IA en México: alto potencial, impacto aún limitado por talento y datos Infochannel
La IA ya está demostrando su capacidad para optimizar operaciones y mejorar la productividad; sin embargo, su contribución estratégica —particularmente en ingresos y mitigación de riesgos— aún tiene margen de crecimiento.
La inteligencia artificial (IA) avanza en las grandes empresas en México, pero su impacto en el negocio aún no alcanza su máximo potencial. Así lo revela un sondeo realizado por Select entre 50 miembros del Consejo de Innovación Digital —integrado por CXOs de sectores como finanzas, industria, retail, telecomunicaciones y logística— durante el cierre de 2025.
De acuerdo con el análisis presentado por Ricardo Zermeño González, presidente de Select, el estado actual de la IA en el país está marcado por una clara polarización: mientras un grupo significativo de empresas ya obtiene beneficios tangibles, otro segmento similar aún no logra traducir la tecnología en valor real.
Un mercado dividido: entre alto impacto y baja contribución
Los resultados muestran un comportamiento contrastante. El 44% de los encuestados reporta un alto impacto de la IA en el negocio (calificaciones de 8 a 10), mientras que un 42% percibe una baja contribución (entre 1 y 5). Apenas un 14% se ubica en un punto intermedio.
Este patrón confirma que la adopción de IA en México no es homogénea: existen organizaciones que han logrado integrar la tecnología en procesos clave, mientras otras permanecen en etapas tempranas o experimentales.
Eficiencia sí, ingresos y riesgo aún en construcción
Al analizar el impacto desde las tres rutas de valor empresarial —ingresos, eficiencia y riesgos—, los datos revelan una tendencia clara:
- 50% de los directivos identifica un alto impacto en agilidad y eficiencia
- 45% en generación de ingresos
- 34% en gestión de riesgos
En palabras de Zermeño, la IA ya está demostrando su capacidad para optimizar operaciones y mejorar la productividad; sin embargo, su contribución estratégica —particularmente en ingresos y mitigación de riesgos— aún tiene margen de crecimiento.
Casos de uso: lo que sí funciona
El estudio también evaluó el impacto de siete aplicaciones concretas de IA. Los resultados destacan tres categorías con mayor madurez:
- Análisis de datos
- Análisis predictivo
- Automatización
En estos casos, al menos la mitad de los encuestados asignó calificaciones altas, impulsadas por la adopción de herramientas generativas y la automatización de procesos previamente manuales.
En contraste, áreas como marketing y monitoreo de personal registran menor impacto, lo que sugiere retos en implementación, medición de resultados o alineación con objetivos de negocio.
El verdadero cuello de botella: talento y datos
Más allá de los casos de uso, el estudio identifica las barreras estructurales que limitan la escalabilidad de la IA en las organizaciones.
La principal es la brecha de habilidades: la falta de personal capacitado se posiciona como el obstáculo más crítico para capturar valor.
Le siguen dos problemas relacionados con la gestión de información:
- Silos de datos (información fragmentada entre áreas)
- Mala calidad de datos (incompletos, inconsistentes o sesgados)
A estos factores se suman desafíos organizacionales:
- Falta de una estrategia clara de IA, con objetivos e indicadores definidos
- Resistencia al cambio y debilidades en la gestión organizacional
Este conjunto de barreras evidencia que el reto no es tecnológico, sino estructural.
Una oportunidad abierta para el ecosistema tecnológico
Las conclusiones del análisis son contundentes: la IA ya genera valor, pero su impacto sigue siendo parcial. La eficiencia operativa es el terreno más avanzado, mientras que la monetización y la gestión estratégica del riesgo aún están en desarrollo.
Para Zermeño, el siguiente paso no pasa por adoptar más herramientas, sino por construir capacidades internas, integrar datos y alinear la IA con la estrategia del negocio.
En este contexto, se abre una oportunidad relevante para integradores, consultores y proveedores tecnológicos: ayudar a las empresas a cerrar la brecha entre experimentación y escalabilidad.
Porque en México, la inteligencia artificial ya no es una promesa. Pero tampoco es, todavía, un motor plenamente explotado.
