La visión de Levie no es aislada. Michal Malewicz, diseñador de productos, refuerza esta percepción al declarar que "los CEOs son los más delirantes con la IA. Desconectados de la realidad". Esta narrativa de la desconexión cobra especial relevancia ante datos concretos que desafían el 'hype'. En los primeros cinco meses de 2026, 115,430 trabajadores tecnológicos fueron despedidos, una cifra casi idéntica al total de 2025, con la IA siendo citada como una causa principal en muchos de estos recortes. Lejos de ser una panacea instantánea, la implementación de la IA está resultando más compleja de lo previsto. Un significativo 42% de las empresas abandonó la mayoría de sus iniciativas de IA en 2025, lo que representa un aumento del 17% respecto al año anterior. Casi la mitad de las pruebas de concepto (PoC) de IA son descartadas antes de alcanzar la producción, y Gartner pronostica que más del 40% de las iniciativas de IA “agentiva” serán canceladas para 2027. HCLTech estima, por su parte, que aproximadamente el 43% de las principales iniciativas de IA empresarial fracasarán en 2026, principalmente porque las organizaciones se mueven a un ritmo que sus capacidades internas no pueden soportar. Paradójicamente, las inversiones en infraestructura de IA son masivas: Microsoft, por ejemplo, invirtió cerca de $35 mil millones en los tres meses previos a septiembre de 2025, lo que subraya la dualidad entre la ambición y la dificultad de ejecución.
Contexto y Antecedentes del Hype de la IA
El optimismo generalizado en torno a la IA no surgió de la nada. La evolución de los modelos de lenguaje grandes (LLM), la mejora en el procesamiento de datos y la capacidad de automatización han alimentado una ola de entusiasmo. Sin embargo, este entusiasmo ha llevado a una situación donde la percepción de la IA en la alta dirección puede diferir drásticamente de la realidad en el terreno. Los CEOs, al estar concentrados en la estrategia y los resultados a gran escala, a menudo reciben informes filtrados y optimizados sobre el progreso de la IA, lo que puede distorsionar su entendimiento de los desafíos operativos.
Estudios de instituciones de prestigio como UC Berkeley, NBER y MIT han comenzado a cuestionar la narrativa de las ganancias de productividad agregadas atribuidas directamente a la adopción de la IA. Estas investigaciones sugieren que aún no existe un vínculo robusto y consistente entre la implementación de la IA y un aumento significativo en la productividad a nivel macroeconómico, estimando que la competencia básica en la mayoría de las tareas no se alcanzará plenamente hasta 2029. De manera similar, un análisis de Harvard Business Review complementa esta perspectiva al señalar que el uso generalizado de la IA, en lugar de eliminar cuellos de botella, simplemente los traslada a los ejecutivos, quienes ahora deben gestionar una nueva capa de complejidad y toma de decisiones. Mientras figuras como Kevin Brunner de JPMorgan han declarado que el sector de la IA ha pasado del "hype a la ejecución y escalado real", otros expertos y analistas continúan advirtiendo sobre una posible "burbuja de la IA", recordando ciclos anteriores de sobrevaloración tecnológica.
Implicaciones Técnicas y Operacionales para el Ecosistema Tech
Para desarrolladores, ingenieros de datos, arquitectos de soluciones y gerentes de producto (PMs), la "psicosis de la IA" de los CEOs se traduce en presiones significativas y expectativas irrealistas. Los prototipos "felices" que los líderes ven son, a menudo, la punta del iceberg, resultado de un trabajo intensivo que implica:
- Preparación y Calidad de Datos: La IA es tan buena como los datos que la alimentan. Esto significa invertir ingentes esfuerzos en recopilación, limpieza, etiquetado y gestión de datos, un proceso laborioso y complejo que no es visible en un demo reluciente.
- Ingeniería de Prompts y Diseño de Interacción: Incluso con modelos avanzados, lograr que la IA genere resultados útiles y alineados con los objetivos de negocio requiere una ingeniería de prompts sofisticada y un diseño cuidadoso de las interacciones, lejos de la simple pulsación de un botón.
- Integración y Escalabilidad: Integrar soluciones de IA en infraestructuras existentes, asegurar su escalabilidad y mantener su rendimiento en producción exige conocimientos técnicos profundos en MLOps (Machine Learning Operations), desarrollo de APIs y gestión de la infraestructura.
- Gobernanza y Ética: Implementar la IA de manera responsable, asegurando la equidad, la transparencia y la privacidad, añade capas de complejidad técnica y legal. El sesgo algorítmico, por ejemplo, no es solo un problema ético, sino un desafío técnico que requiere monitoreo y mitigación constantes.
