Al automatizar tareas, mejorar flujos de trabajo y aumentar la calidad de la toma de decisiones, estas tecnologías permiten elevar el output con los mismos insumos de tiempo, trabajo y capital. Para América Latina—una región con rezagos históricos de productividad y brechas estructurales de inclusión—la IA representa una oportunidad concreta para impulsar crecimiento y transformación económica, siempre que su adopción se traduzca en valor medible y se acompañe de condiciones habilitantes. Según Latin America in the Intelligent Age: A New Path for Growth (World Economic Forum, en colaboración con McKinsey & Company, enero 2026), una adopción efectiva de IA podría incrementar la productividad en América Latina entre 1.9% y 2.3% por año y generar entre US$1.1 y US$1.7 billones de valor económico adicional anual. Al mismo tiempo, la captura de valor aún es limitada: solo 23% de las organizaciones encuestadas reporta generar algún valor económico a partir de IA y apenas 6% reporta creación significativa de valor (por ejemplo, mejoras superiores al 5% en EBIT). La relevancia del tema excede el ámbito tecnológico. En la práctica, se trata de una agenda de transformación productiva, de capacidades institucionales y de competitividad empresarial. Por esa razón, en los próximos meses se discutirá a profundidad en el McKinsey Forum, tanto en Quito como en Guayaquil, con foco en cómo traducir el potencial de la IA en resultados medibles para organizaciones y sectores. Productividad: punto de partida y tamaño de la oportunidad La productividad laboral en América Latina ha sido persistentemente baja. Entre 2000 y 2024 creció alrededor de 0.4% anual; entre 2015 y 2024 se contrajo en promedio 0.3% anual. Este desempeño se asocia con un patrón de crecimiento donde el empleo ha contribuido más que la productividad al aumento del PIB regional en las últimas dos décadas. Además, la transición demográfica reduce el aporte del crecimiento de la fuerza laboral. Hacia 2053, más del 25% de la población regional tendrá 60 años o más. En ausencia de un aumento sostenido de productividad, este cambio podría traducirse en menores tasas de crecimiento del PIB. En este contexto, la IA se presenta como una palanca para elevar productividad mediante automatización, mejora de decisiones y reconfiguración de procesos. El potencial anual estimado para la región es de USD 1.1–1.7 billones en valor económico adicional, con aproximadamente USD 0.6–1.0 billones provenientes de IA analítica y USD 0.5–0.7 billones de IA generativa. En productividad, el incremento potencial hacia 2030 se estima en 1.9%–2.3% anual, sujeto a condiciones de implementación, inversión y escalamiento. Captura de valor: adopción, escalamiento e impacto económico La adopción de IA en América Latina está avanzando, pero la captura de valor económico todavía es limitada y se concentra en un subconjunto de organizaciones. Solo 23% reporta generar algún valor económico con IA y solo 6% reporta impactos significativos en EBIT (por ejemplo, mejoras superiores al 5%). En IA analítica, los casos de uso con mayor despliegue a escala se concentran en servicio al cliente (27% a escala), fraude y analítica de deuda (22%) y personalización (21%). En IA generativa, el despliegue a escala es más visible en ingeniería de software (22% a escala) y servicio al cliente (aprox. 15% a escala). En otras funciones se observa mayor presencia de pruebas o pilotos. La dimensión pyme es crítica. Las pymes representan 99.5% de las empresas, pero 59% reporta no generar valor medible con IA. En economías grandes, la brecha de productividad entre pymes y grandes empresas ya es relevante (estimaciones de 46% en Brasil y 53% en México) y podría ampliarse si la adopción efectiva se concentra en empresas de mayor escala. También se observan diferencias de ejecución. Organizaciones con impacto tienden a ejecutar iniciativas más rápido: mientras algunas reportan ciclos superiores a un año, quienes capturan valor suelen completar iniciativas en el rango de 6 a 9 meses, favoreciendo iteración y escalamiento. Infraestructura y datos: condiciones habilitantes para escalar IA El escalamiento de IA—y especialmente de aplicaciones intensivas en