Hace un par de semanas leí un informe que me hizo releer el mismo párrafo tres veces. Lo publicó el CCLATAM (Centro para la Convergencia de América Latina), y dice algo que contradice bastante el discurso que llevamos meses escuchando sobre la región: casi la mitad de las empresas de América Latina ya tiene banda ancha de alta velocidad, pero apenas una de cada diez usa inteligencia artificial. Y de esas pocas, solo el 6% dice estar capturando valor real de la tecnología.

Llevamos meses hablando de LatAm como el próximo gran mercado de IA. Y probablemente lo sea. Pero ese dato del 10% de adopción y 6% de valor real, pone la lupa en algo que en Autonomic Mind vemos todos los días con nuestros clientes: el problema no es que falte tecnología. Es que falta el equipo que sepa qué hacer con ella.

Y qué dice el informe:

El estudio se titula Unlocking the Digital Potential of Latin America and the Caribbean y lo firman Víctor Muñoz y Ángel Melguizo, socios de ARGIA Green, Tech & Economics. Según su análisis macroeconómico, si la región logra combinar integración de mercados, regulación inteligente, incentivos a la inversión e IA ,lo que ellos llaman “las cuatro íes”, podría acelerar su crecimiento hasta 1.3 puntos porcentuales anuales de aquí a 2030, alcanzando un promedio de 3.8% anual y generando 4.8 millones de empleos formales de alta cualificación en la economía digital.

El contexto ayuda a entender la urgencia: la productividad laboral de la región está en torno a un tercio de la de las economías de altos ingresos (dato que el informe toma de la OCDE), y existe una brecha de financiamiento de cerca de USD 99,000 millones anuales hasta 2030 para las transiciones verde y digital.

Ahora, La frase que me hizo detenerme

Hay una cita del informe que resume todo mejor que cualquier estadística. La dice Víctor Muñoz, uno de los autores:

“La restricción vinculante ya no es la conectividad, ni siquiera la ausencia de leyes; es la adopción, las capacidades y la escala.”

Léanla de nuevo: no es la conectividad, no es la regulación. Es la adopción, las capacidades y la escala. En otras palabras, la región ya tiene (en buena parte) la infraestructura. Lo que le falta es gente capaz de usarla, integrarla y escalarla dentro de las empresas.

Por qué esto también es un problema de talento

Esta conclusión no es exclusiva de LatAm ni del informe del CCLATAM. Aparece en casi todos los reportes de talento tecnológico que se publicaron este año:

• Robert Half reporta que las vacantes de IA, machine learning y ciencia de datos crecieron 163% interanual en 2025 en Estados Unidos —pasaron a 49,200 postings—, mientras la mayoría de las demás categorías tecnológicas creció en un solo dígito o se mantuvo plana (Robert Half, 2026 Technology Job Market Report).
• Deloitte, en su reporte State of AI in the Enterprise 2026, identifica la brecha de habilidades en IA como la principal barrera para escalar proyectos —por encima del presupuesto o la infraestructura— y encontró que la principal forma en que las empresas están ajustando su estrategia de talento es invirtiendo en formación, no rediseñando roles (Deloitte, State of AI in the Enterprise 2026).
• Korn Ferry encontró que el 84% de los líderes de talento planea usar IA en 2026, pero solo el 11% cree que su liderazgo está realmente preparado para navegar esa transición (Korn Ferry, Talent Trends 2026: Human-AI Power Couple).

Ponerlo junto con el dato del CCLATAM deja un patrón bastante claro: la brecha entre “tener IA disponible” y “generar valor con IA” no se cierra comprando más herramientas. Se cierra con las personas correctas —dentro del equipo o sumadas rápido desde afuera— que saben pasar un caso de uso de la diapositiva del comité directivo a producción.

Qué puede hacer un líder de tecnología con esto, esta semana

No hace falta esperar a la próxima junta directiva para actuar. Algunas cosas que estamos viendo funcionar entre empresas que sí están capturando valor:

• Auditar honestamente cuántos de sus “proyectos de IA” están en producción y cuántos siguen siendo pilotos con fecha de vencimiento vencida.
• Armar equipos pequeños y multidisciplinarios en lugar de un “departamento de IA” gigante. Gartner viene señalando que los equipos de datos y analítica más efectivos en 2026 son más chicos pero con mayor impacto, apoyados por IA.
• Ser honestos sobre qué se puede resolver con upskilling interno y qué necesita talento especializado (ingenieros de ML, data engineers, especialistas en gobernanza de IA) que probablemente no está disponible en el mercado local en las próximas semanas.
• Considerar modelos de staff augmentation o nearshoring para esos roles críticos. En un mercado donde las vacantes de IA crecen a triple dígito, esperar 4 o 5 meses a que se cierre una búsqueda tradicional tiene un costo de oportunidad real.
•  

Esto lo vemos a diario en Autonomic Mind, con empresas de Estados Unidos y América Latina: presupuesto aprobado para IA, presión del board encima, y todavía sin el equipo especializado para llevar ese proyecto del piloto a la producción. Ese es el problema de talento real que esconde el dato del 10%, y es justo ahí donde entramos nosotros.