- Falta de Habilidades: Un obstáculo crítico es la escasez de talento. Según la investigación, el 55% de las empresas mexicanas citan la falta de habilidades como la principal barrera para la adopción de la IA. Esta brecha implica que los equipos existentes se ven sobrecargados o que los proyectos carecen del personal cualificado necesario, contribuyendo a la alta tasa de fracaso de las iniciativas de IA.
Los despidos masivos en el sector tecnológico, algunos directamente atribuidos a la automatización por IA, no solo generan incertidumbre laboral, sino que también pueden afectar la moral y la productividad de los equipos restantes, que se enfrentan a la presión de "hacer más con menos" utilizando herramientas que aún están en fase de maduración. Para los PMs, esto significa gestionar un ciclo de vida de producto más incierto, con un alto riesgo de que las PoC no lleguen a producción, desperdiciando recursos y esfuerzo.
El Panorama de la IA en Latinoamérica: Entre Optimismo y Realidad
La región latinoamericana se encuentra en una encrucijada fascinante respecto a la IA. Por un lado, el optimismo y la ambición son palpables. El mercado de IA en Latinoamérica está valorado en US$12.7 mil millones y proyecta un crecimiento espectacular hasta alcanzar US$504.71 mil millones para 2034, con una Tasa de Crecimiento Anual Compuesto (CAGR) del 37.07% de 2026 a 2034. Este crecimiento está respaldado por la intención de inversión: un contundente 97% de las organizaciones en la región planea aumentar sus presupuestos de IA en los próximos 12 meses, con una tasa de crecimiento promedio del 14%. La confianza en el retorno de la inversión es alta, con el 92% anticipando un ROI positivo, esperando generar US$3 por cada US$1 invertido.
La tasa de adopción de IA en la región es del 40%, aunque se sitúa por detrás de líderes globales como India (59%). Sin embargo, la disposición de los profesionales es notable: el 85% de los latinoamericanos están listos para integrar la IA en su trabajo, superando el 62% a nivel global. Países como México han alcanzado un 65% de madurez en la adopción de IA, mientras que Argentina lidera la adopción de IA generativa con el 68% de sus empresas utilizándola. La confianza pública en la IA también es elevada, con Brasil registrando un 84%, contrastando con la cautela global del 61%.
Sin embargo, la "psicosis de la IA" y sus desafíos no son ajenos a la región. La falta de habilidades, como se mencionó, es una barrera crucial (el 55% de las empresas mexicanas la citan como principal obstáculo). La brecha de infraestructura, el alto costo de implementación para las PyMEs y la fragmentación regulatoria son también impedimentos significativos. De hecho, solo el 17% de las empresas en la región ha establecido marcos claros de gobernanza de IA, lo que subraya un riesgo potencial de implementación acelerada sin las salvaguardas adecuadas.
Regulación y Ética: Un aspecto distintivo y prometedor de Latinoamérica es el avance en la regulación de la IA. Perú ya ha aprobado la primera ley de IA en la región, y países como Brasil, Chile y México tienen propuestas detalladas en discusión. Estos marcos regulatorios buscan ser éticos, centrados en el ser humano y alineados con los derechos fundamentales, adoptando un enfoque basado en riesgos similar al de la Unión Europea. Esto puede ofrecer un camino más seguro y sostenible para la adopción de la IA, mitigando algunos de los riesgos asociados con la prisa por implementar sin control.
Innovación Local y Oportunidades: La región también muestra una fuerte inclinación hacia el open source para el desarrollo de IA, una estrategia inteligente para reducir costos (cinco a siete veces más barato que las alternativas propietarias) y permitir una adaptación local más efectiva. Ejemplos de innovación local incluyen a Roomie IT en México, desarrollando robótica humanoide, y Electronic Cats, enfocada en hardware abierto para IoT, demostrando la capacidad de la región para la co-creación y el desarrollo de soluciones de IA adaptadas a sus propias necesidades y realidades.
La "psicosis de la IA" representa una llamada de atención global. En Latinoamérica, el reto es canalizar el optimismo y el potencial de crecimiento del mercado hacia una implementación estratégica y consciente, aprendiendo de los errores de otras regiones y capitalizando las fortalezas locales, como la propensión al open source y la proactividad regulatoria. La clave estará en que los líderes no solo vean los resultados "felices" de la IA, sino que entiendan y apoyen la complejidad operativa que reside bajo la superficie.
