Hace unos meses tuve una conversación con un inversionista que me preguntaba por qué Latinoamérica no estaba construyendo sus propios modelos de IA como DeepSeek en China. Le mostré un dato del último reporte de CEPAL: usamos el 14% de las soluciones de IA del mundo, siendo solo el 11% de los usuarios de internet globales. Pero recibimos únicamente el 1.12% de la inversión global en IA.

Me miró sorprendido. «Suena a que Latam va a perder la carrera», dijo.

Le respondí: «Depende de qué carrera estás intentando ganar.»

Resulta que las restricciones de capital en Latinoamérica nos salvaron de cometer el error más caro de nuestra historia: competir en las capas equivocadas del Stack Tecnológico de la IA.

La paradoja que nadie conecta

Los números cuentan una historia extraña. Según el Índice Latinoamericano de Inteligencia Artificial (ILIA 2025) de CEPAL, Latinoamérica representa el 14% de las visitas globales a soluciones de IA, a pesar de ser solo el 11% de los usuarios de internet del mundo. Estamos sobre-indexando en adopción.

Pero al mismo tiempo, recibimos apenas el 1.12% de la inversión global en IA, a pesar de que representamos el 6.6% del PIB mundial. Estamos sub-invirtiendo dramáticamente.

Mientras tanto, el mercado de IA en la región está proyectado para crecer de $4.71 mil millones en 2024 a $30.2 mil millones en 2033, según IMARC Group. Una tasa de crecimiento anual del 22.9%.

La narrativa dominante dice que esto es un problema: «Latinoamérica se está quedando atrás en IA. Mientras Estados Unidos y China invierten miles de millones en centros de datos y modelos fundacionales, nosotros apenas recibimos las sobras de la inversión global.» Pero esa narrativa está mirando la carrera equivocada.

El ecosistema de IA: cinco capas, pero sólo una importa para nosotros

Como escribí en mi análisis del Nuevo AI Stack, Andrew Ng describe la arquitectura de IA en cinco capas fundamentales. Cada una con dinámicas económicas completamente diferentes.

En la base están los semiconductores: NVIDIA, AMD, Intel. Intensivo en capital, barreras de entrada altísimas. Se requieren miles de millones de dólares y décadas de experiencia en fabricación de chips.

La segunda capa es la infraestructura en la nube: AWS, Google Cloud, Azure. Dominada por gigantes con infraestructura global que nadie puede replicar fácilmente.

La tercera son los modelos fundacionales: OpenAI, Anthropic, Meta. Requiere recursos masivos de entrenamiento y equipos de investigación de clase mundial.

La cuarta es la orquestación agéntica: herramientas como LangChain, CrewAI, AutoGen. Una capa emergente y menos saturada, pero aún muy técnica.

Y en la superficie están las aplicaciones: la capa más diversa, con mayor potencial, donde el valor finalmente llega al usuario final que paga por resolver un problema real.

La lógica económica es simple, como dice Ng: «Casi por definición, las mayores oportunidades tienen que estar en la capa de aplicaciones, porque necesitamos que las aplicaciones generen aún más ingresos para que puedan pagar por toda la infraestructura subyacente.»

En otras palabras: alguien tiene que monetizar todo esto. Y ese alguien opera en la capa de aplicaciones.

Nuestras restricciones nos salvaron

Mientras las capas inferiores del ecosistema consumen miles de millones sin caminos claros a la rentabilidad, nosotros nunca pudimos jugar ese juego. No teníamos el capital necesario para hacerlo.

Y resulta que esa fue nuestra suerte.

Un estudio reciente de MIT NANDA encontró que aproximadamente el 95% de los pilotos de IA empresarial no logran generar impacto medible en resultados financieros. Solo el 5% consigue aceleración de ingresos. Y según S&P Global, el 42% de las empresas abandonaron la mayoría de sus proyectos de IA en 2024, comparado con solo el 17% en 2023.

El problema no es la tecnología. Es que muchas empresas están compitiendo en las capas equivocadas o implementando IA sin rediseñar procesos fundamentales.

Nosotros no tuvimos la opción de cometer ese error. Las restricciones de capital nos forzaron a ser pragmáticos desde el día uno: usar lo que ya existe, enfocarnos en resolver problemas reales, generar valor rápido.

Tenemos algo mejor que capital infinito

La sobre-adopción que muestran los datos de CEPAL no es un accidente. Es señal del hambre que tiene el mercado Latinoamericano.

