O desafio da América Latina não é adotar a IA, mas transformá-la em crescimento econômico

O paradoxo: todos usam, poucos obtêm benefícios

A América Latina já ultrapassou a primeira barreira. O uso da IA deixou de ser experimental. Uma pesquisa do BID, de maio de 2026, com startups que não têm a IA como atividade principal constatou que 85% já utilizam ferramentas de IA generativa e 75% empregam tecnologias preditivas, principalmente em marketing, desenvolvimento de produtos, estratégia e pesquisa e desenvolvimento¹. Pesquisas setoriais mais amplas apontam na mesma direção: cerca de 47% das empresas estão implementando IA, enquanto outras 37% estão em fase de testes². Em termos de uso, a região não está atrasada — pode até estar à frente da própria infraestrutura.

Do lado da geração de valor, porém, o cenário é oposto. Pesquisas do Fórum Econômico Mundial indicam que apenas 23% das organizações latino-americanas obtêm algum valor econômico da IA, e somente 6% relatam ganhos significativos. Aproximadamente seis em cada dez pequenas e médias empresas (PMEs) não geram qualquer valor mensurável.

Entre as startups, apenas 12% consideram que as soluções prontas de IA atendem bem às suas necessidades. A adoção é elevada, mas a captura de valor é baixa. A questão central está na distância entre as duas³.

A lacuna é maior entre as pequenas empresas

Essa diferença entre uso e valor não se distribui de maneira uniforme. O valor se concentra em empresas grandes e bem administradas, enquanto uma extensa parcela de PMEs adota ferramentas sem transformar seus resultados. No México, cerca de 80% a 90% das empresas de todos os portes já contam com recursos digitais básicos: computadores, internet e softwares convencionais. Ainda assim, apenas 15% das pequenas empresas usam IA, ante 44% das médias e grandes. Na Argentina, 41,6% das PMEs utilizam IA, mas 56% delas ainda estão apenas experimentando, e 57% não medem o impacto. No Brasil, empresas que adotam IA em São Paulo têm aproximadamente metade da probabilidade de treinar funcionários nessa tecnologia em comparação com seus pares do G7 (38%, ante cerca de 75%) e um terço da probabilidade de contar com uma equipe dedicada à IA ou um cargo sênior específico (17%, ante cerca de 50%). Pesquisas no Chile e na Costa Rica revelam o mesmo padrão de uso amplo, porém superficial⁴.

Esse ponto é relevante porque o problema de produtividade da região está justamente nesse universo de empresas pequenas, muitas vezes informais. Se a IA se disseminar apenas entre um grupo de grandes empresas conectadas globalmente, ampliará as diferenças de produtividade em vez de reduzi-las. A ponte mais promissora é a oferta de soluções por meio de plataformas: ferramentas para vendedores de marketplaces, crédito de fintechs baseado no histórico de transações e sistemas públicos de pagamento, como o Pix brasileiro, que permitem levar serviços apoiados por IA às pequenas empresas a baixo custo.

Por que a lacuna persiste: o problema está na forma de trabalhar, não nas ferramentas disponíveis

O instinto é culpar a infraestrutura, onde as lacunas são reais. O mercado de inteligência artificial (IA) na América Latina tem um valor aproximado de US$ 12,7 bilhões e cresce 28,1% ao ano. Isso parece um crescimento acelerado, mas o mercado global cresce ainda mais rápido, a 31%. Assim, a participação da região nos gastos globais com IA, de 5,8%, já abaixo de sua participação de 6,6% no PIB mundial, continua diminuindo.

O investimento em IA generativa é ainda menor. A região atrai apenas US$ 8,2 bilhões, o equivalente a apenas 4,3% dos US$ 190 bilhões investidos globalmente.⁵.

