Brújula IA · Primera de una serie

Hay una pregunta que aparece en casi todas las conversaciones con dueños y directores de empresas industriales, y casi nunca se hace en voz alta: ¿esto de verdad me toca a mí, o es otra ola que va a pasar de largo?

Es una pregunta legítima. En veinte años el sector ha visto pasar suficientes promesas tecnológicas como para desarrollar un escepticismo sano. Y este texto no viene a decir que esta vez es distinto porque sí. Viene a mostrar cuatro cosas que se pueden verificar, y a dejar que usted saque su conclusión.

Uno. El sector entero está atrás, no sólo su empresa

Si algo lo hace sentir tarde, conviene mirar el dato completo.

De las empresas que ya usan inteligencia artificial en el mundo, el 91% no la usa en absoluto en manufactura, y sólo el 3% la ha escalado. El dato es de Stanford HAI sobre trabajo de McKinsey.

Léalo otra vez, porque dice algo poco intuitivo: no estamos en el final de una adopción, estamos en el principio. La mayoría de las empresas que dicen usar IA la tienen en marketing, en atención a clientes o en tareas de oficina. En la operación industrial, casi nadie.

Eso significa que la ventaja competitiva de moverse todavía existe. En una tecnología madura, adoptar sólo te pone al corriente. En una que apenas arranca en tu sector, adoptar te pone adelante.

Dos. La distancia entre lo que se espera y lo que ya pasa

Deloitte preguntó a industriales dos cosas distintas: cuántos aumentan ingreso hoy con inteligencia artificial, y cuántos esperan lograrlo. Sobre una muestra de 591 respuestas, la primera cifra es 17% y la segunda 76%.

Esa es la brecha más grande de las seis que midieron.

Una brecha así se puede leer de dos formas. La pesimista: casi nadie lo está logrando. La otra, más útil: el resultado todavía no está repartido. Cuando el 76% espera algo que sólo el 17% ya tiene, lo que hay enfrente no es un mercado saturado, es una ventana.

Tres. Dónde está México, sin dramatismo

Tres datos que conviene tener juntos.

El talento. En México, el 1.38% de las vacantes publicadas piden habilidades de inteligencia artificial. En Estados Unidos es 2.56% y en Chile 2.41%. El dato es de Lightcast. Estamos abajo, aunque no en otro planeta.

‍La capacidad de adoptar sí está. En 2024 se instalaron 5,600 robots industriales en México, un aumento de 4%, mientras Estados Unidos y Alemania caían 5% cada uno. El dato es de la Federación Internacional de Robótica. Cuando la tecnología es tangible y el retorno es claro, la industria mexicana adopta.

‍Nadie va a venir a implementarlo aquí. La compañía de implementación de uno de los laboratorios de inteligencia artificial más grandes del mundo tiene vacantes abiertas en catorce ciudades. Ninguna está en América Latina.

Ese tercer punto es el que más consecuencia tiene. Si la implementación no va a llegar de afuera, la pregunta deja de ser cuándo llega y pasa a ser quién lo hace aquí.

Cuatro. Y una cosa más, que ya es criterio de compra

El 77% de las empresas ya considera el país de origen de una solución de inteligencia artificial al elegir proveedor, y el 66% declara preocupación por depender de tecnología extranjera. También es de Deloitte.

Hace tres años eso habría sonado a detalle. Hoy es un criterio en la mesa de decisión.

Lo que esto no significa

Aquí es donde la mayoría de los textos sobre este tema se echan a perder, así que vale la pena decirlo claro.

‍Nada de lo anterior significa que hay que comprar algo ya. Significa que la ventana existe. Comprar por urgencia, sin un problema bien planteado, es la forma más rápida de gastar dinero y quedarse con la sensación de que la IA no sirve.

Hay una prueba pública que conviene conocer antes de creerle a cualquier demostración. Se llama BEAVER y es reproducible. Mide qué pasa cuando un modelo genérico, de esos que impresionan en una presentación, se enfrenta a los datos reales de una empresa. El acierto cae de 62.9% a 11.4%.

Y en pruebas de servicio a cliente ocurre algo parecido: un modelo que acierta 60% al primer intento acierta 25% cuando se le exige acertar ocho veces seguidas. En una operación real, acertar una vez no sirve de nada. Hay que acertar todas.

Eso no descalifica la tecnología. Descalifica la idea de que basta con conectarla.

La pregunta que sí vale la pena hacerse

No es "¿debería usar inteligencia artificial?". Esa pregunta no tiene respuesta útil porque no se puede responder sin conocer el negocio.

La pregunta es: ¿cuál es el trabajo que hoy sólo puede hacer la persona más experimentada de mi empresa, y que además se repite?

Ahí es donde la tecnología cambia algo. No en lo que ya está resuelto, y no en lo que nadie sabe hacer. En lo que una sola persona sabe hacer bien y tiene que hacer muchas veces, mientras el resto de la operación espera a que se desocupe.

En una distribuidora industrial esa persona suele estar en el mostrador o al teléfono. Es quien sabe qué pieza va, bajo qué especificación, para qué condición de operación. Tarda meses en formarse y es difícil de reemplazar. Y buena parte de su día se va en reconstruir a mano respuestas que ya dio antes.

Esa es la forma de la oportunidad. No es "automatizar la empresa". Es identificar dónde el criterio escaso se está gastando en trabajo repetido.

En las siguientes piezas de esta serie vamos a bajar de ahí a lo concreto: dónde buscar ese tipo de trabajo dentro de una empresa, cómo distinguir un caso de uso que vale la pena de uno que sólo suena bien, y qué hace falta para que la gente de verdad lo adopte.

Si mientras tanto quiere platicar sobre cómo se ve esto en su operación, esa conversación está abierta.

Fuentes

  • Stanford HAI sobre trabajo de McKinsey: 91% de las empresas que usan IA no la usan en manufactura, 3% la escala.
  • Deloitte, N=591: 17% de industriales aumenta ingreso con IA hoy contra 76% que espera lograrlo.
  • Lightcast: 1.38% de vacantes con habilidades de IA en México, 2.56% en Estados Unidos, 2.41% en Chile.
  • Federación Internacional de Robótica: 5,600 robots industriales instalados en México en 2024, +4%, contra caídas de 5% en Estados Unidos y Alemania.
  • Deloitte: 77% considera el país de origen de una solución de IA al elegir proveedor, 66% declara preocupación por depender de tecnología extranjera.
  • BEAVER, prueba pública reproducible: caída de 62.9% a 11.4% de acierto de un modelo genérico frente a datos de una empresa real.
  • Distribution Strategy Group, diciembre de 2025: formar a un especialista toma de 3 a 9 meses y reemplazarlo cuesta entre 100 y 150 mil dólares. Son casos de práctica reportados, no medición censal.

‍