El 0.5% contra el 60%

Esta pieza resume una investigación propia que publicamos con licencia abierta y registro permanente. No es una opinión sobre el mercado: es una tesis con evidencia a favor, evidencia en contra y un criterio explícito de qué la tumbaría. Aquí va lo que encontramos y lo que significa para una empresa que hoy está decidiendo si compra algo.

La afirmación que sostenemos es esta: lo que se reporta como adopción de inteligencia artificial mide, en su mayoría, uso superficial de herramientas — no rediseño de procesos. Y esa distinción importa: la herramienta sola da ganancias de tarea reales pero irregulares, y convertirlas en resultados de la empresa parece pedir cambios en cómo se trabaja.

Las dos cifras que no pueden ser las dos ciertas, y lo son

En los Censos Económicos 2024, el INEGI contó que 2.1% de las unidades que usaron herramientas digitales en 2023 tenía sistemas de inteligencia artificial: unas 26,000. Si ese número se divide entre las 5,451,113 unidades del país, incluidas millones sin internet, sale 0.5%; esa segunda cuenta es nuestra, no del INEGI. Las encuestas que publican los proveedores de tecnología reportaban 60% o más de adopción entre empresas. Y el Banco de México midió en junio de 2026 que 48.5% de los establecimientos de más de 100 trabajadores ya usa al menos una tecnología de IA.

La tentación es decidir cuál miente. Ninguna miente: miden cosas distintas, a poblaciones distintas y en fechas distintas. El INEGI pregunta si la unidad económica tiene un sistema de IA operando. La encuesta de proveedor pregunta si alguien ha usado una herramienta de IA. Entre las dos preguntas cabe toda la diferencia entre un negocio transformado y un empleado que le pidió a ChatGPT que le redactara un correo.

Esa brecha es en parte de definición, y en parte de a quién se le pregunta y de cuándo. Pero sigue siendo consistente con que “usar IA” e “integrar IA al proceso” son fenómenos distintos. Y explica por qué tanta gente siente que su empresa “ya usa IA” sin que ningún número del negocio se haya movido.

Qué distingue a quien sí captura valor

Cuatro estudios, de McKinsey, BCG, MIT NANDA y PwC, con metodologías y muestras distintas, caen entre 5% y 12% de las organizaciones que capturan valor financiero real de la inteligencia artificial, si en cada uno se toma su umbral más estricto. Con umbrales más flexibles el rango se abre, y son encuestas autorreportadas. Sirven como señal, no como medida exacta.

El hallazgo que más nos importa viene de la encuesta de McKinsey a 1,993 organizaciones en 105 países. Analizaron veinticinco atributos organizacionales para ver cuál predice impacto en la utilidad operativa. El que más correlaciona no es el modelo que usan, ni el presupuesto, ni el tamaño: es si rediseñaron el flujo de trabajo. Y solo 21% de los adoptantes lo ha hecho.

Los datos de uso real apuntan al mismo sitio desde otro ángulo. Según el ATLAS de Google, en la ocupación mediana donde ya hay algún uso de IA, esta se aplica a apenas 21% de sus tareas, y la automatización de punta a punta representa menos del 10% de las conversaciones cognitivas no rutinarias. Se usa mucho, en pedazos pequeños, sin cerrar un proceso completo.

Sobre México en particular: en el Índice de Uso per cápita de Claude, el país ocupa el lugar 76 de 121, con un índice de 0.63 veces lo esperado dado su tamaño económico y poblacional. La comparación incómoda no es contra el mundo, es contra la región — queda por debajo de Uruguay, Chile, Argentina, Colombia, Perú y Brasil. Y en el desglose por tema, el uso individual más frecuente en México es tareas escolares con 7.89%, por encima de operaciones de negocio con 4.63%.

El caso que nos hizo escribir esto

Este año trabajamos con un negocio que quería inteligencia artificial. No decimos cuál ni de qué giro. Lo que pedían era claro y, visto desde su lado, razonable: querían saber cómo usarla y cómo sacarle provecho con lo que ya tenían.

