Hoy en día, hablar de la adopción de inteligencia artificial (IA) en México se ha vuelto relativamente sencillo. Hay encuestas, porcentajes, proyecciones y ejemplos que apuntan en la misma dirección: cada vez más empresas utilizan IA, más trabajadores tienen acceso a ella y más proveedores incorporan funciones inteligentes a sus aplicaciones.
ChatGPT dejó de ser una curiosidad. Copilot, Gemini y otras herramientas ya forman parte del entorno cotidiano y de trabajo de muchos profesionales, mientras que sistemas empresariales de ERP, CRM, analítica, recursos humanos o manufactura incluyen cada vez más capacidades de IA en sus capacidades funcionales.
Por supuesto, todo eso es cierto, y es positivo. El problema surge cuando llamamos “adopción” a todo lo anterior. Una organización puede tener cientos de empleados utilizando IA generativa y, al mismo tiempo, carecer de una estrategia de IA, de políticas claras para su uso, de datos preparados para alimentarla o incluso, de una forma razonable de medir si está generando valor.
Entonces, para entender el estado real de la IA empresarial en México y si realmente está generando valor, conviene entender la diferencia entre su uso y su adopción efectiva en el ámbito empresarial.
Últimos días para ser parte del estudio: Panorama del Mercado de Software de Gestión en México
El problema con las cifras de adopción
Diferentes estudios confirman que México participa activamente en la expansión de la inteligencia artificial. Sin embargo, también muestran lo difícil que resulta establecer una sola cifra que describa su nivel de adopción real. La razón es bastante sencilla: no todos los estudios miden lo mismo.
Algunas encuestas preguntan si una empresa utiliza inteligencia artificial, mientras que otras miden si ha implementado IA en alguna función específica. Algunas incluyen machine learning (ML), analítica predictiva y automatización inteligente; y otras se concentran principalmente en IA generativa. Y, por supuesto, también existen estudios que mezclan proyectos piloto con sistemas ya en producción.
Y para colmo, tenemos al usuario…
Si un empleado utiliza ChatGPT para resumir o redactar un documento, ¿eso significa que su empresa ya adoptó la IA? ¿Qué pasa si una organización activa una funcionalidad de IA incluida en su software de productividad? ¿O si lleva cinco años utilizando un algoritmo de machine learning (ML) para detección de fraude, pero todavía no ha desarrollado una estrategia corporativa de inteligencia artificial?
La mayoría de los estudios podrían responder afirmativamente a una encuesta sobre adopción, pero la realidad es mucho más compleja.
En este sentido, el AI Index Report 2026 de la universidad de Stanford ayuda a poner el problema en perspectiva. A escala internacional, el uso empresarial de la IA continúa incrementándose, pero la integración real en las empresas sigue siendo muy desigual, ya que cuando se observa el ciclo de implementación, las grandes organizaciones o corporaciones son las que con mayor frecuencia logran llevar sus programas de IA hasta una fase de escalamiento.
Este patrón es importante para México, ya que su estructura empresarial está dominada numéricamente por las pequeñas y medianas empresas (pymes).
Algo similar ocurre con la IA agéntica: se habla mucho sobre los agentes de IA, pero el mismo informe muestra que su difusión empresarial todavía se encuentra en una etapa temprana. En casi todas las funciones empresariales analizadas, la mayoría de las organizaciones todavía no reportaba el uso de agentes y las implementaciones a gran escala permanecían en un solo dígito o en la parte baja de los dos dígitos.
El mansaje parece claro: la tasa de adopción por sí sola dice relativamente poco sobre la madurez en la implementación de la IA dentro de una empresa.
Mucho “uso”, madurez desigual
Hace unos años, adoptar inteligencia artificial significaba contratar científicos de datos, preparar infraestructura, recopilar grandes cantidades de información y desarrollar modelos.
Hoy basta una tarjeta de crédito, una suscripción SaaS (Software as a Service) o incluso una cuenta gratuita para comenzar. Por supuesto, esto es una gran ventaja, pero también distorsiona nuestra percepción de madurez.
La democratización de la IA ha reducido la barrera de entrada, pero no necesariamente la de integración y transformación. Comprar Copilot es sencillo, pero rediseñar un proceso empresarial en torno a la IA no lo es tanto.
Cuando una empresa intenta pasar del uso individual a la integración institucional, reaparecen viejos problemas ya conocidos: datos fragmentados, aplicaciones heredadas, información de mala calidad, sistemas que no se comunican entre sí, así como falta de talento humano, seguridad, privacidad, gobernanza y la dificultad para justificar inversiones cuyo retorno todavía no está claro.
