En algún rincón de América Latina, un equipo de ingenieros entrena modelos de lenguaje con destreza, discute arquitecturas de transformers y afina redes neuronales. Ese mismo equipo, sin embargo, no logra que su empresa integre un asistente inteligente en el servicio al cliente. No hay un déficit de capacidad técnica: hay una parálisis en la toma de decisiones.
Los números son implacables. Según estudios recientes, apenas el 23% de las organizaciones latinoamericanas obtiene valor económico medible de la inteligencia artificial generativa. Seis de cada diez pequeñas y medianas empresas —el verdadero motor productivo de la región— reportan retorno cero. Esa brecha, que algunos llaman "brecha de valor", no tiene origen en los algoritmos ni en la falta de especialistas. Es, ante todo, una brecha de liderazgo.
El costo real no está donde se cree
Cuando un director financiero revisa el presupuesto de una iniciativa de IA, la tentación es mirar el precio del modelo o el consumo de nube. Pero la distribución real del gasto cuenta otra historia: el 80% del dinero se va en preparación y gobernanza de datos; apenas un 20% queda para el modelo y su operación. En Brasil, las grandes corporaciones ya destinan en promedio 77,7 millones de reales al año solo a ordenar su base informativa. Una pyme puede lanzar un piloto vertical por menos de 10.000 dólares, pero solo si la métrica de negocio está definida y los datos están limpios. De lo contrario, el presupuesto se evapora en iteraciones sin rumbo.
El problema de fondo es de prioridades gerenciales. Se compran herramientas, se contratan consultorías, se asisten a conferencias. Pero no se invierte el tiempo ni la autoridad política necesaria para reestructurar cómo fluye la información dentro de la organización. La inteligencia artificial no es un plugin que se instala el viernes y el lunes produce resultados. Exige un cambio en la arquitectura de decisiones de la empresa.
Gobernanza: el eslabón que nadie quiere atender
La adopción de IA avanza rápido en las empresas latinoamericanas, pero los mecanismos de gobernanza, seguridad y control de datos no evolucionan al mismo ritmo. Hay prisa por subirse al tren, pero no se construyen los rieles. El Índice Latinoamericano de Inteligencia Artificial 2025, elaborado por la CEPAL, se presenta precisamente como una herramienta para identificar esas brechas. No es que falten leyes o marcos regulatorios —hay incluso una asimetría institucional que algunos describen como un intento de "salto tecnológico" normativo— sino que las empresas no han traducido ese entorno en decisiones concretas de gestión.
La gobernanza de datos no es un tema de tecnología de la información. Es un tema de conducción ejecutiva. Exige que el directorio entienda que la calidad del dato es un activo estratégico, no un subproducto operativo. Exige que el CEO lidere la definición de quién es dueño de cada conjunto de datos, con qué criterios se comparte y cómo se audita su uso. Sin esa claridad, cualquier modelo, por sofisticado que sea, operará sobre cimientos movedizos.
La decisión que no llega
Detrás de cada herramienta de inteligencia artificial hay una persona que la diseñó, otra que la implementó y muchas más que deberían usarla. En América Latina, el talento existe, la formación se multiplica en universidades y bootcamps, y las ganas de innovar están presentes en las áreas de tecnología. Lo que falta es la decisión gerencial de cruzar el umbral que separa la experimentación de la integración real. Los estudios sistemáticos sobre IA para la toma de decisiones empresariales en la región confirman que la evidencia existe, pero no se traduce en acción.
La resistencia no suele ser explícita. Se manifiesta en la postergación de proyectos piloto que piden un segundo mes de prueba; en la falta de un patrocinador ejecutivo que defienda el presupuesto para ordenar datos; en la exigencia de un retorno inmediato que ningún cambio organizacional profundo puede ofrecer. Es una inercia silenciosa que consume el entusiasmo de los equipos técnicos.
Lo que separa al 23% del 77%
Las empresas que sí obtienen valor de la IA comparten un rasgo común: tienen un liderazgo que entiende la tecnología como un problema de gestión, no como un problema de ingeniería. Han invertido en formar a sus ejecutivos en la lectura crítica de modelos y métricas; han reestructurado sus procesos para que los datos fluyan con gobernanza; han aceptado que el retorno puede tardar meses y que el costo oculto no está en el modelo, sino en la preparación. En otras palabras, han decidido gobernar la incertidumbre en lugar de esperar a que desaparezca.
El verdadero cuello de botella de la inteligencia artificial en América Latina no es la falta de GPUs, ni de científicos de datos, ni de conectividad. Es la voluntad de una organización para decir: vamos a invertir en ordenar los datos, en gobernar los modelos y en sostener el cambio durante el tiempo que tarda en llegar el retorno. Mientras esa decisión no se tome, el músculo de la IA latinoamericana seguirá entrenándose en el gimnasio, pero nunca entrará a la cancha.
