{"id":179318,"date":"2026-03-23T14:59:56","date_gmt":"2026-03-23T17:59:56","guid":{"rendered":"https:\/\/www.itsitio.com\/co\/?p=179318"},"modified":"2026-03-23T14:59:56","modified_gmt":"2026-03-23T17:59:56","slug":"ia-en-america-latina-que-frena-el-salto-de-las-pruebas-a-la-produccion","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/co\/inteligencia-artificial\/ia-en-america-latina-que-frena-el-salto-de-las-pruebas-a-la-produccion\/","title":{"rendered":"IA en Am\u00e9rica Latina: \u00bfqu\u00e9 frena el salto de las pruebas a la producci\u00f3n?"},"content":{"rendered":"

La IA en Latinoam\u00e9rica ya no es una promesa futurista ni un experimento de laboratorio: es una necesidad estrat\u00e9gica.<\/strong> Pero hay un problema real que pocas empresas est\u00e1n logrando superar: pasar del \u201cprobemos esto\u201d al \u201cesto ya est\u00e1 funcionando en producci\u00f3n\u201d.<\/p>\n

En una entrevista con ITSitio<\/strong>, Carlos Estay Gonz\u00e1lez, <\/strong>especialista en IA para la regi\u00f3n de Red Hat<\/strong>, dej\u00f3 en claro que el desaf\u00edo no es la tecnolog\u00eda, sino todo lo que la rodea.<\/p>\n

IA en Latinoam\u00e9rica, los tres frenos que nadie quiere admitir<\/strong><\/span><\/h2>\n

Aunque el hype ya pas\u00f3, las barreras siguen ah\u00ed. Estay lo dice sin rodeos: \u201cHay tres grandes desaf\u00edos que vemos normalmente en los clientes para poder llevar a producci\u00f3n\u201d<\/strong>.<\/p>\n

El primero: el costo<\/strong>.<\/p>\n

\u201cNormalmente hacer experimentos suele ser mucho m\u00e1s econ\u00f3mico porque se utilizan cosas peque\u00f1as\u201d, explica. El problema llega cuando escalar implica cuentas que no cuadran. De hecho, comparte un ejemplo: \u201cEn un proceso, se hab\u00edan demorado dos horas en desarrollar el caso de uso, hicieron una prueba de carga y se gastaron cerca de 2000 d\u00f3lares en una hora\u201d<\/strong>. Resultado: proyecto inviable.<\/p>\n

El segundo: la falta de talento<\/strong>.<\/p>\n

\u201cEl boom generativo parti\u00f3 hace dos a\u00f1os y medio y est\u00e1n buscando gente con m\u00e1s experiencia que la tecnolog\u00eda en s\u00ed\u201d<\/strong>. Esto significa que el mercado est\u00e1 pidiendo expertos que todav\u00eda no existen en suficiente cantidad.<\/p>\n

Y el tercero: la desconfianza en los datos<\/strong>.<\/p>\n

\u201cTodav\u00eda hay temas de temor por la soberan\u00eda de los datos, la gobernanza de los modelos\u201d<\/strong>. Muchas organizaciones no tienen claro qu\u00e9 pasa con su informaci\u00f3n cuando entra en un modelo de IA, y eso frena decisiones clave.<\/p>\n

\"\"<\/p>\n

ROI en IA: no todo es dinero<\/strong><\/span><\/h2>\n

Uno de los errores m\u00e1s comunes es medir la IA solo en ingresos directos. Estay lo aterriza as\u00ed: \u201cMuchas veces ese retorno est\u00e1 asociado a la calidad del servicio que estoy prestando\u201d<\/strong>.<\/p>\n

Es decir, no todo se trata de vender m\u00e1s, sino de hacer mejor lo que ya haces. En sectores como salud, por ejemplo, el valor est\u00e1 en la eficiencia o en la atenci\u00f3n al paciente, no en la tecnolog\u00eda en s\u00ed.<\/p>\n

Tambi\u00e9n hay un factor competitivo: \u201cEl uso de Inteligencia Artificial ha llevado a algunas empresas a perder credibilidad\u201d<\/strong>. S\u00ed, usar IA mal tambi\u00e9n tiene un costo reputacional.<\/p>\n

Y aqu\u00ed viene una de las claves de fondo: \u201cEntender para qu\u00e9 necesito la Inteligencia Artificial, qu\u00e9 quiero medir, cu\u00e1les son mis KPI\u201d<\/strong>. Sin eso, cualquier inversi\u00f3n es b\u00e1sicamente jugar a la ruleta tecnol\u00f3gica.<\/p>\n

Casos reales: desde petr\u00f3leo hasta una licorer\u00eda de barrio<\/strong><\/span><\/h2>\n

