocimientos y habilidades representa una barrera mayor que el costo. Las pymes argentinas señalan como principales obstáculos la experiencia limitada (46%), escasez de habilidades (42%) y desconocimiento (39%), por delante del costo (29%). Chile presenta una excepción reveladora: el costo es la barrera más citada (42%), seguido de cerca por la falta de habilidades (36%). No obstante, ante las dificultades de implementación, las compañías chilenas optaron principalmente por reorganizar procesos o reasignar tareas (45%), en lugar de capacitar a sus empleados (35%) o contratar especialistas (10%)⁶. Si una empresa no sabe definir qué necesita comprar, disponer de herramientas más baratas no resuelve el problema.

La clave está en rediseñar los procesos de trabajo para aprovechar la tecnología, en lugar de limitarse a incorporarla. Los casos analizados por McKinsey en empresas latinoamericanas ilustran este enfoque. Un banco regional redujo en 55% el tiempo necesario para tomar decisiones crediticias al reorganizar el proceso mediante 45 agentes especializados. Así, los analistas dejaron de realizar las evaluaciones para centrarse en cuestionar sus resultados. Un operador de ductos redujo de seis meses a dos semanas el tiempo de procesamiento de reclamaciones, con una disminución del 58% en los costos. Por su parte, una empresa de telecomunicaciones convirtió un centro de costos que gestionaba 600 mil llamadas mensuales en un canal de ingresos, con una tasa de conversión tres veces superior a la habitual en las llamadas salientes. En todos los casos, la responsabilidad siguió recayendo en las personas; lo que cambió fue la forma de trabajar.

Dónde se genera valor y por qué

Si la generación de valor depende de rediseñar los procesos y contar con los recursos adecuados, es lógico que se concentre en industrias en donde ya existen datos y se toman decisiones. Y eso es precisamente lo que ocurre en dos sectores muy diferentes.

Servicios financieros: Ofrece uno de los ejemplos más convincentes del éxito de la IA en América Latina, por razones estructurales. La elevada proporción de población con acceso limitado a servicios bancarios, rápido crecimiento de los pagos digitales y presencia de empresas de tecnología financiera que utilizan datos transaccionales crean condiciones especialmente favorables para su aplicación: decisiones frecuentes sobre detección de fraudes, evaluación crediticia, cobranzas y productos personalizados, que se repiten millones de veces.

Nubank, banco digital brasileño, es uno de los casos más representativos. En 2024 superó los 100 millones de clientes en Brasil, México y Colombia y posteriormente rebasó los 114 millones. Su infraestructura de IA opera a una escala cada vez más comparable a la de una empresa tecnológica global. La entidad financiera indica que sus modelos pueden entrenarse con datos e historiales de transacciones⁷ de más de 100 millones de clientes, mediante procesos que manejan billones de tokens. Por su parte, Mercado Libre aplica un enfoque similar en el comercio electrónico, pagos, publicidad, crédito y logística, mediante un ecosistema de modelos que optimiza toda la experiencia del cliente.

Industrias físicas: En este ámbito resulta menos evidente. América Latina es una importante productora agrícola y minera, y algunas de las aplicaciones de IA que más valor generan se centran en el análisis de datos para mejorar la eficiencia de estas actividades. En el sector agrícola, la empresa argentina Kilimo optimizó el uso del agua mediante datos climáticos, del suelo y de satélites. Según estimaciones de la Linux Foundation, logró reducir el consumo de agua en 20%, lo que equivale a 72 mil millones de litros ahorrados⁸. Por su parte, AySA, la empresa de agua de Buenos Aires, combinó radares satelitales con aprendizaje automático y reorganizó sus equipos de campo a partir de los resultados del modelo. Alcanzó una precisión del 93,4% en las verificaciones sobre el terreno, reparó más de 18.500 fugas ocultas y recupera aproximadamente 28 millones de metros cúbicos de agua al año⁹.

En minería, donde confluyen las funciones de facilitadora y adoptante, la empresa chilena Codelco incrementó sus utilidades anuales en 80 millones de dólares y extrajo ocho mil toneladas métricas adicionales de cobre gracias a la optimización del procesamiento y al mantenimiento predictivo¹⁰. Incluso en este sector, el valor reside en el software, no en la maquinaria. Según estimaciones de McKinsey, los agentes de software representarán el 80% del potencial de automatización para 2030 y seguirán aportando la mayor parte de ese potencial, incluso en industrias como la agricultura, manufactura y minería.