Hoje, o principal entrave não é a infraestrutura, mas sim o comportamento das empresas. Elas próprias reconhecem isso. No México, as empresas que ainda não adotaram IA apontam a falta de conhecimento e competências como obstáculos mais importantes que o custo. As PMEs argentinas seguem a mesma ordem: citam experiência limitada (46%), escassez de competências (42%) e desconhecimento sobre IA (39%) antes do custo (29%). O Chile é a exceção que reforça a regra. O custo é o obstáculo mais citado (42%), seguido de perto pela falta de competências (36%). Ainda assim, quando enfrentaram dificuldades na adoção, as empresas chilenas responderam sobretudo reorganizando processos ou redistribuindo tarefas (45%), muito mais do que oferecendo treinamento (35%) ou contratando especialistas (10%)⁶. Quando as empresas não sabem especificar o que precisam comprar, ferramentas mais baratas não resolvem o problema.

O que funciona é redesenhar o trabalho em torno da ferramenta, em vez de simplesmente acrescentá-la aos processos existentes. Estudos de caso da McKinsey com empresas latino-americanas mostram esse padrão. Um banco regional reduziu em 55% o tempo de decisão de crédito ao reconstruir seu processo em torno de 45 agentes de IA especializados; os analistas passaram de executar avaliações a questioná-las. Uma operadora de dutos reduziu o prazo de processamento de reclamações de seis meses para duas semanas, com custo 58% menor. Uma empresa de telecomunicações transformou um centro de custos que recebia 600 mil chamadas mensais em um canal de receita, com conversão três vezes superior que a média de vendas ativas. Em todos os casos, as pessoas continuaram responsáveis pelas decisões; o que mudou foi o fluxo de trabalho.

Onde o valor está sendo criado — e por quê

Se o valor depende do redesenho dos fluxos de trabalho e da disponibilidade dos insumos adequados, ele deve se concentrar onde já existem dados e decisões. E é exatamente o que acontece, em dois contextos muito diferentes.

Serviços financeiros: o setor financeiro é o exemplo mais convincente de sucesso da IA na região, e há razões estruturais para isso. A grande população com acesso limitado a serviços bancários, a rápida expansão dos pagamentos digitais e as fintechs construídas sobre dados transacionais oferecem exatamente o que a IA precisa: decisões frequentes — detecção de fraudes, análise de crédito, cobrança e produtos personalizados — repetidas milhões de vezes. O Nubank talvez seja o exemplo mais claro. O banco digital brasileiro ultrapassou 100 milhões de clientes no Brasil, México e Colômbia em 2024 e, desde então, superou 114 milhões. Sua infraestrutura de IA opera em uma escala cada vez mais próxima à de uma empresa global de tecnologia: segundo o Nubank, seus modelos podem ser treinados com dados de mais de 100 milhões de clientes e seus históricos de transações⁷, em processos de treinamento que consomem trilhões de tokens. O Mercado Livre aplica a mesma lógica em marketplace, pagamentos, publicidade, crédito e logística — um ecossistema orientado por modelos que otimizam toda a jornada do cliente.

Setores produtivos: aqui está o aspecto menos evidente. A América Latina é uma grande produtora agrícola e mineral, e a IA de maior valor para esses setores é analítica — sistemas que tornam os processos produtivos mais eficientes. Na agricultura, a Kilimo, da Argentina, otimizou o uso da água com dados climáticos, de solo e de satélites. A Linux Foundation estima uma economia de 20% no consumo de água, equivalente a 72 bilhões de litros preservados⁸. A concessionária de água de Buenos Aires, AySA, combinou radar por satélite com aprendizado de máquina e reorganizou suas equipes de campo com base nos resultados do modelo. Alcançou 93,4% de precisão nas verificações em campo, reparou mais de 18.500 vazamentos ocultos e recupera cerca de 28 milhões de metros cúbicos de água por ano⁹.

Na mineração, onde se encontram os papéis de facilitação e adoção, a chilena Codelco elevou o lucro anual em US$ 80 milhões e extraiu 8 mil toneladas métricas adicionais de cobre por meio da otimização do processamento e da manutenção preditiva¹⁰. Mesmo nesse setor, o valor está no software, não no maquinário: a McKinsey estima que agentes de software respondam por 80% do potencial econômico da automação até 2030 e representem a maior parcela também na agricultura, na indústria de transformação e na mineração.

