Inversión en IA en América superará los $477,000 millones

La inversión en inteligencia artificial en América se dispara, pero el éxito depende de superar brechas críticas en la gestión de datos.

La inteligencia artificial (IA) ha dejado de ser una promesa futura para convertirse en el motor de la transformación digital inmediata en el continente americano. Un nuevo estudio de la firma internacional de inteligencia de mercados IDC, comisionado por Intel, proyecta que el gasto en soluciones de IA en la región crecerá a una tasa anual compuesta (CAGR) del 32.9% entre 2023 y 2028. Este impulso masivo llevará la inversión total cerca de los $477,800 millones de dólares para el final del período, con Estados Unidos, Canadá, Brasil, México y Colombia a la cabeza.

¿Qué está impulsando esta aceleración sin precedentes? La necesidad de optimizar operaciones, automatizar procesos, mejorar la experiencia del cliente y generar ventajas competitivas en un mercado global cada vez más dinámico. “Realmente la adopción de la inteligencia artificial en las empresas ya está siendo un hecho, 97.8% de las empresas coincidió en este punto”, afirmó Aarón Vudoyra, especialista en Tecnología de Intel México, durante la presentación del informe.

El panorama de la adopción de IA en México: avance y contraste

México se encuentra en una fase de adopción acelerada y tangible. Las empresas mexicanas están pasando de la experimentación a la implementación de proyectos concretos en áreas como la optimización de la cadena de suministro, el mantenimiento predictivo, la atención al cliente mediante chatbots avanzados y el análisis de datos en tiempo real. El estudio desglosa la adopción en IA tradicional (56.2%) e IA generativa (51.9%), mostrando un interés equilibrado en ambas tecnologías.

Sin embargo, este optimismo choca con una realidad estructural. El mismo informe revela una brecha significativa en la base fundamental de cualquier proyecto de IA: los datos. El 23.3% de las empresas mexicanas admite no haber iniciado siquiera un inventario de sus activos de datos. Peor aún, del total de datos que estas empresas generan y almacenan, sólo el 56.3% está disponible para ser analizado y utilizado en modelos de IA. Esta falta de gobernanza, gestión y acceso a datos de calidad se convierte en el principal freno para la escalabilidad, velocidad y éxito de las iniciativas.

Los casos de uso priorizan la mejora operativa rápida

Frente a estas limitaciones, la estrategia de las compañías mexicanas ha sido pragmática. Se priorizan casos de uso específicos que demuestran un retorno de inversión (ROI) rápido y medible, en lugar de apostar por transformaciones integrales y de alto riesgo. Los resultados hablan por sí solos: el estudio registra que, tras la implementación de proyectos de IA, 451 de 462 empresas reportaron mejoras en el desempeño de hasta un 49%. Los proyectos más exitosos lograron una ganancia promedio de rendimiento del 20%, una cifra que explica la creciente asignación de presupuestos.

Estas mejoras se ven en la reducción de tiempos de producción, la minimización de errores, la personalización de marketing y la predicción más precisa de la demanda. ¿Buscan las empresas mexicanas crear un modelo de IA disruptivo? No necesariamente. La mayoría busca, ante todo, eficiencia operativa y un rápido time-to-value en sus inversiones tecnológicas.

La arquitectura tecnológica: la apuesta por el borde y la nube híbrida

La infraestructura sobre la que se ejecuta la IA también está evolucionando. Si bien la nube pública ha sido clave, existe un creciente reconocimiento de la importancia de la computación en el borde (edge computing) para casos donde la latencia, el ancho de banda y la privacidad de los datos son críticos. Procesar datos directamente donde se generan (en una fábrica, una tienda minorista o un centro de distribución) permite tomar decisiones en milisegundos.

En México, esta tendencia es clara. El informe proyecta que la representatividad del borde en el presupuesto de TI subirá del 10.1% al 11.7% en los próximos 12 meses. Paralelamente, las arquitecturas de nube híbrida y multinube se consolidan como el modelo preferido, permitiendo a las empresas ejecutar cargas de trabajo en el entorno óptimo según sus necesidades de seguridad, coste y rendimiento. “Podríamos tener el tema de nube híbrida, podríamos tener el tema de multinube, y lo interesante es que a pesar de que la mayoría opta por esto, consideran que la nube híbrida es muy importante”, destacó Vudoyra.

Los retos persistentes: más allá de los datos

Aunque el camino está trazado, los obstáculos son considerables. Las empresas enumeran una serie de riesgos reales que deben gestionar:

• Costos de infraestructura: Entrenar y ejecutar modelos de IA, especialmente los grandes modelos de lenguaje (LLMs), requiere una potencia computacional enorme y costosa.

• Riesgos de propiedad intelectual: Existe preocupación sobre la autoría y la protección de los resultados generados por una IA y el uso de datos confidenciales en plataformas de terceros.

• Precisión y sesgos: La posibilidad de que un modelo arroje resultados inexactos, discriminatorios o sesgados representa un riesgo reputacional y operacional grave.

“Mientras más foco podamos tener, vamos a poder tener proyectos desplegados con más éxito”, advirtió el analista de Intel, subrayando la necesidad de abordar estos desafíos de forma metódica.

El panorama regional: América no es un bloque uniforme

El informe de IDC permite visualizar las notorias diferencias en la madurez digital de la región. Estados Unidos y Canadá presentan ecosistemas más avanzados, con una mejor regulación de datos, una mayor disponibilidad de talento especializado, inventarios de datos más consolidados y una inversión más agresiva en infraestructura de borde.

Brasil, por su parte, muestra un optimismo muy alto y un mercado enorme, pero aún lucha con inconsistencias en infraestructura de conectividad y en la formación educativa necesaria para cubrir la demanda de profesionales. México se sitúa en un punto intermedio, con avances significativos en adopción, pero su evaluación del entorno gubernamental y socioeconómico quedó entre las más bajas de la muestra, señalando áreas de oportunidad críticas en políticas públicas y estabilidad.

comentar nota

Noticias del tema