Inteligência artificial na América Latina: da adoção à criação de valor

O paradoxo: todos usam, poucos ganham

A América Latina já cruzou o primeiro obstáculo. O uso de IA deixou de ser experimental. A pesquisa do BID de maio de 2026 com startups não nativas de IA constatou que 85% já utilizam ferramentas de IA generativa e 75% utilizam tecnologias preditivas, concentradas em marketing, desenvolvimento de produtos, estratégia e P&D.¹

Em termos de uso, a região não está atrasada — é possível afirmar que está à frente de sua própria infraestrutura.

Já em termos de captura de valor, o quadro se inverte. Pesquisa do Fórum Econômico Mundial (WEF) aponta que apenas 23% das organizações latino-americanas geram algum valor econômico a partir de IA, e somente 6% relatam valor significativo — com aproximadamente seis em cada dez PMEs sem qualquer retorno mensurável. A adoção é alta; a captura de valor é baixa — e toda a narrativa está na distância entre ambos. Isso também produz uma economia em duas velocidades que merece a atenção dos investidores: o valor está se concentrando nas grandes empresas, enquanto uma longa cauda de PMEs adota ferramentas sem alterar resultados.

Por que a lacuna persiste: é um problema de modelo operacional, não de ferramentas

O instinto é culpar a infraestrutura, e os gargalos são reais. Mas, em nossa visão, o comportamento, e não a infraestrutura, é o fator limitante para a criação de valor. Os estudos de caso regionais da McKinsey tornam isso concreto: os ganhos vêm do redesenho dos fluxos de trabalho, não apenas da implantação da tecnologia. Um banco regional reduziu o tempo de decisão de crédito em 55% ao reorganizar o processo em torno de 45 agentes especializados, deslocando analistas do papel de executores de avaliações para o de questionadores delas. Em todos esses casos, a responsabilidade permaneceu humana; o que mudou foi o modelo de trabalho. Essa é a lacuna do modelo operacional, e ela explica o paradoxo melhor do que qualquer estatística de infraestrutura.

Onde o valor está sendo capturado — e por quê

Se a criação de valor depende da reconfiguração do modelo de trabalho e dos insumos certos, ela tende a se concentrar onde já existem dados e decisões em escala — e na América Latina, isso ocorre com nitidez em dois setores.

Por razões estruturais, é no setor financeiro que a região oferece seu caso mais convincente. Grandes contingentes da população sem acesso bancário, pagamentos digitais em rápida expansão e fintechs construídas sobre dados transacionais criam exatamente o ambiente em que a IA gera retorno: decisões de alta frequência repetidas milhões de vezes — detecção de fraudes, análise de crédito (underwriting), cobrança, produtos personalizados. A vantagem não está em chatbots substituindo funcionários; mas em usar dados para tomar milhões de pequenas decisões com mais velocidade, consistência e precisão. O Nubank, com modelos treinados a partir de dados de mais de 100 milhões de clientes, é o exemplo mais claro²; o Mercado Livre aplica a mesma lógica ao marketplace, pagamentos, crédito e logística.

Nos setores intensivos em ativos físicos, a IA de maior valor da região é analítica, não generativa — sistemas que tornam mais eficientes a agropecuária e a mineração, setores em que a região já é dominante. A argentina Kilimo otimizou o uso de água a partir de dados climáticos, de solo e de satélite, economizando aproximadamente 72 bilhões de litros³; a chilena Codelco elevou os lucros anuais em US$ 80 milhões por meio de processamento otimizado e manutenção preditiva⁴. Crucialmente, o valor reside na camada de software, não nas máquinas: a McKinsey estima que os "agentes" de software respondem por aproximadamente 80% do prêmio de automação projetado para 2030, respondendo ainda pela maioria dos casos na agropecuária, manufatura e mineração. Os ganhos decorrem da análise que remodela fluxos de trabalho, não de robôs no chão de fábrica.

As duas restrições que limitam a captura de valor

O talento é amplo, mas superficial. A demanda por fluência em IA — a capacidade prática de usar IA, distinta de desenvolvê-la — cresceu aproximadamente 11 vezes entre 2023 e 2025, cerca do dobro do ritmo dos EUA e da Europa, majoritariamente em funções fora das ciências exatas e tecnologia (STEM).⁵ Isso é genuinamente promissor: a região precisa de usuários, não de milhões de pesquisadores. Mas essa amplitude de uso se apoia sobre uma base estreita de especialização, e o talento especializado está migrando para mercados mais maduros. A fluência generalizada permite à região usar IA; a escassez de talento especializado limita a captura de valor.

A capacidade computacional é concentrada e incipiente. A IA aplicada aos setores intensivos em ativos físicos — onde reside a vantagem comparativa da região — demanda capacidade computacional. No entanto, apenas um punhado de países conta com uma base sólida de centros de dados, e uma minoria atende aos padrões internacionais de sustentabilidade. Para uma região cuja vantagem como habilitadora está justamente na energia limpa, isso representa tanto um gargalo quanto uma oportunidade óbvia de investimento.

Uma corrida regional, não uma história única

Investidores que tratarem a América Latina como um único mercado terão uma leitura equivocada de onde o valor reside. O ranking por país da McKinsey mostra trajetórias divergentes: o México oferece o maior prêmio absoluto — estimado em US$ 204 bilhões até 2030 —, embora a demanda por competências em IA cresça mais lentamente do que nos países pares; o Brasil vem a seguir, com US$ 135 bilhões e demanda em ascensão mais acelerada; o Chile apresenta o crescimento mais acentuado da região em demanda por fluência em IA. Não existe um modelo latino-americano único de IA — os países estão construindo vantagens em frentes distintas.

O que tudo isso significa

O problema econômico central da América Latina é a baixa produtividade — crescimento de cerca de 0,4% ao ano ao longo de 25 anos (2000 a 2024), segundo estimativas do WEF. A IA é a alavanca mais plausível de que a região dispõe para mudar esse quadro: a adoção efetiva poderia elevar a produtividade em 1,9 a 2,3% ao ano e agregar entre US$ 1,1 e US$ 1,7 trilhão em valor anual, com cerca de 60% proveniente de IA analítica.⁶ O momento e a execução, e não a disponibilidade da tecnologia, determinarão o resultado.

A maior oportunidade inexplorada da região não é construir modelos de fundação de ponta. É tornar suas indústrias existentes mais produtivas — o setor financeiro precificando melhor o risco, a agropecuária otimizando insumos, a mineração reduzindo tempo de parada, o varejo personalizando a demanda. Os vencedores não serão as empresas que implantarem mais modelos ou investirem mais; serão as que reconstruírem seus fluxos de trabalho em torno da IA e converterem adoção em ganhos mensuráveis de receita, custo e alcance. A mesma lógica se aplica aos países e ao capital que os financia.

Voltamos, por fim, ao triângulo inicial. A América Latina nunca seria seu quarto vértice — e não precisa ser. Ela já ancora parte essencial da base física do processo global de infraestrutura de IA. Sua tarefa não é desenvolver o modelo mais poderoso do mundo, mas tornar-se excepcionalmente competente no uso da IA nos setores que já sustentam sua economia. O que a próxima década definirá é se a região converte uso intensivo em valor profundo — e assim deixa de ser apenas fornecedora e consumidora da revolução da IA para se tornar uma de suas beneficiárias centrais.