Publicado: octubre 30, 2025, 4:02 pm
La promesa de la inteligencia artificial (IA) ya llegó a los directorios de las empresas mexicanas, pero su valor aún no se materializa en la contabilidad de la mayoría. El estudio Panorama de la inteligencia artificial en México y Centroamérica 2025 de KPMG revela que alrededor de la mitad de las compañías mexicanas (56%) todavía no logra identificar el valor comercial que la IA puede aportar a su negocio; en Centroamérica, el dato es 46 por ciento.
El informe muestra una madurez estratégica fragmentada. En México, 27% de las organizaciones afirma tener una estrategia de IA bien definida y alineada a los objetivos corporativos, mientras que 41% apenas cuenta con conocimiento general sobre la IA sin caso de negocio; otro 31% manifiesta interés en implementar IA, pero sin claridad de ejecución.
Te puede interesar
“Aunque el 27% dice: ‘ya tengo la estrategia’, solamente 10% dice que ya está confirmando ese valor. Todavía nos está costando trabajo confirmar el valor con métricas firmes”, dijo Félix Moreno, director de Digital Lighthouse de KPMG en México.
Durante la presentación del estudio, Moreno advirtió que si bien crece el conocimiento organizacional sobre IA, la confirmación del impacto sigue siendo esquiva. Hay pilotos, tableros y casos aislados, pero las brechas radican en atarlos a los indicadores clave de rendimiento (KPI).
“[Hay] valor confirmado en casos de uso seleccionados, pero no muy confirmados con respecto a la estrategia”, dijo.
Desde Centroamérica, Luis Rivera, socio de Asesoría de KPMG en Costa Rica, coincidió en que la estrategia existe, pero no siempre está operativizada.
“Cuando nos fijamos específicamente en la estrategia, en Centroamérica nos estamos quedando con un nivel mucho más bajo y eso levanta la bandera de oportunidad”, dijo Rivera.
Los directivos esperan aplicar la IA sobre todo para toma de decisiones basadas en datos (79% en México; 71% en Centroamérica), mejorar la experiencia del cliente (77% y 76%) y optimizar o reducir costos (70% y 78%).
Sin embargo, como advirtió Félix Moreno, aunque 27% de las empresas dice tener una estrategia de IA, solo 10% ha confirmado su valor con métricas firmes, de modo que persiste la dificultad para demostrar ese impacto.
Datos y gobierno
Mientras la automatización y la gestión de datos concentran buena parte de la adopción 73% y 68% de las empresas mexicanas, respectivamente, el andamiaje de gestión y gobierno de datos sigue inmaduro y, sobre todo, reactivo.
El cuello de botella no es la IA, sino la base de datos. Moreno explicó que muchas empresas priorizan controles posteriores, por ejemplo, verificar la calidad de los datos y ordenar la información, y dejan para después lo preventivo, como definir procesos de gobierno de datos. El resultado es que operan en modo reactivo. Se corrigen problemas una vez que aparecen en lugar de evitarlos desde el diseño.
El estudio de KPMG cuantifica ese rezago. Cuatro de cada 10 empresas en México (41%) usan datos de forma aislada por equipos, y tres de cada diez (31%) lo hacen sin principios ni procesos centrales de gestión.
Te puede interesar
“No hemos atendido apropiadamente ese desbordamiento de datos, desde que inició de manera agresiva la automatización”, dijo Rivera.
Su lectura conecta con la agenda preventiva de gobierno, seguridad y calidad que el propio documento sugiere como prerrequisito para escalar la inteligencia artificial con confianza.
En cultura organizacional, el problema de fondo es la colaboración. Félix Moreno advirtió que el trabajo en equipo es la mayor carencia y recordó que la tecnología es un medio, por lo que antes es necesario definir bien el problema que se quiere resolver.
Luis Rivera añadió que muchas compañías delegan la IA a especialistas con encargos individuales, cuando lo adecuado sería construirla de forma social y colaborativa dentro de la organización.
Operaciones y foco en back office
Si hay un terreno fértil para acelerar el valor que ofrece la IA es el back office. El estudio muestra que las empresas han empezado por lo automatizable y medible; la automatización ocupa el primer lugar de uso de IA, seguida por gestión de datos.
Moreno pidió concentrar la inteligencia artificial en el back office y alinear esos procesos antes de escalar. El objetivo es operativo: la obtención de métricas reales y comparables del beneficio de cada automatización.
“La inteligencia artificial tampoco es magia; con más reglas y discernimiento, el alcance crece, pero exige arquitectura y procesos”, dijo.
Para Luis Rivera, en México y Centroamérica las prioridades son las mismas (automatizar procesos, gestionar datos, implementar inteligencia artificial y machine learning, fortalecer la gestión de riesgos y definir el financiamiento y las inversiones) y se trata de aplicaciones de negocio, no usos recreativos. Ese enfoque permite elegir proyectos con retorno medible.
El panorama tecnológico confirma una tendencia, las empresas están combinando inteligencia artificial generativa, nube y analítica avanzada dentro de una misma arquitectura. En la presentación del estudio, Félix Moreno explicó que las organizaciones “ya están implementando herramientas y aplicaciones de IA, incluyendo inteligencia artificial generativa, muy alineadas con los grandes modelos de lenguaje”, y que deben hacerlo bajo controles y seguridad adecuados para resguardar datos y evitar el uso de versiones públicas.
El directivo añadió que la adopción de nube es esencial para aprovechar los propios datos y desarrollar modelos de IA o machine learning con información interna, mientras que los sistemas de analítica avanzada y ciberseguridad completan el entorno. En conjunto, estas capas tecnológicas crean un ecosistema interconectado, no una suma de herramientas aisladas, capaz de determinar qué soluciones funcionan realmente y cuáles no.
Lecciones
El hallazgo de que muchas compañías todavía no convierten la IA en resultados medibles deja tres lecciones prácticas. Primero, la brecha entre estrategia y métricas. Félix Moreno recordó que, aunque “27% en México ya tenemos una estrategia alineada”, “solo 10% está confirmando ese valor con métricas firmes”, de modo que el entusiasmo aún no cruza del plan a los estados financieros.
Segundo, los datos van antes que los modelos. El estudio muestra que en México 59% de las organizaciones se enfocan en comprobar la calidad de los datos y 56% en estandarizar la presentación, pero apenas 33% define procesos de gobierno y 30% aplica seguridad avanzada.
Te puede interesar
Por esta razón, advirtió Moreno, si se contrasta la limpieza de datos contra definir procesos de gobierno de datos, los porcentajes son menores. “Estamos haciendo cosas más reactivas, no tan preventivas”, dijo.
La tercera lección es sobre cultura y colaboración. Cuatro de cada 10 empresas en México (41%) usan datos de forma aislada por equipos y 31% lo hace sin procesos centrales, lo que limita el valor; por eso Luis Rivera insistió en pasar de encargos individuales a una adopción “de una manera social y colaborativa”.
El estudio sugiere pasar de controles posteriores a un diseño preventivo del gobierno de datos (adoptando marcos como DAMA/DMBOK), fortalecer la colaboración interna que “hoy está muy corta”, y escalar únicamente aquello cuyo valor esté probado con indicadores.