cómputo—requiere infraestructura sostenible y resiliente: energía, conectividad, capacidad de cómputo y datos. En energía, existen ventajas relativas en algunos países. Un ejemplo es Brasil, donde 88% de la electricidad proviene de fuentes renovables. Sin embargo, el aumento de demanda asociado a IA puede introducir desafíos si no se acompaña de inversión en capacidad y redes, especialmente cuando la generación no coincide con centros de demanda digital. También te puede interesar: Guido Jalil impulsa una agenda regional desde la Cámara Binacional Ecuatoriano Italiana y fortalece la expansión de Hunter La infraestructura digital también demanda recursos hídricos. Se citan estimaciones donde incluso data centers pequeños pueden requerir un volumen anual de agua equivalente al consumo de aproximadamente 300,000 personas. En regiones con restricciones hídricas, este factor se vuelve relevante para la viabilidad social y ambiental de proyectos. En conectividad, entre 15% y 17% de los hogares aún carecían de banda ancha fija en 2024. La brecha urbano-rural es significativa: se identifica un diferencial superior a 30 puntos porcentuales (por ejemplo, 42% rural vs 74% urbano). En datos, se reconocen avances en disponibilidad—por ejemplo, más de 12,000 datasets en Brasil—pero persisten desafíos de estandarización, metadatos, gobernanza y privacidad. A nivel organizacional, la madurez de datos se asocia fuertemente con captura de valor: organizaciones sin impacto económico por IA tienen más de 3 veces la probabilidad de baja madurez de datos en comparación con aquellas con impacto. Talento, confianza, inversión y colaboración: hacia una escala regional El talento es una restricción relevante para capturar valor a escala. Persisten desafíos en reclutamiento, retención y desarrollo de trayectorias profesionales, amplificados por competencia global y emigración. Se menciona que la emigración desde América Latina se ha cuadruplicado en las últimas tres décadas, reduciendo disponibilidad de perfiles avanzados en mercados locales. En paralelo, existen iniciativas de formación en distintos países: 11 centros de investigación aplicada en IA en Brasil con alrededor de US$45 millones movilizados; programas orientados a formar hasta 5 millones de personas en Brasil; 35,000 becas en Argentina; y esfuerzos de entrenamiento o reentrenamiento de aproximadamente 1.3 millones de personas en México. El desafío es escalar estas iniciativas y alinearlas con demanda de habilidades y mecanismos de certificación comparables. En confianza y regulación, 58% de líderes considera el entorno regulatorio poco claro. Entre los obstáculos más citados aparecen privacidad y protección de datos, así como ausencia de lineamientos específicos de IA. Avanzar hacia estándares más claros y consistentes facilitaría escalamiento y adopción responsable. En inversión, la región representa aproximadamente 6.3% del PIB global, pero capta alrededor de 1.6% de la inversión global en IA. Reducir esta brecha requiere condiciones habilitantes (previsibilidad regulatoria, incentivos, mecanismos de financiamiento) y el rol de asociaciones público-privadas y financiamiento de desarrollo para infraestructura y ecosistemas. Finalmente, existe una oportunidad de colaboración regional. Aunque la región no es homogénea, similitudes culturales y de idioma pueden facilitar intercambio de conocimiento, desarrollo de estándares y mecanismos conjuntos para acelerar adopción, inversión y escalamiento. La oportunidad cuantificada es significativa: US$1.1–1.7 billones anuales de valor económico adicional y un impulso potencial de productividad de 1.9%–2.3% anual hacia 2030. Sin embargo, la captura de valor aún es incipiente: 23% reporta algún valor y 6% impacto significativo; en pymes, 59% no reporta valor medible. Cerrar esta brecha requiere combinar escalamiento de casos de uso de alto impacto con fortalecimiento de infraestructura y conectividad, mejora de datos y gobernanza, desarrollo de talento, marcos de confianza y movilización de inversión. El objetivo final es convertir potencial tecnológico en productividad medible y competitividad sostenible. Por: Carlos Buitrago, Socio y Managing partner de McKinsey & Company