Adopción de IA en LATAM: tres frenos reales

Cuando se habla de adopción de IA en Latinoamérica en conferencias y reportes globales, la conversación se vuelve abstracta rápido. Se mide brecha porcentual con Estados Unidos o Europa, se invocan rankings, se concluye que “hay que invertir más”. Esa conversación no es falsa, pero es inútil para una empresa argentina o regional concreta. Lo que sí importa, y lo que se discute mucho menos, son los tres frenos operativos que hacen que la adopción enterprise de IA en LATAM no avance a la velocidad de otros mercados, y qué se puede hacer concretamente con cada uno. Esta nota es esa conversación más concreta.

Los tres frenos no son lo que se dice en conferencias

Si uno escucha el discurso público sobre adopción de IA en LATAM, los frenos que se nombran son educación, cultura de innovación, marco regulatorio, infraestructura. Son temas reales pero abstractos. En la conversación de oficina, cuando un gerente argentino o brasileño decide no avanzar con un proyecto de IA, los motivos son más concretos. Tres motivos, repetidos hasta el cansancio.

Primero: el costo en moneda fuerte. Segundo: la dificultad de conseguir talento técnico con experiencia real. Tercero: la incertidumbre sobre qué va a exigir la regulación cuando termine de formarse. Estos tres frenos no son culturales: son materiales. Y tienen mitigaciones concretas que se pueden discutir.

Presupuesto en USD: el problema real

El problema número uno para una empresa argentina (y para muchas brasileñas, mexicanas y chilenas también) es que cualquier proyecto serio de IA termina presupuestado en dólares. Las API están en dólares. La infraestructura cloud está en dólares. El talento técnico senior está referenciado en dólares por la posibilidad de remote work hacia el exterior. Las suscripciones a herramientas profesionales (anotación, MLOps, observabilidad) están en dólares.

Para empresas que facturan en pesos, eso es un problema de tres capas. Primera capa: el precio absoluto. Un proyecto que en términos de horas y complejidad podría costar el equivalente a USD 30.000 en otro contexto, cuesta USD 30.000 también en Argentina. No hay descuento por geografía. Segunda capa: la volatilidad. Un proyecto cotizado en dólares y pagado en pesos a tres meses puede tener variación de 20% o más en términos reales según cómo se mueva el tipo de cambio. Tercera capa: la planificación. Es casi imposible aprobar un presupuesto multi-anual de IA en pesos sin cláusulas de ajuste que terminan en negociación constante.

Mitigaciones concretas. Una: priorizar proyectos con retorno medible a 12 meses, no a 36. Eso reduce exposición temporal al riesgo cambiario. Dos: estructurar contratos con proveedores en hitos pagaderos en pesos contra entregables específicos, no en cuotas mensuales fijas a tasa de cambio fluctuante. Tres: cuando sea posible, elegir herramientas open-source o auto-hospedadas en lugar de SaaS para los componentes pesados, sacrificando algo de funcionalidad pero ganando control sobre costos. Cuatro: usar proveedores regionales (argentinos, brasileños) que cobren en pesos, reservando los componentes en dólares solo para lo verdaderamente diferenciador. Esa partición permite achicar la exposición.

Para benchmarks concretos de costos en proyectos típicos, cuánto cuesta implementar IA en una PyME argentina tiene los rangos por tipo de proyecto.

Talento técnico: dónde están los gaps

El segundo freno es el talento técnico. No es que falte: es que el talento bueno está cotizado por el mercado global y la empresa local compite contra ese benchmark. Veamos los gaps concretos.

Gap uno: senior con experiencia productiva real. Una cosa es saber armar un modelo en un notebook de Jupyter; otra cosa muy distinta es haber operado sistemas de IA en producción con tráfico real, debugueado deriva, escalado infraestructura, lidiado con incidentes. Ese perfil es escaso. Cuando aparece, se va al mercado global por remote work, y la empresa local lo pierde. Las empresas grandes lo retienen con paquetes que matchean ofertas extranjeras. Las PyME no pueden, y se quedan con perfiles más junior.

Gap dos: especialización regulatoria. Para sectores regulados (fintech, salud, legal), la combinación de skills técnicos en IA con entendimiento del marco regulatorio sectorial es rarísima en Argentina. Hay profesionales que entienden la BCRA Comunicación A 7724 desde la perspectiva legal; hay profesionales que entienden cómo armar modelos de scoring. La intersección de los dos es lo que las fintech necesitan, y casi no existe localmente.

Gap tres: liderazgo de proyecto técnico-comercial. La capacidad de traducir entre área de negocio y área técnica, entender qué se puede y qué no se puede automatizar, calibrar expectativas con el directorio. Ese perfil también escasea, y suele formarse en empresa grande a lo largo de varios años, no se contrata desde el inicio.

Mitigaciones concretas. Tercerización selectiva: para sectores muy regulados o para proyectos de alta complejidad técnica, conviene tercerizar la implementación a una consultora con base local pero capacidad senior, e internalizar la operación. Formación interna intensiva: tomar profesionales mid-level con buena base técnica y formarlos específicamente en el contexto sectorial. Modelo de partnership con academia: vinculación con universidades locales (UBA, UNR, ITBA, UTN) para captar talento joven antes de que lo contrate el remote work, con contrapartida de inversión en formación. Para programas de formación más estructurados, formación para empresas cubre la modalidad corporativa.