Para onde vai o valor

A seção anterior examinou quais setores criam valor. Agora, a pergunta é quem consegue retê-lo. Ao acompanhar os fluxos financeiros, os dois papéis da região mostram diferenças marcantes. O valor da economia de IA latino-americana se distribui entre quatro grupos:

• Fornecedores globais de modelos e serviços em nuvem recebem receitas de assinaturas e processamento computacional que, em grande parte, saem da região. As ferramentas também custam mais por aqui: uma mesma solicitação em espanhol ou português normalmente exige de 30% a 60% mais tokens do que em inglês, aumentando custos e latência.
• Na cadeia física de suprimentos, parte do valor do papel de facilitadora se perde. Apenas cerca de um quarto do cobre extraído na região é refinado na própria região, e menos de 10% das terras raras são processadas localmente. Os anúncios de data centers envolvem cifras enormes: desde o projeto de US$ 39 bilhões da ByteDance no Brasil até uma carta de intenções para um projeto Stargate de US$ 25 bilhões e 500 megawatts na Patagônia. Entretanto, os data centers criam poucos empregos permanentes, não equivalem necessariamente à capacidade computacional efetivamente acessível às empresas locais e podem transferir custos a outros usuários da rede elétrica quando grandes provedores recebem tarifas de energia reduzidas.
• Plataformas locais que detêm dados, como Nubank e Mercado Livre, retêm a maior parcela do valor porque controlam a relação com o cliente, os dados e o ciclo de decisões.
• Empresas que desenvolvem soluções específicas para setores locais, como agricultura, mineração, crédito e serviços de utilidade pública, preenchem a lacuna deixada pelas ferramentas globais genéricas, consideradas adequadas às necessidades por apenas 12% das startups.

A conclusão é que o valor gerado pelo papel de facilitadora é real, mas em grande parte exportado, a menos que as condições de instalação — relativas a energia, água, fornecedores locais e acesso à capacidade computacional — sejam negociadas para manter uma parcela na região. O valor da adoção, por sua vez, é doméstico por natureza. Por isso, a adoção é o que mais importa mais para a própria América Latina.

Limitações que restringem a captura de valor

Além da forma como as empresas trabalham, três fatores limitam a geração de valor, mesmo quando há entusiasmo pela adoção. O primeiro é a disponibilidade de talentos: há amplitude, mas falta profundidade. A demanda por fluência em IA — a capacidade prática de usar IA, e não necessariamente desenvolvê-la — aumentou cerca de 11 vezes entre 2023 e 2025, aproximadamente o dobro do ritmo dos Estados Unidos e da Europa, sobretudo em funções fora das áreas de ciência, tecnologia, engenharia e matemática. Esse crescimento, porém, parte de uma base pequena: competências explícitas em IA ainda aparecem em menos de 3% das vagas de emprego, e mais de quatro em cada dez trabalhadores com acesso digital não conseguem formular um comando que um sistema de IA possa executar¹¹. Enquanto isso, profissionais especializados migram para mercados mais maduros. A familiaridade ampla permite utilizar IA, mas a falta de especialização limita a captura de valor.

A capacidade computacional é o próximo gargalo. Hoje, a principal limitação está na maneira como as empresas trabalham; quando resolverem esse problema, a disponibilidade de processamento passará a ser o entrave. Apenas alguns países contam com uma base sólida de data centers, e uma minoria atende aos padrões internacionais de sustentabilidade. Para uma região cuja vantagem competitiva é a eletricidade limpa, trata-se de uma oportunidade evidente de investimento.

Soberania significa adaptação, não propriedade. Controlar todas as camadas da IA, dos chips aos modelos, está fora do alcance da região e consumiria capital escasso. O caminho viável passa por modelos abertos ajustados com dados locais, diversificação de fornecedores e governos atuando como clientes âncora de desenvolvedores locais. O LATAM-GPT, treinado em espanhol e português com dados regionais, e os modelos Sabiá, da brasileira Maritaca AI, treinados com textos jurídicos brasileiros, indicam essa direção.

Uma corrida regional, não uma história única

Os investidores que tratam a América Latina como um mercado único podem interpretar mal onde está o valor. A região reúne três perfis econômicos: economias baseadas na agricultura, como Guatemala e Honduras; economias integradas à indústria e às cadeias de suprimentos, como México e República Dominicana; e economias voltadas a serviços e conhecimento, como Chile e Uruguai. Cada uma enfrenta oportunidades distintas em IA.