La IA no es solo para los gigantes. Y este punto es clave.<\/p>\n

En la industria petrolera, por ejemplo, se est\u00e1n usando modelos para predecir en minutos si una extracci\u00f3n ser\u00e1 \u00fatil: \u201cAl minuto o a los dos minutos, predecir si esa extracci\u00f3n era \u00fatil o no\u201d<\/strong>. Eso es eficiencia pura.<\/p>\n

Pero lo m\u00e1s interesante viene del mundo real, cotidiano. Estay cont\u00f3: \u201cUn amigo que tiene una licorera de barrio me dice un d\u00eda: necesito pasar el inventario a Excel, le digo, p\u00e1sale la imagen a una IA y te devuelve el CSV\u2026 y me agrega, \u00bfeso se puede hacer?\u201d<\/strong><\/p>\n

Ah\u00ed aparece uno de los mayores atributos de esta tecnolog\u00eda: resolver problemas simples que ahorran tiempo real<\/strong>, incluso fuera de los grandes entornos corporativos.<\/p>\n

Nube h\u00edbrida: la jugada inteligente que est\u00e1 marcando la diferencia<\/strong><\/span><\/h2>\n

Otro de los conceptos que m\u00e1s est\u00e1 tomando fuerza es la nube h\u00edbrida<\/strong>. \u00bfY por qu\u00e9? Porque equilibra control y flexibilidad.<\/p>\n

Carlos Estay lo resume as\u00ed: \u201cLo que tiene que estar en casa, se queda en casa, y lo que puede estar en la nube, va a la nube\u201d<\/strong>.<\/p>\n

Ese enfoque ayuda a resolver varios dolores habituales: evita el vendor lock-in<\/strong>, permite mover cargas sin fricci\u00f3n, protege datos sensibles y ayuda a controlar costos.<\/p>\n

Adem\u00e1s, plataformas como OpenShift AI<\/strong> est\u00e1n simplificando algo cr\u00edtico: el ciclo de vida de los modelos. \u201cTe doy un entorno que es autoservicio, puedes experimentar sin pedirle permiso a nadie, pero controlado\u201d<\/strong>, explic\u00f3. Es decir, innovaci\u00f3n sin caos.<\/p>\n

\"Chile
Chile est\u00e1 dentro de los pa\u00edses pioneros\u201d, coment\u00f3 Estay<\/figcaption><\/figure>\n

Latinoam\u00e9rica en el mapa de la IA<\/strong><\/span><\/h2>\n

El panorama regional tambi\u00e9n tiene sorpresas. \u201cChile est\u00e1 dentro de los pa\u00edses pioneros\u201d<\/strong>, coment\u00f3 Estay, junto con Brasil y Uruguay. Colombia, por su parte, se ubica en un punto medio: \u201cEst\u00e1 m\u00e1s o menos en quinto o sexto lugar\u201d<\/strong>.<\/p>\n

Pero m\u00e1s all\u00e1 del ranking, lo relevante es c\u00f3mo se est\u00e1 usando la IA. En telecomunicaciones, por ejemplo, ya se analizan datos de roaming y geolocalizaci\u00f3n para entender el comportamiento tur\u00edstico y potenciar destinos.<\/p>\n

Y ah\u00ed entra un concepto central: \u201cLa inteligencia artificial nos ayuda a descubrir patrones que no vemos\u201d<\/strong>. Ese potencial para detectar se\u00f1ales ocultas puede convertirse en una ventaja concreta para m\u00faltiples industrias.<\/p>\n

Open source: el verdadero democratizador de la IA<\/strong><\/span><\/h2>\n

Si hay algo que est\u00e1 acelerando este proceso, es el software abierto<\/strong>. \u201cEl open source juega un papel s\u00faper importante en la democratizaci\u00f3n\u201d<\/strong>, afirm\u00f3.<\/p>\n

\u00bfLa raz\u00f3n? La comunidad. \u201cIdeas que vienen de cualquier persona, empiezan a generar mejoras\u201d<\/strong>. Eso no solo acelera la innovaci\u00f3n, sino que tambi\u00e9n baja barreras de entrada para empresas y desarrolladores.<\/p>\n

La IA no es el futuro, es una decisi\u00f3n del presente<\/strong><\/span><\/h2>\n

La IA en Latinoam\u00e9rica ya dej\u00f3 de ser opcional. El verdadero reto no es adoptarla, sino hacerlo bien: con prop\u00f3sito, con control y con impacto real<\/strong>.<\/p>\n

Como lo resume Carlos Estay: \u201cLa inteligencia artificial est\u00e1 ah\u00ed para utilizarla, para que sea nuestro mejor amigo, hay que usarla, no restringir su utilizaci\u00f3n\u201d<\/strong>.<\/p>\n

Pero con una condici\u00f3n clave: \u201cque sea para mejorar la calidad de vida del mundo y no para generar m\u00e1s riquezas\u201d<\/strong>. Ah\u00ed, justamente, se juega la diferencia entre hacer tecnolog\u00eda y generar verdadero progreso.<\/p>\n

Leer m\u00e1s<\/span><\/h3>\n