¿Sabías que en América Latina una empresa grande tiene cuatro veces más probabilidades de usar IA que una pequeña?
El 20 de octubre de 2026, la CEPAL y el CENIA (Centro Nacional de Inteligencia Artificial de Chile) presentaron la cuarta edición del Índice Latinoamericano de Inteligencia Artificial (ILIA). Es una especie de chequeo médico regional: evalúa a 20 países de América Latina y el Caribe con 126 indicadores, agrupados en tres dimensiones.
La primera son los factores habilitantes: infraestructura, datos y talento, es decir, lo que hace falta antes de empezar. La segunda es investigación, desarrollo y adopción: qué se investiga, qué se crea y cuánto se usa. La tercera es la gobernanza: estrategias, instituciones y reglas. Por primera vez, el índice también se compara con cinco países de fuera de la región: Alemania, España, Estonia, Portugal y Singapur.
Dónde queda Argentina
El índice ordena a los países en tres grupos. Los pioneros, con más de 60 puntos sobre 100, son Chile (71,4), Brasil (68,4) y Uruguay (67,0). Le sigue el grupo de los adoptantes, entre 35 y 60 puntos, que encabezan Colombia (56,8), Costa Rica (56,0) y Argentina, con 55,6: sexta en la región. El tercer grupo, los exploradores, reúne a siete países con ecosistemas en etapas iniciales.
Una advertencia antes de sacar conclusiones: el índice suma y ajusta indicadores en cada edición, así que un cambio de puesto respecto del año anterior no alcanza para hablar de una tendencia. Lo que sí muestra con claridad es el lugar de cada país hoy, y dónde están sus puntos débiles. Por ejemplo, según La Tercera, en talento humano ningún país latinoamericano alcanza un desempeño alto.
La brecha que más importa: el tamaño de la empresa
El hallazgo que más nos interesa está en el capítulo sobre empresas. Según el ILIA, en la región usa IA el 27,6% de las grandes empresas, el 12,8% de las medianas y apenas el 6,8% de las pequeñas. En los cinco países de comparación, las cifras son 66%, 41% y 24%.
El informe lo resume así: la región enfrenta «una doble brecha: adopta menos IA en todos los tamaños de empresa y la distancia se profundiza entre las más pequeñas», que además son la mayor parte de su tejido productivo. Dicho de otra forma: la IA está entrando por la puerta de las grandes compañías y se queda en el umbral de las pymes, que son la mayoría de las empresas.
Dos aclaraciones para leer bien estos números. Son promedios regionales, no datos de Argentina. Y el resumen publicado no detalla de qué encuestas salen; para el desglose fino habrá que esperar a revisar el informe completo.
Una pregunta que la CEPAL ya se hacía en 1949
Que la CEPAL mida esta brecha tiene historia. En 1949, con el economista argentino Raúl Prebisch, la institución empezó a formular lo que se conoció como estructuralismo latinoamericano. Como explica la investigadora Noelia Gurmendi en un artículo de la revista Trabajo y Sociedad (Universidad Nacional de Santiago del Estero, 2019), una de sus ideas fundacionales era la lenta difusión del progreso técnico en la periferia: la técnica se generaba en los países industriales, los centros, y llegaba tarde y de forma parcial al resto.
La IA no es el ferrocarril ni la máquina textil, y sería un error decir que la historia se repite. Pero la pregunta de fondo, quién genera la técnica y quién apenas la incorpora, vuelve a aparecer. El ILIA muestra, por ejemplo, que Brasil concentra cerca del 87,7% de las GPU de la región (los procesadores con los que se entrenan y ejecutan los modelos de IA), y que los países de comparación tienen unas 29 veces más GPU por millón de habitantes.
La respuesta del informe no es pedir autosuficiencia: sostiene que «la soberanía en inteligencia artificial no necesariamente supone alcanzar la autosuficiencia tecnológica», sino tener capacidad de decidir. En la misma línea, José Manuel Salazar, secretario ejecutivo de la CEPAL, planteó que «la pregunta no es simplemente cómo adoptar la IA, sino cómo utilizarla estratégicamente».
Qué puede hacer una pyme, empezando esta semana
Esa pregunta vale también para cada empresa. No hace falta un centro de datos propio para dar el primer paso; hace falta método. Te proponemos este recorrido:
- Empezá por un problema, no por la herramienta. Elegí una tarea repetitiva que hoy consuma horas: responder consultas frecuentes, clasificar comprobantes, resumir reuniones.
- Ordená los datos que esa tarea necesita. Planillas con nombres consistentes, documentos en un solo lugar. Sin datos ordenados, la IA solo se equivoca más rápido.
- Usá servicios en la nube antes que infraestructura propia. Probar con una herramienta existente cuesta poco y se puede abandonar sin pérdida.
- Medí antes y después. Cuánto tiempo llevaba la tarea y cuánto lleva ahora, y cuántos errores hubo que corregir.
- Formá al equipo y mantené una revisión humana. La herramienta propone; alguien que entiende el negocio decide.
- Cuidá los datos de tus clientes. Antes de cargar información personal en un servicio, revisá qué hace con ella.
Ninguno de estos pasos requiere estar en el 27,6% de las grandes empresas. Requieren algo más modesto y más difícil: decidir con criterio qué problema vale la pena resolver primero.