As análises por país da McKinsey mostram potencial de automação concentrado, mas trajetórias divergentes. O México oferece o maior potencial absoluto — estimado em US$ 204 bilhões até 2030, dos quais um quinto na indústria de transformação —, mas sua demanda por competências em IA cresce mais lentamente que a de seus pares. O Brasil vem em seguida, com US$ 135 bilhões e uma demanda por competências que aumenta mais rapidamente. O Chile apresenta a adaptação mais acelerada do mercado de trabalho: a demanda por fluência em IA cresce mais intensamente ali do que em qualquer outro país da região. Não existe um modelo único de IA latino-americano; os países desenvolvem vantagens em diferentes camadas.

O tamanho da oportunidade e os riscos

O principal problema econômico da América Latina é a baixa produtividade, que cresceu apenas cerca de 0,4% ao ano entre 2000 e 2024. A IA é o instrumento mais promissor para mudar esse quadro. As estimativas de ganhos variam bastante porque medem aspectos diferentes. A mais abrangente, do Fórum Econômico Mundial, considera toda a economia: uma adoção eficaz poderia elevar a produtividade de 1,9% a 2,3% ao ano e acrescentar de US$ 1,1 trilhão a US$ 1,7 trilhão em valor anualmente, cerca de 60% provenientes de IA analítica¹². A McKinsey considera apenas a automação e estima ganhos de US$ 450 bilhões até 2030, que cairiam para US$ 230 bilhões caso a adoção fosse mais lenta. A estimativa mais conservadora, baseada em simulações da OCDE para México e Colômbia, indica que a renda per capita seria apenas de 0,3% a 2,0% maior após dez anos do que em um cenário sem IA.

Essa amplitude mostra que o resultado depende da execução. E mesmo a estimativa conservadora da OCDE é relevante: ao longo de toda a década de 2015 a 2025, o PIB per capita da região cresceu apenas 5,5%.

Os riscos são concretos: custo elevado do capital e volatilidade cambial, saída contínua de talentos, dependência dos preços cobrados por fornecedores estrangeiros de modelos e serviços em nuvem e resistência local ao consumo de água e energia dos data centers. Mais adiante, a robótica mais barata pressionará empregos intensivos em mão de obra: 26,8% dos postos de trabalho da região estão expostos à automação de tarefas físicas rotineiras, ante 20,1% nos Estados Unidos.

Três indicadores mostrarão se essa lacuna está diminuindo:

1. A parcela de empresas que relatam geração significativa de valor (atualmente, 6%).
2. A parcela das empresas que adotam IA e passam da fase experimental à implementação em escala.
3. O volume de capacidade dos data centers efetivamente acessível às empresas locais.

O que tudo isso significa

Há um século, a América Latina enfrentou a Segunda Revolução Industrial sem conseguir 'aprender a aprender' e perdeu terreno por gerações. Ter acesso à rede elétrica não tornava uma fábrica produtiva; era preciso redesenhar o trabalho. A IA apresenta o mesmo desafio. A região já superou a primeira barreira: a adoção deixou de ser experimental. A segunda é mais difícil, e apenas uma pequena minoria consegue ultrapassá-la, porque o valor resulta do redesenho das operações, não da compra de ferramentas. As empresas bem-sucedidas serão aquelas que reorganizarem seus fluxos de trabalho em torno da IA e converterem a adoção em ganhos mensuráveis de receita, custos e alcance. A mesma lógica se aplica aos países e ao capital que os financia.

A América Latina nunca esteve destinada a ser o quarto vértice do triângulo global da IA, nem precisa ser. Ela já sustenta parte da base física da expansão mundial. Seu desafio é tornar-se excepcionalmente competente no uso de IA nos setores que sustentam sua economia e negociar uma participação mais justa no valor que ajuda a criar. A capacidade de transformar o uso intenso em valor econômico expressivo determinará se a região continuará sendo fornecedora e consumidora da revolução da IA ou se passará a ser uma de suas principais beneficiárias.