Brasil y México se han convertido en dos de los principales mercados latinoamericanos para el uso de inteligencia artificial, con una penetración reportada del 76 % y el 70 % entre sus usuarios digitales, respectivamente. El dato, presentado durante el coloquio “¿El Leviatán artificial? IA en el mundo hispanoamericano”, celebrado bajo el auspicio de El Colegio de México y El Colegio Nacional, confirma que la región dejó atrás la etapa de curiosidad tecnológica: la IA ya forma parte de las rutinas de trabajo, estudio, búsqueda de información y relación con las instituciones.
La cifra adquiere mayor relevancia cuando se compara con el peso demográfico y digital de América Latina y el Caribe. Según datos citados de la Comisión Económica para América Latina y el Caribe (Cepal), la región concentra el 14 % de las visitas mundiales a soluciones de inteligencia artificial, aunque reúne alrededor del 11 % de los usuarios de internet del planeta. La diferencia sugiere una intensidad de uso superior a la que correspondería por su tamaño, pero también obliga a leer el fenómeno con cautela: visitar una herramienta de IA no equivale necesariamente a utilizarla de manera productiva, segura o sostenida.
El dato de adopción oculta una transformación más profunda
El primer punto que merece atención es que los porcentajes de Brasil y México no describen únicamente la popularidad de una aplicación. Reflejan la incorporación de sistemas generativos y automatizados a actividades que antes dependían exclusivamente de personas, desde la redacción de documentos y la atención al cliente hasta la traducción, el análisis de datos y la gestión de trámites. La velocidad de expansión modifica las expectativas de empresas, gobiernos, universidades y trabajadores incluso cuando las organizaciones todavía no han definido políticas claras de uso.
La presidenta de El Colegio de México, Ana Covarrubias, señaló que la IA “permea gran parte” de las actividades cotidianas y que su incidencia en el trabajo académico resulta innegable. Su advertencia apunta a una característica decisiva del actual ciclo tecnológico: la adopción ocurre de abajo hacia arriba. Empleados, estudiantes y funcionarios pueden comenzar a utilizar herramientas de IA antes de que sus instituciones hayan establecido protocolos, evaluaciones de riesgo o mecanismos de supervisión. En ese escenario, la innovación no espera a la autorización formal.
Mi primera conclusión es que América Latina enfrenta una paradoja de adopción temprana y gobernanza tardía. El uso intenso puede ofrecer ventajas competitivas a economías que necesitan elevar su productividad sin realizar inversiones equivalentes en todos sus procesos. Sin embargo, cuanto más rápidamente se integran estas herramientas, mayor es la posibilidad de que los costos aparezcan antes de que existan capacidades para medirlos. La región puede convertirse en un gran laboratorio de IA, pero sin garantías de que sus ciudadanos participen en igualdad de condiciones o conozcan las reglas del experimento.
Brasil y México no parten del mismo punto
Agrupar a Brasil y México como líderes regionales resulta útil para identificar una tendencia, pero puede ocultar diferencias importantes. Brasil cuenta con una escala poblacional y empresarial que favorece la experimentación, el desarrollo de servicios digitales y la creación de grandes volúmenes de datos. México, por su parte, mantiene vínculos productivos estrechos con Estados Unidos y participa en cadenas industriales donde la automatización, la logística y el análisis predictivo pueden convertirse en factores de competitividad.
Esas condiciones no significan que ambos países tengan resueltos los requisitos básicos para una adopción responsable. La disponibilidad de usuarios no garantiza infraestructura suficiente, calidad de datos, especialistas, capacidad de cómputo ni protección efectiva de la información personal. Tampoco asegura que las pequeñas y medianas empresas puedan acceder a la misma tecnología que las grandes compañías. En muchos casos, la adopción puede limitarse al consumo de plataformas extranjeras, mientras el valor económico, el control de los datos y el conocimiento técnico permanecen fuera de la región.
La segunda conclusión es que el liderazgo medido por uso puede coexistir con una posición débil en la cadena de valor. Un país puede registrar millones de interacciones con asistentes generativos y, al mismo tiempo, depender de proveedores externos para los modelos, la infraestructura y las reglas de operación. Esa dependencia introduce vulnerabilidades económicas y estratégicas. Si cambian los precios, las condiciones de acceso o las políticas de las plataformas, empresas y organismos públicos latinoamericanos podrían quedar expuestos a decisiones tomadas en otros mercados.