El reporte ILIA 2025 señala que el uso en la región está «concentrado en herramientas listas para usar de bajo requerimiento técnico». Algunos lo leen como debilidad. Yo lo leo como pragmatismo: las empresas latinas adoptan rápido porque tienen dolores urgentes que resolver, y usan lo que ya existe en lugar de construir desde cero.

Esto es una ventaja estratégica. Mientras otros mercados optimizan procesos ya digitalizados con márgenes incrementales, Latinoamérica tiene miles de problemas masivos sin resolver:

Canales de venta tradicionales completamente analógicos. Cadenas logísticas sin trazabilidad digital. Sectores enteros operando con procesos manuales de hace 30 años. Informalidad masiva que necesita estructura.

Cada uno de estos problemas representa una oportunidad de mercado enorme.

En Yom, por ejemplo, usamos IA para que nuestros clientes vendan más y disminuyan el costo de ventas de sus operaciones comerciales en el canal tradicional. No construimos modelos ni infraestructura. Simplemente usamos lo que ya existe (APIs de modelos fundacionales como los de OpenAI ó Anthropic) y lo exponemos desde la capa de aplicaciones, aprovechando la infraestructura que los gigantes de la nube ya construyeron.

No podríamos competir en esas capas inferiores aunque quisiéramos. Y no necesitamos hacerlo.

La estrategia pragmática funciona

CEPAL reporta en ILIA 2025 que hay una «oportunidad de democratizar la innovación y fortalecer la productividad» precisamente porque las herramientas de IA pueden «generar beneficios significativos en economías de diferentes tamaños y estructuras, siempre que existan entornos favorables para la innovación y el emprendimiento.»

El mercado lo confirma: crecimiento proyectado del 22.9% anual hasta 2033.

La clave está en entender qué construir. No necesitamos el siguiente ChatGPT. Necesitamos los negocios que usan ChatGPT, Claude o Gemini para resolver problemas específicos de Latinoamérica que nadie más entiende como nosotros.

Necesitamos aplicaciones verticales que hablen el idioma de los vendedores en terreno. Que entiendan la informalidad. Que funcionen con conectividad intermitente. Que se integren con sistemas antiguos que nunca van a desaparecer.

Ese conocimiento del contexto local es imposible de replicar desde Silicon Valley.

Lo que aprendí

Cuando empecé a estudiar la IA en profundidad, mi primera reacción fue de preocupación. Veía los miles de millones que se invertían en Estados Unidos y Asia, y pensaba: «Latam no tiene chance. No tenemos el capital para competir en esta carrera.»

Tardé un tiempo en entender que estaba mirando la carrera equivocada.

La carrera no es por construir el mejor modelo fundacional. Esa batalla la van a ganar empresas con acceso a cientos de miles de millones de dólares y los mejores talentos de Stanford y MIT.

La carrera que importa es la de resolver el problema más valioso con la mejor ejecución.

Y ahí, Latinoamérica tiene ventajas reales. Problemas masivos sin resolver que representan oportunidades de mercado enormes. Adopción rápida de herramientas que validan el hambre del mercado. Y restricciones que nos fuerzan a ser pragmáticos en lugar de perseguir modas tecnológicas.

La inversión inteligente no es en modelos. Es en aplicaciones verticales específicas que aprovechan la infraestructura que otros ya construyeron. Es entender problemas locales mejor que nadie. Es una ejecución rápida por sobre la ciencia ficción.

El momento es perfecto

Los modelos fundacionales se están convirtiendo en commodity. GPT-4, Claude, Gemini están disponibles vía API por centavos por token. La diferenciación técnica entre ellos se achica cada mes.

Eso significa que la ventaja competitiva se movió definitivamente de «tener el mejor modelo» a

«resolver el problema correcto con la mejor ejecución.»

Latinoamérica llega al juego exactamente en el momento correcto. Cuando finalmente podemos competir en la capa que importa, sin necesidad de miles de millones en CapEx. Cuando el valor se captura resolviendo problemas reales, no construyendo la tecnología más impresionante.

La pregunta no es si Latam se está «quedando atrás» en IA.

La pregunta es cuántos emprendedores van a entender que llegamos en el momento perfecto, justo cuando la ventaja pasó de capital a ejecución. Justo cuando nuestras restricciones dejaron de ser debilidad y se convirtieron en disciplina estratégica.

El momento es ahora. Pero la ventana es corta.