América Latina concentra el 14% de las visitas globales a soluciones web de IA generativa y ocupa el tercer lugar mundial en descargas de aplicaciones de IA. Ese número convive con otro: la región capta el 1,12% de la inversión global en IA. El Índice Latinoamericano de Inteligencia Artificial 2025 — elaborado por CENIA y CEPAL — llama a esa combinación una «paradoja bastante latinoamericana». La paradoja tiene historial: la región adopta tecnologías que otros producen. Lo que la IA cambia es el costo del patrón. Las consecuencias de operar sin capacidad propia llegan antes y se revierten peor. El corte de evidencia es mayo de 2026; las fuentes son primarias — ILIA 2025, LAVCA, BID Lab y CEPAL — citadas con sus cifras exactas.
El mapa de madurez · pioneros, adoptantes y exploradores
El ILIA 2025 evalúa diecinueve países en cinco dimensiones: habilitadores, adopción, capital humano, investigación e innovación, y gobernanza. El resultado ordena tres grupos, y esa clasificación desarma la imagen de una «región» homogénea con un único problema.
| Grupo ILIA 2025 | Países | Lectura |
|---|---|---|
| Pioneros · más de 60 puntos | Chile, Brasil, Uruguay | Ecosistemas densos consolidados |
| Adoptantes | Colombia y Costa Rica entre los que más redujeron distancia | Acortan distancia con los líderes |
| Exploradores | Más de un tercio de los diecinueve países evaluados | El ciclo siguiente se define acá · acortar distancia o ampliar la brecha intra-regional |
«América Latina está atrasada en IA» es una frase demasiado gruesa para decidir nada con ella. Los cuellos de botella estructurales, en cambio, son precisos, y todos provienen del mismo índice (ILIA 2025): el 90% del supercómputo regional está concentrado en Brasil; más de la mitad de los países carece de infraestructura crítica y formación avanzada; trece de los diecinueve no generan habilidades tempranas en IA; once carecen de programas de doctorado vinculados. Brasil y México concentran el 68% de los investigadores regionales y, junto con Chile, Argentina y Colombia, reúnen alrededor del 90% de las publicaciones. Una región que aspira a IA soberana con el cómputo, el talento y la investigación viviendo en dos países tiene un problema de arquitectura antes que de adopción.
Políticas públicas · del documento al presupuesto
Entre 2023 y 2026 la región pasó de construir agendas a formalizar estrategias, y de estrategias a debatir regulación. El cambio que importa es otro: algunos países empezaron a dotar sus políticas de presupuesto, coordinación interministerial y capacidad estatal de seguimiento. El anuncio dejó de ser la noticia; la ejecución empezó a serlo.
| País | Instrumento | Estado a mayo de 2026 | Nota |
|---|---|---|---|
| Chile | Política Nacional de IA 2021-2030 · proyecto de ley basado en riesgos (2025) | 177 iniciativas coordinadas por 14 ministerios · 78% implementado o finalizado a abril de 2025 | El referente regional en coordinación efectiva |
| Brasil | Plano Brasileiro de IA 2024-2028 · PL 2338/2023 | Presupuesto público de BRL 23.000 millones · debate parlamentario activo | El caso más completo · estrategia, inversión, infraestructura y regulación en paralelo |
| Colombia | CONPES 4144 (2025) · proyecto de ley basado en riesgos | Institucionalización a ritmo inusualmente rápido | Énfasis en sesgos, privacidad y transformación laboral |
| Perú | Ley 31814 y Decreto Supremo 115-2025-PCM · ENIA 2026-2030 | Ley y reglamento en vigor | Uno de los pocos marcos operativos vigentes de la región · clasificación por riesgo, prohibiciones, transparencia, supervisión humana |
| Uruguay | Estrategia Nacional de IA 2024-2030 | Formalizada con base legal | Alineada con UNESCO, OCDE y el Convenio Marco del Consejo de Europa · coherencia jurídica por encima de su escala |
| Argentina | Mesa Interministerial sobre IA · programas sectoriales | Marco modular, sin arquitectura federal consolidada | Músculo científico reconocido |
| México | Iniciativas impulsadas desde el Senado | Ensamble institucional, sin estrategia federal integral | Capacidad de mercado, talento y demanda |
CEPAL y OCDE convergen en un diagnóstico que conviene citar sin suavizar: muchas estrategias nacionales carecen de presupuesto, seguimiento y capacidad estatal de implementación. Ocho países no registran aplicaciones de IA para consulta o co-creación de políticas públicas (CEPAL, 2025), y el uso gubernamental sigue limitado, en muchos casos, a chatbots y automatizaciones ligeras. Los documentos elegantes abundan. Los sistemas auditables, los equipos especializados y la trazabilidad ex post escasean.