Regulación incierta: el costo de la espera

El tercer freno es la regulación incierta. Argentina no tiene ley general de IA todavía. Los proyectos en discusión (Sapag, Gollán, Yeza) plantean enfoques distintos, ninguno aprobado. Mientras tanto, hay regulación sectorial (BCRA Com. A 7724) que sí está operativa pero solo cubre una parte del problema. Para empresas que evalúan invertir en IA, esa incertidumbre regulatoria se traduce en un costo: el costo de no saber qué te van a exigir mañana sobre lo que estás construyendo hoy.

Algunas empresas eligen esperar. “Cuando la ley esté clara, avanzamos.” Eso parece prudente pero es costoso. La ley argentina puede tardar dos o tres años más. Durante ese tiempo, los competidores que avanzan acumulan ventaja operativa. Cuando la ley llegue, esos competidores van a adaptar lo construido; vos vas a empezar de cero.

Mitigaciones concretas. Una: adoptar el marco europeo como referencia mientras la ley local se forma. El EU AI Act (Reglamento UE 2024/1689) es la referencia que probablemente termine inspirando la ley argentina, según señales claras del proyecto Sapag y los otros en discusión. Si vos hacés hoy lo que el marco europeo exige a empresas extranjeras, vas a estar listo cuando la ley argentina llegue. Dos: documentar como si tuvieras inspección mañana. La documentación técnica completa de cada modelo (ficha, datasets, métricas, riesgo, supervisión humana) es buena práctica con o sin ley; cuando la ley llegue, tener tres años de documentación previa es ventaja, no carga. Tres: separar adopción de innovación. Adoptar IA en procesos de bajo riesgo no requiere esperar a ningún marco. Innovar con IA en procesos críticos sí requiere marco más definido. La separación reduce el efecto de espera.

Cómo trabajar bajo estos tres frenos sin parar

Las empresas que avanzan en LATAM bajo estos tres frenos hacen tres cosas distintas a las que esperan.

Una: aceptan que los costos van a ser en dólares y estructuran el negocio para que el retorno también pueda referenciarse en dólares. Si tu cliente final paga en pesos, pensás en eficiencia operativa medida en horas-persona; si tu cliente paga en dólares (porque exportás servicios), el cálculo es directo. Las PyME que mejor se adaptan suelen tener mix de ambos.

Dos: construyen capacidad técnica de forma escalonada. No buscan al ingeniero senior estrella; buscan combinar un mid-level local sólido con consultoría externa específica para los momentos de mayor exigencia técnica. Esa combinación termina costando menos y dejando más capacidad interna al final del proyecto que la otra estrategia.

Tres: tratan la regulación como variable conocida pero incompleta, no como obstáculo. La parte conocida (marco europeo, regulación sectorial, principios de los proyectos argentinos) se adopta. La parte incompleta se documenta y se monitorea, sin parar el avance.

Lo que se puede pedir a proveedores internacionales

Una conversación menos común: qué se puede pedir a proveedores internacionales (OpenAI, Anthropic, Google, Microsoft) para mitigar la brecha LATAM.

Una: precios diferenciados. Los grandes proveedores tienen programas de start-up credits y de partnerships regionales. No todos publican. Algunos negocian. Vale la pena preguntar antes de contratar el plan global por default.

Dos: residencia de datos regional. Algunos proveedores ofrecen procesamiento en regiones específicas. Para clientes argentinos con datos sensibles, procesar en región más cercana (Brasil, por ejemplo) puede aliviar latencia y, sobre todo, mejorar argumentos de soberanía de datos.

Tres: soporte en español. Los planes empresariales suelen incluir soporte; los planes de consumidor o de bajo volumen, no. Si tu equipo no es bilingüe técnicamente, eso pesa.

Cuatro: cláusulas contractuales adaptadas al marco local. Negociar términos que reflejen exigencias de la BCRA Com. A 7724 o equivalentes sectoriales. Los grandes proveedores tienen plantillas para servicios financieros que ajustan a la regulación específica. Conviene exigirlas.

Tres movidas concretas para 2026

Cierra con tres movidas que cualquier empresa argentina o regional puede hacer en lo que queda de 2026.

Movida uno: inventario completo de sistemas de IA en producción, con clasificación de riesgo. Es la base de cualquier conversación de compliance futura, y cuesta poco hacerla.

Movida dos: un proyecto de adopción concreta de bajo riesgo, con métricas claras de retorno a tres meses. Si el primero funciona, hay base para el segundo. Si no funciona, hay aprendizaje sin daño.

Movida tres: una conversación interna sobre dónde quiere estar parada la empresa en dos años respecto a IA. No un documento de estrategia: una conversación. Si nadie en el directorio puede contestar “queremos estar acá en 2028”, ninguna inversión va a estar bien priorizada.

Para profundizar en cómo se estructura una primera adopción, consultoría de adopción de IA trabaja sobre las decisiones iniciales. Para una visión más amplia del momento de cada país, IA en LATAM 2026: dónde Argentina está parada tiene la comparativa regional con datos por país. Para el marco regulatorio local, recursos regulatorios tiene el cuadro de fuentes oficiales.

Si querés conversar sobre tu caso específico, escribime a r@patron.ar con el contexto: sector, tamaño, cuál de los tres frenos te pesa más hoy. Para fuentes regionales, los informes de CEPAL sobre innovación y tecnología, los estudios sectoriales del BID INTAL y la cobertura del MIT Technology Review en español cubren tendencias regionales actualizadas.