Directivos de toda América Latina hicieron sonar la alarma durante el Loymark Future Ready Summit 2025, revelando que aunque el 78 por ciento de las empresas afirman utilizar inteligencia artificial, menos del 1 por ciento la implementa efectivamente a escala, según el nuevo informe «De Islas de Datos a Organizaciones Inteligentes».
La investigación, presentada durante la reunión anual de líderes empresariales y directores de tecnología, sostiene que la promesa de la IA se diluye debido a proyectos fragmentados, decisiones centradas en la tecnología y métricas poco claras de retorno de inversión. Los autores Alberto Garnier, Joha Loría y Marco Tristán argumentan que las empresas deben dejar de enfocarse en pilotos aislados para construir «organizaciones inteligentes» capaces de percibir cambios, decidir rápidamente y actuar de manera cohesiva.
Esta advertencia llega en un momento en que ejecutivos de todo el mundo celebran ganancias iniciales. El 49 por ciento de las compañías ya reportan ahorros operativos gracias a implementaciones de IA, según una encuesta separada destacada por Infobae. Sin embargo, esta cifra general oculta profundas disparidades en madurez e impacto—un desequilibrio que, según el estudio latinoamericano, se está ampliando mientras las empresas se apresuran a adoptar herramientas sin la infraestructura o gobernanza para sustentarlas.
La anatomía del progreso artificial
El informe de Loymark descubre que la mayoría de organizaciones lanzan iniciativas de IA a través de pequeños experimentos independientes como chatbots o modelos de predicción de demanda. Estos pilotos raramente se conectan con los sistemas empresariales, dejando procesos clave intactos y valor sin capturar. Garnier describe este enfoque como «coleccionar proyectos piloto desconectados».
Un segundo obstáculo es la toma de decisiones impulsada por tendencias tecnológicas en lugar de estrategia empresarial. Muchos consejos directivos aprueban pruebas de concepto simplemente porque los competidores están probando el mismo modelo, no porque la solución respalde el crecimiento de ingresos o la satisfacción del cliente. El tercer escollo es la medición: las empresas a menudo celebran métricas superficiales—»horas ahorradas» o «tickets procesados»—en lugar de seguir el impacto en ganancias, retención o reducción de riesgos.
Cinco capas de una organización inteligente
Para cerrar esta brecha, Loymark propone un marco de cinco capas:
- Datos confiables: información limpia, estructurada y accesible.
- Servicios de inteligencia: modelos de aprendizaje automático, búsqueda aumentada y agentes específicos para dominios.
- Orquestación de procesos: vínculos fluidos entre departamentos y sistemas.
- Supervisión humana: expertos que supervisan decisiones automatizadas e intervienen en casos límite.
- Gobernanza y control: políticas que definen responsabilidad, seguridad y uso ético de la IA.
Joha Loría, la especialista en big data del informe, enfatiza que el trabajo más difícil ocurre en las capas uno y cinco. «El desafío no es conseguir un modelo más sofisticado; es asegurar que los datos que alimentan el modelo sean confiables y que existan reglas claras que determinen quién es responsable», explicó a los asistentes de la cumbre.
Este énfasis se hace eco de las conclusiones de un estudio de IBM que señala que el camino más efectivo para superar los desafíos de adopción es mejorar la calidad de los datos para la personalización de modelos IBM. Mejores datos, añaden los analistas, reducen el sesgo, aceleran la implementación y producen resultados que los ejecutivos pueden medir.
Por qué los ahorros iniciales no equivalen a éxito estratégico
El contraste entre la estadística de ahorros de Infobae y la tasa de éxito de menos del 1% de Loymark revela cómo el progreso puede parecer desigual cuando se observa a través de diferentes lentes. Muchas empresas logran victorias rápidas—conciliación automatizada de facturas, enrutamiento más inteligente en centros de llamadas o predicciones de inventario—pero estos éxitos a menudo permanecen aislados, sin influir en la toma de decisiones más amplia.
Marco Tristán, quien asesora a scale-ups regionales en estrategia de crecimiento, argumentó en la cumbre que los líderes deben dejar de equiparar experimentación con transformación. «Vemos muchos prototipos, pero pocos mapas de ruta holísticos», dijo. «Si el liderazgo no alinea la tecnología con el norte de la organización, la IA se convierte simplemente en otra herramienta de eficiencia en lugar de un motor de ventaja competitiva».
Qué están haciendo las organizaciones—y qué no
El informe categoriza las implementaciones actuales de IA en tres patrones:
• Herramientas tácticas: chatbots, correos electrónicos automatizados o agentes de mesa de ayuda interna que manejan tareas rutinarias.
• Widgets predictivos: modelos de previsión de demanda o de abandono confinados a un solo departamento.
• Pilotos visionarios: pruebas estrechas diseñadas para demostrar viabilidad en lugar de entregar valor en producción.
