Para 94% de los tomadores de decisiones de medianas y grandes empresas en México su infraestructura tecnológica actual está preparada para la inteligencia artificial (AI); sin embargo, la realidad operativa contrasta: solo 11% cuenta con procesos de orquestación de AI y automatización integral.
Al presentar el estudio El Estado de la Transformación Digital en México 2026, el pasado 21 de julio, el gerente técnico para América Latina de ManageEngine, Wilson Calderón, no dudó en afirmar que “México, [que] es un ejemplo de liderazgo en la región, sí está preparado” para esta tecnología pues lleva más de una década hablando de transformación digital.
Sin embargo, indicó que “ahora el problema es que hay muchas inversiones, herramientas nuevas que crecieron independientes y, al crecer de esta forma, se vuelve compleja la operación. Ese es el reto al que se enfrentan ahora”.
De acuerdo con el reporte de ManageEngine, 46% de los procesos empresariales principales en el país ya se encuentran totalmente automatizados, pero 63% todavía opera con una alta carga de sistemas heredados o silos aislados en la nube.
“Esta es la parte clave y es donde CIO y [las personas] de negocio están dando sus mayores esfuerzos: en lograr ese nivel de automatización y orquestación para llevar las empresas a ser autónomas en AI”, señaló Calderón.
Esta fragmentación arquitectónica dificulta la transición de una simple automatización de tareas hacia una orquestación integral de los sistemas. Como consecuencia de esta falta de integración, 56% de las organizaciones reporta dificultades para convertir sus inversiones en AI en una rentabilidad cuantificable. Los obstáculos identificados incluyen la dispersión de datos en múltiples sistemas y las limitaciones de la infraestructura actual.
“La AI no puede orquestar una empresa que todavía no ha integrado sus datos, sus procesos y sus responsabilidades”, afirmó Calderón.
Índice de temas
Shadow AI y brecha de talento tecnológico
Para Calderón, alcanzar un nivel de automatización y orquestación para que las empresas logren ser autónomas en AI “es la parte clave y es donde CIO y [las personas] de negocio están dando sus mayores esfuerzos”.
Pero advirtió que es justo en este punto cuando aparecen muchas herramientas de inteligencia artificial generativa (GenAI). “Cuando las empresas empiezan a usar muchas soluciones de AI, los empleados intentan resolver sus problemas diarios, se genera un concepto que se llama shadow AI”.
Para reducir el riesgo, Calderón indicó la necesidad de establecer reglas. “En nuestra empresa, Zoho Corporation, tenemos un manual clarísimo de uso de GenAI. Todo está orquestado y está auditado completamente”, ejemplificó.
Y apuntó un segundo reto: el talento calificado. “Las empresas tienen que buscar constantemente capacitar a sus empleados. No es una carrera profesional superavanzada con posgrado, [sino] educación con propósito —como se le conoce—, donde se empieza a educar al empleado con cursos y certificaciones rápidas para que aprendan a hacer un uso responsable de la AI”.
Deuda técnica e inversión en innovación en México
En México, 75% de las empresas destinan una mayor proporción de su presupuesto tecnológico al mantenimiento y a la integración de sus sistemas actuales que al desarrollo de nuevos proyectos, mientras que solo 9% reporta asignar más recursos a la innovación que a la gestión operativa.
Calderón afirmó que lo ideal es gastar más en innovación, pero reconoció que es difícil pues el reto aparece cuando la arquitectura es compleja y se intenta adoptar una nueva solución sin que la organización esté lista, y entonces se gasta más en mantenimiento que en esa iniciativa.
Hoy en día en México, aseguró Calderón, “las empresas están gastando su dinero en mantener. Y eso está pasando porque están preocupadas por reducir la complejidad y empezar a preparar esa superficie para lograr esa autonomía con AI”.
Interrogado sobre cuál debería ser el balance entre ambas tareas, respondió: “No podría decirte que debe ser un 50-50. Pero al menos debería estar un poquito más elevado [el gasto en innovación], de al menos dos dígitos. Empezar a pasar al 10%, llegar al 20% en innovación sería buenísimo”.
En su opinión, “es un tema donde empezamos a ver que realmente la deuda tecnológica funciona como un impuesto permanente, ya que cada integración manual, cada herramienta redundante, cada proceso aislado consume recursos que podrían estar financiando más bien la automatización y orquestación de la AI, en vez de estar gastando en mantener esa flota.
Brecha de percepción entre líderes de IT y de negocio
El informe de ManageEngine, que reúne la opinión de 250 tomadores de decisiones en el país, encontró que los responsables de IT perciben la carga operativa de forma menos aguda que los líderes de negocio: mientras que entre los primeros 66% reporta un gasto mayor en mantenimiento, la cifra se eleva a 80% entre los segundos.
“Todavía hay un gap ahí: no se logran conectar al 100%. Antes de pedir más presupuesto para innovar, deben empezar a mirar cómo liberar el presupuesto, reduciendo la complejidad de esas organizaciones”, señaló.