No es que lo que tuvieran estuviera mal. El problema apareció al aterrizarlo. La idea era conectar IA a una hoja de cálculo que alguien arma cada mes, y conectar un asistente al sistema que ya operaba. Encontramos varios problemas de fondo en la operación, pero no había interés en mirarlos: el interés estaba en poner la capa nueva encima de lo que ya existía.

Conectar IA a una hoja que hay que rehacer todos los meses no vuelve el proceso efectivo: vuelve más rápida la parte que no debería existir. Y enchufar un asistente a un sistema no es tener IA en la empresa — es meter una pieza más, con sus propios modos de fallar, en un lugar donde antes no había ninguno. La automatización de un proceso malo no lo mejora: lo abarata lo suficiente para que nadie vuelva a cuestionarlo.

Decidimos hacernos a un lado. No por soberbia ni porque el cliente estuviera equivocado en lo que quería, sino porque el trabajo que habríamos entregado se habría visto bien y no habría servido — y eso, a doce meses, es peor para los dos que no haberlo hecho. Cuando lo que se pide es la herramienta y lo que hace falta es el proceso, aceptar el encargo es vender algo que uno sabe que no va a funcionar.

Ese caso es la razón de que la tesis exista. La cifra de medio por ciento deja de ser estadística cuando uno la ve del otro lado de la mesa.

La evidencia en contra

Una tesis sin esta sección es una opinión. Estas son las objeciones que nosotros mismos le ponemos, y que el lector debería usar para descontar lo anterior.

La correlación no prueba la dirección. Que las empresas que rediseñan procesos capturen más valor es compatible con que las empresas que ya eran mejores sean también las que rediseñan. En manufactura mexicana, la relación entre adopción y productividad es observacional, no causal.

El corte de datos es corto. El análisis de uso real cubre dos meses. No alcanza para afirmar una tendencia, y el documento se abstiene de proyectar una.

Es un solo proveedor. Todo el desglose de México mide el uso de un producto. Ni OpenAI ni Google publican corte para México, así que la comparación entre proveedores es forzosamente asimétrica.

Y el conflicto de interés es directo. Nuvnext vende diagnóstico de procesos. La conclusión de esta investigación —que hay mercado para un modelo que anteponga el diagnóstico al despliegue de tecnología— es literalmente una descripción de nuestro negocio. Un documento que concluyera lo contrario nos sería comercialmente adverso, y el lector debe asumir que ese incentivo existió mientras se escribía. Lo único que acota el sesgo es el método: toda la evidencia central es de terceros verificables, la evidencia en contra está declarada, y el dato original es reproducible por cualquiera desde fuentes públicas.

Cuándo esto no te sirve

Si tu problema hoy es de volumen, no de proceso. Hay negocios cuyo cuello de botella es que falta gente para hacer más de lo mismo, y ahí una herramienta que acelere sí resuelve. Rediseñar es caro y no siempre es lo primero.

Si nadie en la empresa puede parar el proceso para mirarlo. El rediseño exige que alguien con autoridad detenga la operación el tiempo suficiente para entenderla. Sin esa persona, el diagnóstico se convierte en un documento que nadie ejecuta, y entonces la herramienta rápida era la decisión correcta.

Si estás midiendo esto para presumirlo. Buena parte de la brecha entre la cifra del censo y el 60% se explica porque reportar adopción tiene valor político dentro y fuera de la empresa. Si el objetivo es poder decir que ya se usa IA, cualquier herramienta sirve y esta pieza no aplica.

Qué hacer el lunes

Paso 1 (20 minutos). Elige un solo proceso —uno— y escribe sus pasos en una hoja, en orden, con quién hace cada uno. Si no cabe en una hoja, elige un pedazo más chico.

Paso 2 (15 minutos). Contesta la pregunta 2 de la plantilla sobre cada paso: si desapareciera mañana, ¿qué se rompe? Los pasos donde no se rompe nada son tu primer ahorro, y no necesitan tecnología.

Paso 3 (10 minutos). Escribe qué indicador debería moverse y en cuánto tiempo. Guárdalo con fecha. Es lo único que en tres meses te va a decir si lo que hiciste sirvió — y es el paso que casi nadie da, que es justamente por lo que casi nadie sabe si su IA funcionó.