Para la industria, el efecto inmediato es una presión creciente por incorporar IA en productos y procesos. Las compañías que no experimenten pueden perder eficiencia frente a competidores que automaticen tareas repetitivas o personalicen mejor sus servicios. Pero la adopción apresurada también puede generar una competencia basada en promesas publicitarias difíciles de verificar. La pregunta relevante ya no es si una empresa utiliza IA, sino para qué la utiliza, con qué datos, bajo qué controles y quién responde cuando el sistema falla.
La productividad puede aumentar, pero la responsabilidad no puede diluirse
Fernando Nieto Morales resumió el dilema institucional al afirmar que México ya no debe preguntarse si está preparado para adoptar la IA, sino cómo enfrentará una transformación que ya está ocurriendo. El académico puso el acento en la distancia entre el avance tecnológico y la capacidad de las instituciones para regularlo. Esa brecha es especialmente delicada en servicios públicos, donde un chatbot puede responder consultas o acelerar trámites, pero también influir en decisiones que afectan derechos, ayudas sociales, acceso a servicios o relaciones con la administración.
La automatización suele presentarse como un mecanismo para reducir tiempos y costos. En principio, una herramienta que clasifica solicitudes, detecta patrones o responde preguntas frecuentes puede liberar a los funcionarios de tareas mecánicas. El problema aparece cuando la eficiencia se convierte en el único criterio de evaluación. Un sistema puede ser rápido y, al mismo tiempo, reproducir sesgos, rechazar casos excepcionales o entregar respuestas incompletas sin que el ciudadano tenga una vía clara para impugnar el resultado.
La cadena de responsabilidad debe mantenerse visible. Si una persona recibe una decisión generada por un algoritmo, necesita saber qué institución la emitió, qué información fue utilizada y cómo puede solicitar una revisión humana. De lo contrario, la automatización crea una zona de opacidad en la que el funcionario puede atribuir el error al sistema y el proveedor tecnológico puede alegar que no controla el uso final. La innovación administrativa solo es legítima cuando conserva mecanismos de explicación, apelación y corrección.
Este es el tercer hallazgo central: el riesgo más inmediato no está necesariamente en que las máquinas sustituyan a los trabajadores, sino en que las organizaciones utilicen la IA para redistribuir responsabilidades sin modificar sus estructuras de control. La pérdida de un empleo es visible y debatible; una decisión injusta presentada como resultado técnico puede ser más difícil de detectar. Esa asimetría favorece a quienes diseñan y administran los sistemas, no a quienes deben aceptar sus consecuencias.
Universidades, empresas y ciudadanos observan riesgos distintos
Las instituciones educativas se encuentran en una posición especialmente compleja. Por un lado, la IA puede ampliar el acceso a materiales, apoyar la investigación, acelerar la revisión de textos y ayudar a estudiantes con necesidades específicas. Por otro, plantea dudas sobre la autoría, la originalidad y la evaluación del aprendizaje. Prohibirla por completo resulta poco realista cuando ya está integrada en las herramientas digitales habituales; permitirla sin criterios también es insuficiente, porque podría premiar la delegación de tareas en lugar de la comprensión.
La discusión universitaria no debería reducirse a detectar si un texto fue generado por una máquina. Los sistemas de detección pueden equivocarse y afectar de forma desproporcionada a estudiantes que escriben en una segunda lengua o que utilizan estructuras lingüísticas menos convencionales. El desafío consiste en rediseñar las evaluaciones para valorar procesos, fuentes, argumentación y capacidad de revisión. En ese modelo, la IA puede ser objeto de análisis y herramienta de trabajo, pero no una sustituta del razonamiento que la institución pretende formar.
Las empresas tienen incentivos diferentes. Buscan reducir costos, responder con mayor rapidez y aprovechar datos que ya poseen. Sin embargo, una estrategia basada en modelos generativos puede aumentar la exposición a filtraciones de información, errores factuales y conflictos de propiedad intelectual. Un trabajador que introduce contratos, expedientes médicos o bases de clientes en una plataforma sin autorización puede comprometer activos críticos en segundos. La capacitación no puede limitarse a enseñar comandos; debe incluir clasificación de datos, límites de uso y procedimientos ante incidentes.