Faltan casi por completo flujos de trabajo inteligentes de extremo a extremo que comiencen con la ingesta de datos, pasen por recomendaciones de modelos, alimenten motores de orquestación y terminen con resultados empresariales monitoreados. Sin ese ciclo cerrado, las empresas no pueden validar resultados, mejorar modelos ni escalar lecciones aprendidas.
Una llamada de atención regional
Las empresas latinoamericanas enfrentan presión adicional porque la volatilidad económica exige adaptación rápida, pero los recursos de inversión son finitos. Garnier advierte que perseguir cada nuevo modelo puede agotar presupuestos sin mover los indicadores clave de rendimiento. «La verdadera ventaja competitiva radica en construir organizaciones inteligentes, no en adquirir más algoritmos», afirmó.
Varios ponentes de la cumbre señalaron la temprana adopción de IA en el sector bancario para detección de fraudes como prueba de que son posibles implementaciones disciplinadas de extremo a extremo. Las instituciones financieras que integraron modelos de riesgo en flujos de transacciones, dotaron de personal a equipos de supervisión y establecieron juntas de gobernanza reportan ganancias tangibles en la reducción de pérdidas por fraude—prueba, dicen, de que la combinación de calidad de datos, supervisión y gobernanza da resultados.
Cómo cerrar la brecha de madurez
Basado en el informe y las discusiones de la cumbre, las empresas que buscan pasar de pilotos a producción pueden tomar cuatro pasos inmediatos:
- Diagnosticar la salud de los datos: Realizar una auditoría de linaje, precisión y accesibilidad de datos.
- Vincular objetivos de IA con resultados empresariales: Limitar proyectos a casos de uso con valor claro y medible.
- Asignar responsabilidad humana: Definir roles propietarios para el rendimiento del modelo, monitoreo de sesgos y cumplimiento ético.
- Invertir en orquestación: Integrar salidas de IA en flujos de trabajo existentes para que las acciones, no los paneles, impulsen el valor.
Estos pasos se alinean con el hallazgo de IBM de que datos de calidad y personalización son catalizadores indispensables para programas maduros de IA. En efecto, el informe latinoamericano proporciona el plan organizacional, mientras que la investigación de IBM suministra el prerrequisito técnico.
Implicaciones más amplias y próximos movimientos
Aunque el análisis representa una pequeña porción de los resultados de la cumbre, un tema emergió repetidamente: el riesgo de que el bombo publicitario amplíe la brecha digital. Las empresas ya expertas en gestión de datos podrían aumentar su ventaja, mientras que los adoptantes tardíos pueden desperdiciar capital persiguiendo artilugios. Los participantes sugirieron que consorcios industriales y agencias gubernamentales colaboren en estándares de datos compartidos para elevar las capacidades básicas en toda la región.
Otra implicación involucra el talento. A medida que las empresas escalan la IA desde prototipos a plataformas empresariales, crece la demanda de profesionales híbridos—personas con fluidez en ciencia de datos y flujos de trabajo operativos. Las iniciativas de capacitación podrían determinar si la IA sigue siendo un ejercicio de nicho o se convierte en un motor generalizado de productividad en toda América Latina.
Finalmente, los ejecutivos debatieron sobre regulación. Marcos de gobernanza más estrictos, como la Ley de IA de la Unión Europea, pronto podrían influir en las políticas locales. Las organizaciones que incorporan hoy directrices éticas, argumentaron los ponentes, se adaptarán con mayor facilidad cuando lleguen las regulaciones formales.
La conclusión
La inteligencia artificial sigue siendo un potente acelerador, pero solo para empresas que la tratan como una capacidad estratégica e integrada en lugar de una colección de demostraciones tecnológicas. El mensaje central del Loymark Future Ready Summit—reforzado por la encuesta sobre ahorro de costos de Infobae y la investigación sobre calidad de datos de IBM—es que el viaje desde la experimentación a la transformación exige un trabajo preparatorio meticuloso: datos limpios, procesos orquestados, supervisión humana y gobernanza robusta.
Sin esos pilares, el titular de que casi la mitad de las empresas ven ahorros corre el riesgo de distraer de la realidad de que menos de una de cada cien están convirtiendo la IA en ventaja competitiva sostenida. Los próximos doce meses pondrán a prueba si las empresas latinoamericanas pueden convertir las lecciones de «De Islas de Datos a Organizaciones Inteligentes» en acción concreta—o si la brecha entre adopción e impacto continuará ampliándose.
Fuentes
- https://www.infobae.com/peru/2025/09/10/el-estado-de-la-adopcion-de-la-ia-en-los-negocios-oportunidades-obstaculos-y-proximos-pasos/
- https://www.ibm.com/es-es/think/insights/ai-adoption-challenges
