Hitachi Vantara potencia el almacenamiento híbrido en Azure
La inteligencia artificial ya está entrando en las empresas latinoamericanas por una puerta conocida: la productividad. El desafío ahora es convertir esas ganancias iniciales en transformación empresarial, crecimiento y capacidad competitiva sin crear nuevas dependencias tecnológicas.
La inteligencia artificial está entrando en las organizaciones por una puerta bastante concreta: la productividad. Automatizar una tarea, resumir información, acelerar una campaña de marketing, generar código, analizar documentos, responder consultas o apoyar una decisión son aplicaciones suficientemente tangibles como para justificar las primeras inversiones.
Pero ese es apenas el primer movimiento.
¿Qué ocurre cuando esas ganancias dejan de ser casos aislados y empiezan a acumularse dentro de miles de empresas? ¿Cuándo la productividad de cada organización comienza a convertirse en productividad de una economía? Y, sobre todo, ¿puede América Latina aprovechar ese salto sin sustituir una dependencia tecnológica por otra?
En su reciente análisis sobre la economía de la IA, el McKinsey Global Institute propone mirar precisamente en esa dirección. La inteligencia artificial no debe analizarse como una tecnología aislada, sino como un sistema en el que interactúan modelos, infraestructura, capital, empresas, trabajadores, instituciones y mercados. El problema es que cada uno de esos elementos se mueve a una velocidad diferente. McKinsey lo resume en una recomendación para los líderes: “manage at multiple speeds”, gestionar a múltiples velocidades.
Para América Latina, esa diferencia puede convertirse en una de las variables decisivas de la próxima década.
La productividad, el primer movimiento
Durante la primera etapa de la IA generativa, la pregunta empresarial fue relativamente sencilla: ¿qué podemos hacer con estas herramientas?
Ahora empieza a ser otra: ¿qué procesos podemos rediseñar porque estas herramientas existen?
Utilizar IA para preparar una presentación puede ahorrar unas horas de trabajo. Incorporarla al proceso completo de generación de propuestas comerciales puede cambiar la capacidad de un equipo de ventas. Un asistente de programación puede acelerar a un desarrollador; un workflow construido alrededor de agentes puede modificar la estructura completa de un equipo tecnológico.
La productividad es la puerta de entrada; el rediseño del trabajo es lo que puede convertirla en transformación.
McKinsey advierte que las organizaciones que obtienen mejores resultados no se limitan a incorporar herramientas, sino que rediseñan workflows alrededor de ellas. Esa diferencia resulta especialmente relevante para América Latina, una región que arrastra desde hace décadas un problema estructural de productividad.
La verdadera oportunidad de la IA no está en hacer más rápido lo que ya hacemos, sino en rediseñar aquello que todavía hacemos de la misma manera.
Un análisis conjunto del World Economic Forum y McKinsey sobre América Latina en la era de la inteligencia plantea que la IA podría convertirse en una nueva fuente de crecimiento si consigue transformar las capacidades tecnológicas en mejoras sostenidas de productividad.
La palabra importante es sostenidas.
Una empresa que ahorra horas gracias a la IA ha ganado productividad. Una economía que consigue que miles de empresas reduzcan costes, aceleren ciclos de innovación, desarrollen nuevos productos y aumenten su producción con los mismos recursos está ante algo mucho mayor.
América Latina ya está en la carrera
Los datos disponibles muestran que la región no está al margen de esta transformación.
El Índice Latinoamericano de Inteligencia Artificial 2025, elaborado por CEPAL y CENIA, muestra un avance significativo en adopción, aunque con diferencias importantes entre países. América Latina y el Caribe concentra una proporción de uso de herramientas de IA superior a la que correspondería por su participación global de usuarios de Internet.
Pero la misma fotografía revela las limitaciones: infraestructura desigual, déficit de talento, menor inversión en investigación y desarrollo y desafíos de gobernanza.
La paradoja es evidente: la tecnología que promete democratizar capacidades puede terminar ampliando las diferencias entre quienes tienen acceso a ella y quienes no.
El Banco Mundial y la OIT han advertido que una parte importante de los empleos latinoamericanos está expuesta a la IA generativa, pero que la automatización completa representa solamente una fracción de ese universo. El problema está también en la capacidad de los trabajadores y las empresas para beneficiarse de las nuevas herramientas.
Por eso, adoptar inteligencia artificial no equivale a construir una economía de inteligencia artificial.
Cada vez que una empresa convierte la IA en capacidad propia, gana productividad; cuando no entiende de quién depende esa capacidad, también puede estar cediendo control.
Una oportunidad para las pymes
Aquí aparece uno de los aspectos más interesantes de la revolución actual.
Durante décadas, muchas capacidades empresariales estuvieron asociadas a la escala. Una gran compañía podía mantener equipos especializados de analistas, programadores, investigadores de mercado o especialistas en atención al cliente. Una empresa pequeña tenía que escoger dónde invertir sus recursos.
La IA empieza a modificar esa ecuación.
El estudio del BID sobre startups e inteligencia artificial en América Latina y el Caribe encuentra una adopción elevada de IA generativa y predictiva, con usos concentrados en marketing, desarrollo de productos y toma de decisiones. El organismo también identifica obstáculos relacionados con talento, financiación, regulación y adaptación de soluciones globales al contexto local.
La consecuencia puede ser más profunda que una reducción de costes.
La IA puede reducir el tamaño mínimo necesario para hacer determinadas cosas.
Una startup puede utilizar modelos existentes como una capa de capacidad para desarrollar software, analizar información, investigar mercados o automatizar servicios sin construir desde cero toda la estructura que antes necesitaba.