Quién se queda con el valor

Hasta ahora hemos analizado los sectores que generan valor a partir de la IA. La siguiente pregunta es quién logra capturarlo. Si seguimos el flujo del dinero, encontramos diferencias importantes entre las dos funciones de América Latina en este ecosistema. Los beneficios económicos se distribuyen entre cuatro grupos:

• Los proveedores internacionales de modelos y servicios en la nube obtienen ingresos por suscripciones y capacidad de cómputo que, en gran medida, se transfieren fuera. Además, estas herramientas suelen ser más costosas en la región: una misma solicitud en español o portugués requiere normalmente entre 30% y 60% más de tokens que en inglés, lo que incrementa los costos y tiempos de respuesta.
• La cadena de suministro física también limita la capacidad de capturar el valor generado como facilitadora. Solo alrededor de una cuarta parte del cobre extraído se refina localmente y menos del 10% de las tierras raras se procesa en los países productores. Las inversiones anunciadas en centros de datos son de gran magnitud: desde el proyecto de ByteDance de 39 mil millones de dólares en Brasil hasta la carta de intención de Stargate para construir una instalación de 500 megavatios en la Patagonia, con una inversión prevista de 25 mil millones de dólares. Sin embargo, estos centros generan pocos empleos permanentes, no garantizan que las empresas locales tengan acceso a capacidad de cómputo y pueden trasladar costos a otros usuarios de la red eléctrica cuando los grandes proveedores obtienen tarifas preferenciales.
• Las plataformas locales que poseen datos propios, como Nubank y Mercado Libre, son las que más valor capturan, ya que controlan la relación con los clientes, información y procesos de toma de decisiones.
• Las empresas que desarrollan soluciones de IA para sectores específicos, como agricultura, minería, crédito y servicios públicos, atienden necesidades que las herramientas globales de uso general no logran satisfacer. De hecho, solo el 12% de las startups considera que estas últimas responden adecuadamente a sus necesidades.

En definitiva, el valor generado como facilitadora es real, pero buena parte termina fuera de la región, a menos que se negocien condiciones para la instalación de centros de datos que permitan retener una mayor proporción de los beneficios, especialmente en materia de electricidad, agua, proveedores locales y acceso a capacidad de cómputo. En cambio, los beneficios derivados de la adopción de la IA repercuten directamente en las economías locales. Por eso, esta segunda función tiene mayor importancia para el crecimiento económico.

Factores que limitan la generación de valor

Además de la forma en que operan las empresas, existen otros tres obstáculos que limitan los beneficios económicos, incluso cuando hay un gran interés por adoptar la IA. Si bien el conocimiento de esta tecnología está muy extendido, sigue siendo superficial. La demanda de habilidades prácticas para utilizarla, en lugar de desarrollarla, se multiplicó aproximadamente por 11 entre 2023 y 2025, casi el doble que en Estados Unidos y Europa, especialmente en puestos ajenos a las disciplinas de ciencia, tecnología, ingeniería y matemáticas (STEM, por sus siglas en inglés). Sin embargo, el punto de partida era bajo: menos del 3% de las ofertas de empleo menciona expresamente capacidades relacionadas con la IA y más de cuatro de cada diez trabajadores con acceso digital no saben formular instrucciones que estos sistemas puedan ejecutar¹¹. Al mismo tiempo, los profesionales especializados emigran hacia mercados más maduros. Las competencias generales facilitan el uso de la tecnología, pero la falta de especialización limita su potencial económico.

La capacidad de cómputo constituye el siguiente cuello de botella. Aunque hoy el principal obstáculo es la forma en que operan las empresas, una vez superado, los recursos de procesamiento se convertirán en el factor limitante. Solo unos pocos países cuentan con una infraestructura sólida de centros de datos y apenas una minoría cumple con las normas internacionales de sostenibilidad. Para una región que tiene en la electricidad limpia una de sus principales ventajas, esto representa una clara oportunidad de inversión.

La soberanía tecnológica exige adaptación, no propiedad. Controlar todas las capas de la IA, desde los chips hasta los modelos, está fuera del alcance de América Latina y requeriría destinar recursos financieros escasos. Una alternativa más realista es utilizar modelos de pesos abiertos adaptados con datos locales, diversificar los proveedores y promover la participación de los gobiernos como primeros clientes de los desarrolladores de la región. LATAM-GPT, entrenado en español y portugués con datos regionales, y los modelos Sabiá de Maritaca AI, entrenados con textos jurídicos brasileños, son ejemplos de este enfoque.

Una carrera regional con realidades diferentes

Los inversionistas que consideran América Latina como un mercado homogéneo podrían pasar por alto dónde se genera realmente el valor. La región agrupa tres tipos de economías: las de base agrícola, como Guatemala y Honduras; las integradas en la manufactura y las cadenas de suministro, como México y República Dominicana; y las orientadas a los servicios y al conocimiento, como Chile y Uruguay. Cada grupo presenta oportunidades distintas para aprovechar la IA.