A todo esto, hay que agregar algo más allá de la tecnología: la organización misma. Hay que plantearse preguntas como: ¿quién es responsable de la IA?, ¿de los datos?, ¿existe un comité?, ¿quién autoriza los casos de uso?, ¿quién responde cuando el modelo se equivoca?, ¿cómo se mide la productividad?, ¿se está automatizando una tarea porque genera valor o simplemente porque ahora es posible automatizarla? Todas estas son preguntas fundamentales que necesitan respuesta para definir el nivel real de adopción dentro de una organización.
Por ello, la gobernanza también muestra esta diferencia entre adopción y madurez. El AI Index 2026 sitúa la madurez media de las prácticas de IA responsable en América Latina en 2.2 sobre una escala de cuatro niveles. Por supuesto, esto significa una mejora considerable frente al 1.8 del año anterior, pero un nivel de 2.2 significa precisamente que las prácticas se están integrando, no que estén plenamente operativas.
Esto describe con bastante claridad el momento actual en México: un movimiento rápido y una madurez todavía en construcción.
México: ¿una economía de IA de dos velocidades?
En este sentido, los datos anteriores permiten establecer algo que es relevante para el caso de México: que no todas las empresas llegan a esta transición desde el mismo punto.
Por ejemplo, una gran corporación puede contar con plataformas modernas de datos, infraestructura en la nube, acuerdos con proveedores tecnológicos globales, equipos especializados, consultores y presupuesto para experimentar, puede probar diez proyectos, descartar ocho y escalar dos.
Sin embargo, una pyme difícilmente puede darse ese lujo. Para muchas pequeñas y medianas empresas mexicanas, la puerta de entrada suele ser diferente. No van a desarrollar modelos propios ni van a construir grandes plataformas de datos. Probablemente adoptarán la IA porque vendrá incorporada en el software que ya utilizan: sistemas administrativos, CRM, comercio electrónico, herramientas de productividad, contabilidad, marketing o servicio de atención al cliente.
Eso no significa que estén condenadas a quedarse atrás. De hecho, la IA generativa podría permitirles acceder a capacidades que antes solo estaban al alcance de organizaciones mucho más grandes, pero sí cambia la naturaleza de la adopción.
Mientras la gran empresa puede tener mayor capacidad para decidir cómo implementar, integrar y gobernar su IA, la pyme dependerá mucho más de lo que su proveedor tecnológico decida ofrecerle.
Esto podría generar una economía empresarial de IA de dos velocidades, no necesariamente entre quienes tienen IA y quienes no, sino entre quienes pueden controlar y transformar su uso, y quienes consumen principalmente capacidades diseñadas por terceros.
Una cosa es pedirle a un modelo que redacte un correo, y otra muy distinta es permitirle participar en la toma de decisiones de inventario, los pronósticos financieros, la planeación de la producción, el mantenimiento industrial, la evaluación de crédito, la contratación de personal o de proveedores, la logística o el servicio de atención al cliente.
Entonces, la verdadera prueba comienza cuando la IA deja de existir en una ventana de chat y entra en los procesos empresariales.
México no necesita presumir de más pilotos
En resumen, es de esperar que durante los próximos años veamos cifras cada vez mayores de adopción de IA en México; es prácticamente inevitable.
La inteligencia artificial se incorporará a más aplicaciones empresariales, dispositivos y servicios, muchas veces sin que el usuario tenga que decidir explícitamente “adoptarla”. Por lo tanto, el porcentaje subirá. Sin embargo, tal vez esa ya no debería ser nuestra medida principal de progreso. Una adopción madura de IA en el ámbito empresarial debería reflejarse de otra manera: en productividad, menores costos, mejores decisiones, procesos más rápidos, nuevos productos, mayor capacidad de innovación y, eventualmente, en mayor competitividad.
México no necesita menos experimentación. Por supuesto, la experimentación sigue siendo necesaria, pero lo que más necesita es que una proporción mayor de esos experimentos o proyectos piloto cruce la frontera hacia la integración, el escalamiento y los resultados medibles. Ahí está el cambio que vale la pena observar, porque si dentro de cinco años descubrimos que el 80 o el 90 % de las empresas mexicanas “utilizan inteligencia artificial”, seguramente habrá una encuesta que lo celebre.
Pero, si para entonces, la productividad, la innovación y la competitividad apenas han cambiao, tendremos que hacernos una pregunta muy incómoda: ¿en verdad hemos adoptado la inteligencia artificial o simplemente hemos aprendido a usarla en la sombra?