Las barreras no desaparecen. Cambian de lugar.
El capital sigue siendo importante. El talento continúa siendo escaso. La infraestructura sigue siendo desigual. Pero una empresa pequeña puede acceder a capacidades tecnológicas bajo demanda y concentrar sus recursos en aquello que conoce mejor.
La teoría ya empieza a convertirse en negocio
En América Latina existen ejemplos que permiten observar esta transformación más allá de los informes.
Plaude, una startup fundada en Argentina, utiliza agentes de IA para automatizar operaciones transaccionales en el sector financiero. Según datos publicados por The Standard CIO, procesa más de 400.000 conversaciones mensuales y, en una implementación con AstroPay, redujo el tiempo promedio de resolución de determinados casos de 90 horas a 22 minutos, con un ahorro anual estimado superior a US$1,5 millones.
Su cofundador Julián Guerrero lo resume así: “La mejor inteligencia artificial no reemplaza el criterio humano; lo potencia.”
El caso de Fina ofrece otra perspectiva. La startup venezolana de gestión administrativa para pymes cerró una ronda semilla de US$1 millón y supera los 5.000 comercios activos en Venezuela. Su propuesta combina digitalización e IA para atacar un problema mucho más cotidiano: mejorar la gestión de pequeñas empresas.
Son negocios diferentes, pero comparten una característica: ninguno necesita construir el próximo gran modelo de lenguaje.
Están construyendo negocios alrededor de capacidades que esos modelos hacen posibles.
Ahí puede encontrarse una de las vías de leapfrogging tecnológico para América Latina.
El problema después de la productividad
Si la primera etapa consiste en utilizar IA para hacer más con menos, la segunda plantea una pregunta mucho más incómoda:
¿quién controla la capacidad que estamos incorporando?
Nuestro reciente panel sobre soberanía digital introdujo una perspectiva que complementa la visión económica de McKinsey.
Viviana González planteó que la soberanía digital no significa construirlo todo internamente. Se trata de conservar capacidad de decisión sobre aquello que resulta estratégico y conocer las dependencias que se aceptan. Por eso habló de una soberanía “elástica”.
La idea resulta especialmente pertinente en la economía de IA. Una empresa puede utilizar modelos externos, contratar infraestructura cloud y apoyarse en plataformas de terceros sin perder necesariamente autonomía. El problema comienza cuando deja de comprender sus dependencias o pierde capacidad para sustituirlas.
Enrique Camacho llevó esa idea al terreno contractual mediante la metáfora del “divorcio tecnológico”: una organización debería saber cuánto le costaría abandonar una plataforma, migrar sus datos y reconstruir sus procesos.
Tania Zúñiga Torres añadió otra pieza: la soberanía también se negocia en los contratos, mediante cláusulas de salida, migración, recuperación de información y períodos de transición, como analizamos en nuestro análisis sobre soberanía digital y contratos tecnológicos.
La conclusión es incómoda:
una empresa puede ganar productividad gracias a la IA y perder capacidad de decisión si no gobierna las dependencias que esa misma IA genera.
El CIO ante una economía de múltiples velocidades
La IA está entrando además en las organizaciones más rápido de lo que muchas empresas pueden establecer mecanismos formales para gobernarla.
El Shadow AI es una expresión de esa diferencia de velocidades. Un empleado descubre una herramienta, la incorpora a su rutina y puede introducir información corporativa antes de que la organización haya decidido si esa tecnología está autorizada o quién responde por sus resultados.
McKinsey identifica precisamente este desajuste entre las velocidades del sistema de IA como uno de los factores que definirán su evolución.
Para el CIO, la conclusión es evidente: no puede gobernar la IA con la misma velocidad con la que gobernaba la tecnología tradicional.
Necesita permitir experimentación rápida sin perder control, escalar lo que funciona sin generar dependencias innecesarias y retirar aquello que deja de aportar valor.
El CIO de la economía de IA no será solamente quien seleccione modelos o plataformas. Tendrá que conectar tecnología, datos, personas, procesos, negocio y dependencia.
La segunda carrera latinoamericana
La región ya está utilizando IA. Sus startups están experimentando con ella. Las empresas están automatizando tareas. Los agentes empiezan a entrar en operaciones reales.
La primera etapa está en marcha.
La segunda será mucho más difícil: convertir las ganancias individuales de productividad en nuevos productos, servicios, organizaciones más eficientes, mayor capacidad exportadora y empresas capaces de competir en mercados globales.
Para lograrlo habrá que invertir precisamente en aquello que la IA no puede resolver por sí sola: infraestructura, talento, investigación, instituciones, gobernanza y conocimiento.
Porque la inteligencia puede estar disponible como servicio.
La capacidad de convertirla en ventaja competitiva sigue siendo propia.
La pregunta, entonces, ya no es si América Latina entrará en la economía de la IA.
Ya entró.
La cuestión es qué hará con la productividad que la IA está comenzando a generar y qué capacidades será capaz de construir alrededor de ella.
La verdadera soberanía no consistirá en desarrollar todos los modelos ni en prescindir de todos los proveedores tecnológicos. Consistirá en saber qué capacidades podemos comprar, cuáles debemos desarrollar, qué dependencias estamos dispuestos a aceptar y cuáles nunca deberíamos dejar de controlar.
La carrera latinoamericana por la IA no será necesariamente la carrera por construir el mejor modelo. Puede ser la carrera por convertir inteligencia disponible en productividad propia, productividad en innovación y esa innovación en una capacidad competitiva que la región pueda controlar.