Para los ciudadanos, la preocupación se concentra en la privacidad, la desinformación y la vigilancia. Covarrubias advirtió sobre los sesgos algorítmicos, la manipulación de la opinión pública y la pérdida de confianza. En sociedades polarizadas, la generación barata de contenidos sintéticos puede multiplicar campañas coordinadas, perfiles falsos y materiales audiovisuales engañosos. No se necesita que todo el contenido sea falso para alterar el debate: basta con saturar el entorno informativo hasta hacer más costosa la verificación de cualquier afirmación.
Tres modelos regulatorios y una decisión pendiente
Nieto Morales describió tres aproximaciones internacionales. China ha optado por una intervención estatal fuerte; Estados Unidos ha dejado mayor espacio a las empresas y a la autorregulación; Europa ha avanzado mediante reglas y estándares específicos. Ninguno de estos modelos puede trasladarse de manera automática a América Latina. La región tiene capacidades administrativas desiguales, mercados digitales concentrados y una fuerte dependencia de plataformas extranjeras. Copiar una norma sin contar con instituciones capaces de aplicarla produciría una regulación formal, pero poco efectiva.
La alternativa más viable parece ser una regulación gradual basada en niveles de riesgo. Las aplicaciones destinadas a entretenimiento o asistencia básica no requieren la misma supervisión que las utilizadas para contratar personal, conceder créditos, asignar beneficios públicos o influir en decisiones judiciales. En los usos de alto impacto deberían exigirse evaluaciones independientes, trazabilidad de datos, auditorías periódicas, información comprensible para los afectados y responsabilidad legal claramente asignada.
También sería necesario fortalecer las autoridades de protección de datos, competencia económica y defensa del consumidor. La concentración de modelos y servicios en pocas empresas puede limitar la capacidad de negociación de los gobiernos y encarecer la innovación local. Una política pública sensata debería combinar protección de derechos con inversión en infraestructura, formación técnica y apoyo a investigadores regionales. Regular sin desarrollar capacidades dejaría a América Latina en el papel de consumidora vigilada; innovar sin regular la convertiría en un mercado de pruebas con costos sociales difíciles de revertir.
El próximo conflicto será por la confianza
Javier Echeverría Ezponda planteó que ChatGPT y herramientas similares forman parte de una transformación más amplia que afecta la relación con el conocimiento, el trabajo y el entorno digital. Esa perspectiva permite mirar más allá de las aplicaciones actuales. Los sistemas de IA no solo automatizan tareas: modifican qué información se considera confiable, qué habilidades reciben valor económico y qué decisiones se delegan a plataformas.
En los próximos años, la ventaja competitiva no dependerá únicamente de quién tenga acceso a un modelo avanzado. Será decisiva la capacidad de integrar esas herramientas en procesos verificables, con datos de calidad y trabajadores preparados para supervisar sus resultados. Las compañías que incorporen IA sin rediseñar sus controles pueden obtener beneficios iniciales, pero acumular riesgos regulatorios y reputacionales. Las que desarrollen criterios de uso, documentación y revisión humana tendrán más posibilidades de sostener la productividad cuando los errores sean costosos.
La región también deberá afrontar una brecha interna. Los usuarios urbanos con conectividad estable, educación digital y empleos formales podrán aprovechar mejor la IA que quienes enfrentan internet limitado, bajos ingresos o escasa alfabetización tecnológica. Si las instituciones trasladan servicios esenciales a canales automatizados sin alternativas accesibles, la digitalización puede profundizar desigualdades preexistentes. El indicador de uso nacional, por sí solo, no revela quién se beneficia, quién queda excluido ni quién asume los riesgos.
La expansión registrada en Brasil y México confirma que la discusión sobre la inteligencia artificial dejó de ser futurista. El reto consiste en convertir una adopción veloz en una transformación gobernada por reglas públicas, capacidades técnicas y responsabilidades identificables. La advertencia de los especialistas llega en un momento decisivo: cuando la tecnología ya está dentro de las aulas, las oficinas y los servicios, esperar a que aparezca una regulación perfecta puede significar aceptar que las decisiones más importantes ya fueron tomadas por defecto.