Tres carriles de inversión que conviene leer juntos
La inversión en IA en la región corre por tres carriles con dinámicas distintas. Mezclarlos produce diagnósticos equivocados; leerlos juntos muestra dónde vive el déficit real.
| Carril | Cifras y fuente | Lectura |
|---|---|---|
| Venture capital | USD 4.500 millones y 751 transacciones en 2024 · USD 1.800 millones en el primer semestre de 2025, con el 54% en etapas tempranas (LAVCA, 2025). Las startups mexicanas superaron a Brasil en captación por primera vez en quince años · casi 500 startups levantaron su primera ronda en dieciocho meses | Pipeline saludable. El escalamiento profundo exige otra escala de capital |
| Inversión pública | Brasil · BRL 23.000 millones para 2024-2028 · Argentina · convocatorias de I+D+i abiertas en 2026 · resto · cifras por confirmar o sin especificar públicamente | El carril donde más estrategias carecen de presupuesto |
| Hyperscalers | Microsoft · BRL 14.700 millones en nube e IA en Brasil en tres años y USD 1.300 millones en México · AWS · nueva región en Chile para fines de 2026 | El cómputo de base del que depende cualquier discusión de IA soberana |
El denominador común de los tres carriles es la misma brecha. El 1,12% de inversión frente al 14% de uso (ILIA 2025). El capital global financia la adopción regional por debajo de su proporción de uso, y esa distancia se cierra con infraestructura, I+D y compra pública deliberada — una escala que el venture capital por sí solo no alcanza. Sin capacidad computacional propia o accesible a costo competitivo, todos los planes dependen de infraestructura que otro controla.
Talento · dos formaciones con resultados muy distintos
El ILIA 2025 distingue dos tendencias simultáneas en el capital humano regional. La distinción es operativa para cualquier organización con IA en producción: dice qué perfil abunda y qué perfil va a costar retener.
| Indicador | Dato | Fuente |
|---|---|---|
| Alfabetización en herramientas de IA | En crecimiento sostenido · más usuarios, automatizaciones ligeras, fluidez creciente | ILIA 2025 |
| Especialización avanzada | Brecha con el promedio mundial ampliada desde 2022, por pérdida acelerada de especialistas | ILIA 2025 |
| Startups que usan IA generativa | 85% | BID Lab, 2025 |
| Startups que usan tecnologías predictivas | 75% | BID Lab, 2025 |
| Startups que consideran que las soluciones disponibles se adaptan plenamente a sus necesidades locales | 12% | BID Lab, 2025 |
El gap vive en la especialización. La adopción ya ocurrió
La región produce usuarios de herramientas de IA a buen ritmo y produce pocos profesionales capaces de auditar modelos, evaluar sesgos sistemáticos, diseñar gobernanza técnica real o sostener investigación de frontera. Para quien opera sistemas de IA en producción, la consecuencia es directa: el talento que puede verificar que los modelos hacen lo que dicen hacer — con rigor técnico independiente, con la verificación delegada al proveedor como excepción y no como regla — es el recurso más escaso y el más difícil de retener en la región.
Impacto laboral. El error de asumirlo simétrico
El BID advierte que los modelos de IA generativa pueden elevar productividad y, al mismo tiempo, exacerbar desigualdades. El mecanismo es conocido: quienes ya trabajan en tareas cognitivas, digitales y mejor remuneradas capturan primero los beneficios de la automatización asistida. La evidencia histórica regional sirve de espejo. La introducción de robots en Estados Unidos afectó negativamente el empleo y los salarios en Colombia y Brasil en períodos previos, mientras el empleo en México aumentó por su inserción en cadenas productivas norteamericanas (CEPAL, 2025). El impacto laboral de la IA depende de la estructura productiva del país y de su posición en la cadena de valor global, además de la tecnología. Es un parámetro de diseño, y gobiernos y empresas tienen que incorporarlo al análisis desde el principio.
El ciclo 2026-2030 se juega en la ejecución
La región tiene estrategias. Lo que escasea es lo que las vuelve verificables: ejecución presupuestada, infraestructura computacional compartida, datos abiertos de calidad, compras públicas que creen demanda temprana para soluciones locales, formación de talento intermedio y avanzado a escala, y reglas basadas en riesgo con auditoría real, trazabilidad y supervisión humana efectiva. Ninguna de esas piezas se resuelve con un documento.
La región consume, integra y adapta rápido · invierte, regula y forma lento. La masa crítica que falta se construye, y el ciclo 2026-2030 va a mostrar quién la construyó.