El espejismo de la IA empresarial en México: mucha prueba, poca adopción real

Ese desfase provoca la ilusión de un avance acelerado, cuando en realidad lo que predomina son pruebas superficiales que no modifican la operación de fondo. El resultado es un espejismo tecnológico: las empresas aparentan innovar, pero la inteligencia artificial no se incorpora de manera estructural en sus procesos ni se convierte en un verdadero motor de negocio.

Javier Costa, director de desarrollo de negocios de X-Data, una empresa dedicada al análisis de datos, refiere que el problema no radica en la falta de interés ni en el tamaño de la inversión, sino en la base de todo: los datos.

Para que los datos realmente sirvan de base para la IA, deben reunir varias características como que no estén duplicados, que sean consistentes, estén organizados en formatos compatibles, que sean vigentes y vinculados con el objetivo del modelo.

“Sin datos preparados, la IA no sirve. Hoy vemos empresas que destinan presupuestos millonarios a algoritmos sofisticados, pero siguen tomando decisiones con información que no cuadra”, afirma el especialista.

Según estimaciones de la empresa que Costa representa, apenas 3% de los datos generados por las organizaciones en el país cumple con los estándares básicos para alimentar proyectos de IA.

Para el reducido grupo que alcanza la madurez tecnológica, en gran medida gracias a la buena calidad de sus datos, se logra integrar la inteligencia artificial en procesos críticos como la cadena de suministro, las finanzas o el marketing. Para ellas, la IA deja de ser adorno y se convierte en motor de ingresos, eficiencia y nuevos productos.

Inversión sin transformación: el riesgo de la simulación tecnológica

Los datos son el insumo esencial que requiere la IA, pues de su volumen, calidad y estructura depende la precisión de los modelos. Un sistema que recibe información incompleta, duplicada o desactualizada resulta en jornadas improductivas y decisiones tomadas a ciegas.

De acuerdo con Costa, esto genera frustración entre directivos que dejan de confiar en la tecnología. El problema baja hasta el día a día de las personas: ejecutivos y equipos trabajan con reportes que no coinciden, bases duplicadas y sistemas que no se comunican entre sí.

La precariedad contrasta con las expectativas de negocio. El estudio CIO Playbook de Lenovo e IDC proyecta que el mercado de aplicaciones de IA en México alcanzará un valor de 450 millones de dólares en 2025. Según el mismo informe, 42% de las organizaciones confía en que los dispositivos con inteligencia artificial aumentarán la productividad y mejorarán la experiencia de los empleados.

Además, se estima que el gasto en IA como porcentaje del presupuesto de TI se multiplicará por 2.4 veces en México para 2025. Este crecimiento acelerado contrasta con la baja madurez tecnológica para su adopción integral, lo que refuerza el riesgo de que la inversión no se traduzca en impacto si no se acompaña de capacidades organizacionales, talento y datos adecuados.

La paradoja se acentúa cuando se observa que, aunque la organización aún no integra plenamente la IA, muchos empleados recurren a cuenta individuales de herramientas como ChatGPT o Copilot. Según la consultora Michael Page, 37% de los profesionales en México ya emplea estas plataformas en su trabajo diario.

Esta práctica puede dar la sensación de innovación, pero entraña riesgos importantes: información sensible de la empresa podría filtrarse hacia herramientas públicas sin controles adecuados, comprometiendo datos estratégicos, clientes o proyectos en curso. Así, mientras la inteligencia artificial se utiliza de manera cotidiana a nivel individual, la organización sigue sin consolidar un uso seguro y estructurado que transforme realmente sus procesos.