La apuesta de México por la IA se medirá en capacidades, no en anuncios

Para México, desarrollar inteligencia artificial dejó de ser una discusión exclusivamente tecnológica. Es una decisión de competitividad. Las empresas que operan en manufactura, salud, logística, energía y servicios financieros tendrán que definir si la IA será sólo una herramienta contratada a proveedores extranjeros o una capacidad que el país pueda diseñar, adaptar y escalar con mayor control.

El planteamiento cobró fuerza antes del encuentro México IA+, programado para el 4 y 5 de noviembre de 2026 en la Ciudad de México. Especialistas del ecosistema mexicano señalaron que pasar de usuario a desarrollador requiere algo más que adoptar modelos como ChatGPT, Gemini o Claude: hacen falta infraestructura de cómputo, energía disponible, datos confiables, seguridad, talento y vínculos efectivos entre empresas, universidades y gobierno.

La consecuencia para los directivos es concreta: sin esas capacidades, la adopción de IA puede elevar la productividad de algunas compañías, pero difícilmente construirá una ventaja tecnológica nacional. México corre el riesgo de capturar una parte limitada del valor —la implementación— mientras las ganancias principales se concentran en quienes controlan los chips, los centros de datos, los modelos y las plataformas.

La primera prueba es dejar de confundir adopción con desarrollo

La conversación empresarial suele medir el avance de la IA por el número de organizaciones que usan asistentes digitales o automatizan tareas. Ese indicador es útil, pero insuficiente. Una economía puede consumir ampliamente herramientas de IA y, al mismo tiempo, depender casi por completo de tecnología diseñada, entrenada y alojada fuera de sus fronteras.

La diferencia importa por tres razones. La primera es el costo: el uso intensivo de modelos externos puede trasladar una parte creciente del gasto operativo hacia licencias, servicios de nube y procesamiento. La segunda es el control: los sectores que trabajan con información sensible necesitan conocer dónde se almacenan los datos, quién puede procesarlos y bajo qué reglas. La tercera es la capacidad de adaptación: una solución importada puede no comprender las particularidades regulatorias, lingüísticas o productivas del mercado mexicano.

El Programa Sectorial de la Agencia de Transformación Digital y Telecomunicaciones 2025-2030 reconoce ese problema al establecer como objetivo el desarrollo de tecnología pública y capacidades propias, con prioridad para la soberanía de datos y el uso de inteligencia de datos en la toma de decisiones. El documento también identifica la necesidad de una infraestructura de nube y de un centro de datos gubernamental que reduzcan la fragmentación actual de servidores y sistemas. El programa sectorial puede consultarse en el Diario Oficial de la Federación.

Para el sector privado, esta definición pública abre una oportunidad, pero también eleva el estándar. No bastará con comprar herramientas y declararse una empresa impulsada por IA. Los consejos de administración deberán preguntar qué procesos se automatizan, qué datos se usan, qué dependencia existe de un proveedor y cuánto valor queda dentro de la organización.

La infraestructura ya existe, pero todavía no forma un sistema

México no parte de cero. La ATDT informó que puso en operación una Fábrica de Inteligencia Artificial con 20 especialistas para desarrollar soluciones en atención ciudadana, análisis de riesgo y automatización de procesos. La dependencia reportó aplicaciones para la Ventanilla 24/7, el turismo, las aduanas, la detección de facturas y la asignación de patentes en el Instituto Mexicano de la Propiedad Industrial.

Ese trabajo se apoya en una capacidad previa. La Fábrica de Software de la agencia está integrada por 300 jóvenes egresados de universidades públicas y, hasta julio de 2026, había desarrollado 279 productos digitales. La autoridad calculó ahorros superiores a 14 mil millones de pesos por evitar contrataciones externas para plataformas y modelos requeridos por distintas áreas del gobierno. Los sistemas también pueden compartirse con gobiernos estatales y municipales mediante el Repositorio Nacional de Tecnología Pública. La ATDT publicó los avances de la Fábrica de Inteligencia Artificial.

El caso muestra una ruta distinta a la simple compra de software: desarrollar componentes reutilizables, documentarlos y ponerlos a disposición de otras instituciones. Sin embargo, todavía no equivale a contar con una cadena completa de IA. La operación pública depende de disponer de datos ordenados, conectividad, capacidad de almacenamiento, seguridad informática y recursos de cómputo suficientes para entrenar o ejecutar modelos.

