La adopción de inteligencia artificial en el entorno corporativo avanza más rápido que la capacidad de las organizaciones para entender qué está ocurriendo dentro de sus propios sistemas. El uso de IA creció 50% durante el último año y casi la mitad de los trabajadores (45%) ya utiliza herramientas de IA generativa como ChatGPT y Microsoft Copilot en su trabajo, de acuerdo con el reporte Talent Trends 2026 de Michael Page. Sin embargo, ese crecimiento no está acompañado de visibilidad ni control.
Falta de visibilidad en las empresas mexicanas
El reporte AI in Motion: Orchestrating AI at Scale for Sovereignty and Resilience, elaborado por IBM en colaboración con la Fundación del Futuro de Dubái a partir de más de 1,000 entrevistas a ejecutivos de nivel C en más de 20 geografías e industrias, encontró que apenas el 20% de las empresas en México sabe con precisión qué herramientas o funcionalidades de inteligencia artificial operan dentro de su organización y cómo se integran dentro de su estructura tecnológica. Además, solo el 13% mantiene un inventario formal de estos sistemas.
Riesgos del uso de IA sin gobernanza
“Todos queremos utilizarla y a veces usamos inteligencia artificial que no está permitida por la organización”, dijo Luis Felipe Guzmán, líder de datos e inteligencia artificial de IBM México. El especialista advirtió que este uso no gobernado puede generar riesgos reputacionales y económicos para las empresas. El propio reporte de IBM cuantifica el impacto: las compañías con ingresos superiores a los 20,000 millones de dólares enfrentan pérdidas promedio de 140 millones de dólares por irregularidades asociadas al uso de IA, y el 48% de estos casos se origina en fallas de gobernanza.
Este fenómeno, conocido como Shadow AI, engloba el uso no autorizado de herramientas como ChatGPT, Claude, Gemini, Microsoft Copilot o Midjourney sin aprobación formal ni evaluación de riesgos por parte de las empresas. Según Gartner, para 2026 más del 80% de las empresas habrá utilizado modelos o APIs de IA generativa sin una gobernanza adecuada, mientras que nuevas funciones de IA se incorporan a software ya autorizado sin notificación, ampliando la “IA en la sombra” dentro de los propios sistemas corporativos.
Barreras para la adopción controlada
Aunque la inversión en inteligencia artificial en México creció 107% en un año, la adopción de sistemas avanzados sigue limitada. Enrique Upton, vicepresidente y gerente general para el norte de Latinoamérica de Service Now, resume el problema como una brecha entre ambición y ejecución. La primera barrera es la infraestructura heredada, pues el 57% de los ejecutivos identifica la integración con sistemas legacy como un obstáculo central. “No se pueden construir flujos de trabajo autónomos sobre sistemas que no fueron diseñados para comunicarse entre sí”, explicó Upton.
La segunda es la calidad de los datos: el 69% de las organizaciones en México señala problemas de precisión, acceso y gestión de la información. En sistemas de IA agéntica, donde los modelos actúan de forma autónoma, cualquier fragmentación o error se amplifica a escala. La tercera es la gobernanza: el 65% de los ejecutivos reconoce falta de transparencia en sus sistemas de IA, mientras que solo el 21% ha implementado procesos de auditoría y evaluación de riesgos. “La IA autónoma sin gobernanza no es transformación, es riesgo a escala”, advirtió Upton.
Impacto en ciberseguridad y productividad
Gartner estima que casi la mitad de las brechas de ciberseguridad empresariales en los próximos años estarán relacionadas con Shadow AI, impulsadas no por incumplimiento deliberado, sino por la velocidad de adopción frente a la falta de herramientas seguras proporcionadas por las empresas. De acuerdo con Upton, avanzar hacia la IA agéntica requiere una secuencia clara: modernizar los datos, pasar de la automatización aislada a la orquestación entre áreas, incorporar gobernanza desde el diseño e invertir en talento. Hoy, solo el 15% de las organizaciones mexicanas ha logrado integrar flujos de trabajo entre funciones de negocio.
Orquestación de IA como solución
Ante este escenario, la orquestación de IA aparece como una alternativa estructural. IBM la define como la capacidad de centralizar el uso de herramientas mediante sistemas que deciden cuándo y cómo utilizar cada modelo en función de costos, objetivos y políticas internas. Las empresas que la implementan reportan hasta seis veces mayor productividad, aunque apenas el 3% de los ejecutivos en México cuenta hoy con una plataforma de este tipo. El 70% de los ejecutivos consultados por IBM consideró que una arquitectura “segura por diseño” es la vía más efectiva para escalar la IA, pero la brecha entre intención y ejecución refleja que la tecnología avanza más rápido que la regulación.
