Panorama de la Inteligencia Artificial en México y Centroamérica 2025 – KPMG Resumen General 35 visitas

REPORTE EJECUTIVO

Panorama de la Inteligencia Artificial en México y Centroamérica 2025 – KPMG

Resumen General

La adopción de IA en México y Centroamérica es incipiente pero estratégica. Las organizaciones reconocen su potencial para transformar operaciones, decisiones y modelos de negocio; sin embargo, la falta de una estrategia clara, una arquitectura robusta de datos y mecanismos formales de gobernanza limita su avance.

Hallazgos Clave

1. Estrategia y madurez

• Solo 27% en México y 20% en Centroamérica tienen una estrategia formal de IA.
• 31% MX / 39% CA quiere adoptarla pero no sabe cómo.
• 41% tiene conocimiento general sin caso de negocio.

Conclusión: La visión existe, pero no está aterrizada.

2. Aplicaciones principales

Las empresas buscan resolver principalmente:

• Toma de decisiones basada en datos: 79% MX / 71% CA
• Experiencia del cliente: 77% / 76%
• Reducción de costos: 70% / 78%

Uso real actual:

• Automatización: 73% MX / 69% CA
• Gestión de datos: 68% / 56%
• ML avanzado: apenas 8–19%

3. Datos: el mayor reto

• 41% MX / 45% CA usa los datos de forma aislada.
• 31% / 30% ni siquiera tiene principios de gestión de datos.
• Riesgos recurrentes: calidad insuficiente, sesgos, alucinaciones de IA.

Conclusión: Sin datos sólidos, la IA no genera valor.

4. Cultura, talento y adopción

• La habilidad más demandada: uso de herramientas IAGen (48% MX / 53% CA).
• Nivel de adopción:
  • Uso ocasional: 33% MX / 22% CA
  • Implementación continua básica: 27% / 22%

Conclusión: Las empresas están experimentando, no ejecutando.

5. Gobernanza y riesgos

• Cumplimiento regulatorio: 56% MX / 53% CA
• Capacitación formal: 46% / 41%
• Principios éticos definidos: solo 31% / 41%

Evaluación de riesgos:

• Sin mecanismo formal: 38% MX / 44% CA
• Evaluación mínima y reactiva: 38% / 28%

Conclusión: Falta control, metodología y supervisión.

6. Inversión y ROI

Inversión planeada:

• Menos del 2% de ingresos: 54% MX / 63% CA
• Entre 2% y 4%: 31% MX / 17% CA

ROI esperado:

• 2%–5%: 37% en ambos
• <2%: 27%–30%

ROI real obtenido:

• <2%: 33% MX / 23% CA
• Aún sin proyectos evaluados: 40% MX / 53% CA

Conclusión: Poco presupuesto, baja medición y ROI aún inmaduro.

7. Modelos de implementación

• Recursos internos: 56% MX / 66% CA
• Alianzas tecnológicas: 44% / 41%
• Consultoría especializada: 29% / 28%

Conclusión: Las alianzas son clave para acelerar la adopción.

Conclusión Ejecutiva

Las empresas de México y Centroamérica están en transición hacia modelos impulsados por IA, pero aún sin estructuras sólidas en datos, estrategia, talento y gobierno. El mayor riesgo no es implementar mal, sino no avanzar y quedar rezagados en competitividad. La vía recomendada es:
(1) definir visión y casos de uso, (2) fortalecer gestión de datos,
(3) establecer gobierno y ética de IA, y (4) avanzar mediante alianzas y pilotos medibles.