El propio programa sectorial advierte que la infraestructura de servidores del gobierno se encuentra fragmentada y, en buena medida, bajo administración de proveedores privados. También plantea una transición hacia procesos nativos de nube y una mayor autonomía tecnológica. Para las empresas, la señal es relevante: la infraestructura digital será una variable de localización, continuidad operativa y protección de información, no sólo un asunto del área de sistemas.

Talento: el avance cuantitativo aún debe convertirse en experiencia productiva

La formación es otro activo en construcción. La agenda de IA de la ATDT contempla certificaciones en tecnologías emergentes y prevé una expansión de la capacitación hacia 2030. Entre las áreas prioritarias aparecen inteligencia artificial, análisis de datos, nube, programación y ciberseguridad. El Centro Público de Formación en Inteligencia Artificial busca conectar la capacitación con universidades, instituciones públicas y empresas tecnológicas.

La cifra de estudiantes capacitados, sin embargo, no resolverá por sí sola el déficit de talento. Una organización necesita perfiles capaces de limpiar y gobernar datos, diseñar arquitecturas, evaluar modelos, gestionar riesgos, proteger información y traducir problemas operativos en productos tecnológicos. También necesita líderes que sepan identificar dónde una solución de IA genera retorno y dónde sólo añade complejidad.

La formación deberá medirse por resultados empresariales y públicos: proyectos desplegados, reducción de tiempos, mejora en calidad, disminución de errores, creación de propiedad intelectual y capacidad para mantener una solución sin depender por completo de un proveedor. La participación de empresas en el diseño de los programas será decisiva para evitar que las certificaciones produzcan credenciales sin experiencia práctica.

La manufactura ofrece un campo inmediato para esa conexión. Un estudio presentado por la Secretaría de Economía con base en información del Censo Económico 2024 señaló que la adopción de IA en ese sector todavía se encuentra en una etapa temprana, aunque se asocia con incrementos potenciales de producción y salarios. El mensaje para los directivos es que la oportunidad no está únicamente en crear una empresa de modelos fundacionales; también está en resolver problemas concretos de calidad, mantenimiento, inventarios, diseño, logística y consumo energético. La Secretaría de Economía difundió el estudio sobre IA y manufactura.

Las decisiones que definirán si México desarrolla o sólo consume

El siguiente paso no debería ser una carrera por anunciar más pilotos, sino una agenda de capacidades con responsables, presupuesto y métricas. Para los líderes empresariales, al menos cinco decisiones son prioritarias:

Seleccionar casos de uso con impacto financiero: la inversión debe concentrarse en procesos donde la IA reduzca costos, eleve productividad, mejore seguridad o abra nuevos ingresos.
Crear una política de datos: las compañías necesitan inventarios, reglas de calidad, controles de acceso y criterios claros para decidir qué información puede enviarse a servicios externos.
Reducir la dependencia crítica: conviene diseñar arquitecturas interoperables, con capacidad para cambiar de modelo, nube o proveedor cuando cambien los precios, las reglas o la disponibilidad tecnológica.
Invertir en talento interno: la capacitación debe incluir a las áreas operativas, legales, financieras y de riesgos, no sólo a los equipos de tecnología.
Exigir seguridad desde el diseño: una herramienta que expone secretos industriales, datos personales o información regulada puede destruir más valor del que genera.

El gobierno, por su parte, tendrá que resolver condiciones que una empresa aislada no puede corregir: acceso a energía competitiva y estable, infraestructura de cómputo, conectividad, protección de datos, disponibilidad de chips, investigación aplicada y reglas previsibles. La soberanía tecnológica no significa producir todos los componentes dentro del país, sino contar con alternativas, conocimiento y capacidad de negociación suficientes para que una interrupción externa no paralice sectores estratégicos.

El escenario más favorable es que México use su posición manufacturera, su base de universidades públicas, sus cadenas de exportación y sus problemas públicos como plataforma para crear soluciones especializadas. El escenario intermedio es una adopción eficiente, pero dependiente de modelos extranjeros. El más débil consiste en multiplicar demostraciones sin construir infraestructura ni propiedad intelectual.

La diferencia entre esos escenarios se definirá en los próximos presupuestos y contratos, no en los discursos. México ya tiene proyectos públicos, programas de formación y empresas con incentivos para adoptar IA. Lo que falta es integrarlos en una estrategia que convierta esos activos dispersos en capacidades acumulativas. Para los directivos, la pregunta ya no es si la inteligencia artificial llegará al negocio, sino qué parte de su valor podrá controlar la organización y qué parte seguirá pagando indefinidamente a terceros.