Las empresas mexicanas están destinando más recursos a la inteligencia artificial (IA), pero los resultados económicos todavía son limitados. Aunque 85% de las organizaciones reconoce oportunidades importantes para ampliar su uso, apenas 31.1% ha conseguido integrarla ampliamente en sus procesos de negocio y solo 6% reporta haber generado un valor económico significativo a partir de esta tecnología.
Los resultados, retomados del estudio México AI Pulse: de adopción ad-hoc a ejecución organizacional, elaborado por Endeavor Data Unit, muestran una diferencia considerable entre el interés por adoptar inteligencia artificial y la capacidad de convertirla en resultados empresariales.
El problema no necesariamente radica en la disponibilidad de herramientas. De acuerdo con Luis Herrera, especialista en transformación y crecimiento organizacional y fundador de Thrust, muchas compañías están adquiriendo licencias y desarrollando proyectos de IA por presión competitiva, sin definir previamente los problemas que necesitan resolver.
Esta situación puede provocar que las inversiones tecnológicas se concentren en iniciativas aisladas, sin modificar los procesos que determinan la productividad, la rentabilidad y la competitividad de las organizaciones.
Para el especialista, la discusión empresarial debe avanzar de cuántas herramientas de inteligencia artificial utiliza una compañía hacia qué resultados económicos puede demostrar su implementación.
Solo 6% de las empresas mexicanas genera valor económico significativo con IA
La adopción de inteligencia artificial se ha convertido en una prioridad para organizaciones de distintos sectores. Sin embargo, los resultados de Endeavor Data Unit evidencian que existe una brecha entre las expectativas y la ejecución.
El estudio identifica tres indicadores principales:
| Indicador de adopción de IA en México | Resultado |
|---|---|
| Organizaciones que reconocen oportunidades para profundizar el uso de IA | 85% |
| Empresas que reportan una integración amplia en sus procesos | 31.1% |
| Organizaciones que han obtenido valor económico significativo | 6% |
Fuente: México AI Pulse: de adopción ad-hoc a ejecución organizacional, Endeavor Data Unit; cifras retomadas por Thrust.
La diferencia entre estos indicadores refleja que reconocer el potencial de una tecnología no equivale a incorporarla de manera efectiva en la operación.
Mientras que una proporción importante de organizaciones identifica oportunidades, menos de una tercera parte reporta una integración amplia.
La brecha es todavía mayor cuando se analiza la generación de valor económico.
El resultado de 6% corresponde a las organizaciones que reportan un impacto económico significativo, por lo que no debe interpretarse como que el 94% restante necesariamente ha registrado pérdidas o carece por completo de beneficios.
La información muestra, más bien, que convertir la adopción tecnológica en resultados económicos relevantes continúa siendo un desafío para el sector empresarial mexicano.
Siete de cada 10 empresas aumentaron su presupuesto de inteligencia artificial
El interés empresarial por la inteligencia artificial también se refleja en la asignación de recursos.
Según las cifras del estudio de Endeavor citadas por Thrust, siete de cada 10 empresas incrementaron su presupuesto destinado a IA durante el último año.
No obstante, el aumento de inversión convive con una limitación importante: 58% de las organizaciones todavía identifica las restricciones presupuestarias como uno de los principales obstáculos para avanzar.
Esto plantea una situación relevante para la administración financiera.
Las empresas están destinando más dinero a proyectos tecnológicos, pero al mismo tiempo enfrentan dificultades para financiar su implementación.
El desafío consiste en asegurar que los recursos asignados se traduzcan en mejoras operativas y no únicamente en la adquisición de nuevas plataformas.
Una organización puede contratar asistentes de inteligencia artificial, herramientas de automatización o sistemas analíticos sin obtener beneficios relevantes si sus procesos permanecen desorganizados.
En esos casos, la tecnología puede incrementar los costos operativos sin resolver las causas que limitan la productividad.
Herrera considera que las decisiones de inversión deben comenzar con un diagnóstico de las necesidades empresariales.
“La IA no transforma automáticamente a una empresa; amplifica lo que ya existe. Si hay claridad y buena operación, acelera resultados. Si hay burocracia y desorganización, también las multiplica. El verdadero reto no es tecnológico, sino organizacional”.
La declaración sintetiza uno de los principales argumentos del especialista: la inteligencia artificial puede acelerar procesos, pero no sustituye una estrategia empresarial.
El problema de los datos: solo 12% de las empresas está preparado para escalar IA
Otro de los obstáculos identificados en el estudio es la calidad de la información disponible dentro de las organizaciones.
Aunque 54% de las empresas cuenta con políticas documentadas de inteligencia artificial, solamente 12% considera que dispone de datos con la calidad suficiente para sostener una implementación a escala.
| Condición organizacional | Porcentaje |
|---|---|
| Empresas con políticas de IA documentadas | 54% |
| Organizaciones con datos de calidad suficiente para escalar IA | 12% |
| Empresas que identifican restricciones presupuestarias | 58% |
| Organizaciones que incrementaron su presupuesto de IA | 70% |
Fuente: Endeavor Data Unit, cifras difundidas por Thrust.
La diferencia entre contar con políticas y disponer de información adecuada muestra que la preparación empresarial requiere más que lineamientos formales.
Los sistemas de inteligencia artificial necesitan datos confiables, accesibles y correctamente organizados para producir resultados útiles.
Cuando la información presenta inconsistencias, duplicidades o problemas de actualización, las herramientas pueden generar análisis incompletos o recomendaciones equivocadas.
Por ejemplo, una empresa que busca automatizar sus pronósticos de ventas necesita registros históricos consistentes, criterios claros de clasificación y procesos para mantener actualizada la información.
Si estos elementos no existen, incorporar una herramienta de IA no garantiza mejores proyecciones.
La calidad de los datos también resulta importante para establecer mecanismos de supervisión y verificar los resultados producidos por los sistemas.
Para Thrust, las organizaciones deben atender estas limitaciones antes de ampliar sus inversiones tecnológicas.
¿Por qué las empresas no consiguen recuperar su inversión en IA?
El comunicado de Thrust plantea que uno de los errores más frecuentes es evaluar la adopción tecnológica a partir de la cantidad de herramientas adquiridas.
Sin embargo, el número de licencias o plataformas utilizadas no permite determinar por sí mismo si una empresa está obteniendo beneficios económicos.
La rentabilidad de una iniciativa depende de los problemas que resuelve, los costos asociados y los resultados que genera.
En términos financieros, una evaluación de proyectos de IA puede considerar indicadores como:
- Reducción de costos operativos: identificar si la automatización disminuye gastos o elimina actividades innecesarias.
- Incremento de productividad: medir cambios en el volumen de trabajo realizado y los recursos utilizados.
- Generación de ingresos: evaluar si la tecnología contribuye a mejorar ventas o desarrollar nuevas oportunidades comerciales.
- Calidad del servicio: revisar cambios en tiempos de respuesta, precisión y satisfacción de clientes.
- **Costo total de i