Los análisis de McKinsey por país revelan un potencial de automatización relativamente similar, pero trayectorias diferentes. México presenta la mayor oportunidad en términos absolutos, estimada en unos 204 mil millones de dólares para 2030, de los cuales una quinta parte corresponde a la manufactura. Sin embargo, la demanda de habilidades relacionadas con la IA crece a un ritmo menor que en otros países. Brasil le sigue, con un potencial de 135 mil millones de dólares y un aumento más acelerado de la necesidad de estas competencias. Por su parte, Chile registra la adaptación más rápida del mercado laboral, con el mayor crecimiento de toda la región en la búsqueda de profesionales con habilidades prácticas en IA. No existe un único modelo de desarrollo de esta tecnología: cada país presenta ventajas en distintos segmentos.

La magnitud de la oportunidad y sus riesgos

El principal problema económico de América Latina es su baja productividad, que creció apenas 0,4% anual entre 2000 y 2024. La IA es una de las herramientas más prometedoras para revertir esta tendencia. Sin embargo, las estimaciones sobre su impacto varían considerablemente porque evalúan aspectos distintos. La más amplia, del Foro Económico Mundial, abarca toda la economía: una adopción eficaz podría elevar la productividad entre 1,9% y 2,3% anual y generar entre 1,1 y 1,7 billones de dólares adicionales cada año, aproximadamente el 60%, con la IA analítica¹². Por su parte, McKinsey se centra exclusivamente en la automatización y calcula un potencial de 450 mil millones de dólares para 2030, que se reduciría a 230 mil millones si la adopción avanzara más lentamente. La estimación más conservadora, basada en simulaciones de la Organización para la Cooperación y el Desarrollo Económicos (OCDE) para México y Colombia, indica que, al cabo de 10 años, el ingreso por habitante sería apenas entre 0,3% y 2% superior al que se alcanzaría sin esta tecnología.

Esta disparidad entre las estimaciones pone de manifiesto que el impacto económico dependerá de cómo se implemente la IA. Incluso el escenario más conservador de la OCDE resulta significativo si se considera que, entre 2015 y 2025, el Producto Interno Bruto por habitante de América Latina creció apenas 5,5%.

Los riesgos son concretos: elevados costos de capital, volatilidad cambiaria, persistencia de la fuga de talento, dependencia de los precios fijados por proveedores extranjeros de modelos y servicios en la nube, y oposición local al consumo de agua y electricidad de los centros de datos. A más largo plazo, el abaratamiento de la robótica podría amenazar los trabajos que requieren un uso intensivo de mano de obra: el 26,8% del empleo regional está expuesto a la automatización de tareas físicas rutinarias, frente al 20,1% en Estados Unidos.

Tres indicadores permitirán evaluar si la brecha se está cerrando:

1. El porcentaje de empresas que reportan un valor económico significativo (actualmente, el 6%).
2. El porcentaje de empresas que pasan de la fase experimental a la implementación a gran escala.
3. La capacidad de los centros de datos a la que las empresas locales tienen acceso efectivo.

Qué significa todo esto

Hace un siglo, América Latina afrontó la Segunda Revolución Industrial sin haber desarrollado la capacidad de "aprender a aprender" y perdió terreno durante generaciones. El acceso a la electricidad no bastaba para aumentar la productividad de las fábricas: era necesario transformar la manera de trabajar. Hoy, la IA plantea un desafío similar. La región ya superó el primer umbral: la adopción dejó de ser experimental. El segundo es más difícil y solo una pequeña minoría de empresas ha logrado ir más allá, porque el valor no proviene de adquirir herramientas, sino de rediseñar las operaciones. Las organizaciones que destaquen serán aquellas que reestructuren sus actividades en torno a esta tecnología y traduzcan su uso en mejoras cuantificables de ingresos, costos y alcance. La misma lógica se aplica a los países y al capital que los financia.

América Latina nunca estuvo destinada a convertirse en el cuarto vértice del triángulo mundial de la IA, ni necesita serlo. Ya desempeña un papel fundamental en la infraestructura física que sostiene la expansión de esta tecnología. Su desafío consiste en destacar en la aplicación en los sectores que sustentan su economía y negociar una participación más justa en el valor que contribuye a generar. Su capacidad para traducir una adopción generalizada en beneficios económicos sustanciales determinará si continúa siendo proveedora y consumidora de esta revolución tecnológica o se convierte en una de sus principales beneficiarias.