La adopción de inteligencia artificial se concentra todavía en etapas iniciales, según una encuesta realizada por Sectoriales Tech entre especialistas de su comunidad. El 38.7% asegura que su organización mantiene un uso exploratorio e individual de estas herramientas y otro 30.7% desarrolla pilotos en áreas específicas sin escalamiento transversal. A la vez, para 16.1% la IA todavía no forma parte de la agenda prioritaria, una señal de que su incorporación tampoco avanza de manera homogénea entre las organizaciones.
En los niveles de mayor madurez, los porcentajes caen con fuerza. Solo 12.9% reporta IA integrada en procesos críticos o de alto impacto y apenas 1.6% declara casos en producción con métricas de negocio definidas.
Las principales barreras están fuera de la tecnología
Los problemas de talento, adopción interna o cambio cultural aparecen como el principal obstáculo para escalar la IA, con 25.8%. Los casos de uso sin un retorno claro representan 17.7%, mientras el presupuesto limitado o la baja prioridad del directorio alcanza 16.1%.
Estas tres respuestas concentran 59.6% y tienen un denominador común: dependen de capacidades, decisiones y prioridades organizacionales. En comparación, los factores vinculados directamente con datos y tecnología suman 29%. Un 14.5% menciona calidad, disponibilidad o fragmentación de la información y una proporción idéntica, dificultades de integración con sistemas y procesos existentes.
El escalamiento depende así de condiciones que las áreas de tecnología no controlan por sí solas. Un caso técnicamente viable puede quedar limitado si no demuestra suficiente valor para el negocio, no consigue adopción dentro de la organización o carece del respaldo necesario para extenderse más allá de un piloto.
Los datos concentran el principal riesgo asociado a la IA
Escalar la IA también obliga a reforzar los controles sobre su uso. La fuga de información sensible o datos confidenciales encabeza las preocupaciones para los próximos 12 meses, con 37.7%. El 24.6% pone el foco en las decisiones automatizadas sin trazabilidad ni responsables claros, mientras los errores, sesgos o respuestas inexactas en procesos críticos alcanzan 18%.
Los riesgos vinculados con el uso y control de la IA pesan más que las amenazas dirigidas específicamente contra los modelos. El prompt injection, los agentes maliciosos o la manipulación de modelos representan 11.5%, mientras el uso de herramientas no autorizadas o shadow AI llega a 8.2%.
Esto amplía el trabajo de seguridad hacia ámbitos que antes podían quedar fuera de su perímetro inmediato: quién puede utilizar determinados datos, qué acciones puede ejecutar un sistema automatizado, cómo se registran sus decisiones y quién asume responsabilidad por ellas.
La ciberseguridad mantiene sus prioridades estructurales
Aunque la IA incorpora nuevos riesgos, las prioridades de inversión siguen concentrándose en frentes tradicionales de ciberseguridad. La gestión de vulnerabilidades y actualización de sistemas ocupa el primer lugar para lo que resta del año, con 25.4%, seguida por seguridad en nube, aplicaciones y arquitectura tecnológica, con 19.1%.
La seguridad específica para modelos, datos y herramientas de IA alcanza 15.9%, el mismo porcentaje que la protección frente a ransomware, phishing y amenazas potenciadas por IA. Más atrás aparecen respuesta a incidentes, continuidad operativa y recuperación, con 12.7%, e identidad digital, accesos privilegiados y autenticación, con 11.1%.
La protección de la IA se incorpora, entonces, a una agenda que ya exige atender vulnerabilidades, arquitectura, identidades y capacidad de recuperación. Para los equipos de seguridad, el reto es sumar controles sobre modelos y datos sin desplazar inversiones que siguen siendo básicas para reducir exposición y sostener la operación.
La medición del valor se concentra en resultados operativos
Además de las prioridades de inversión, la encuesta muestra cómo las organizaciones evalúan el aporte de tecnología al negocio. El 23% utiliza ahorros, eficiencia operativa o automatización como principal indicador de valor, mientras 18% toma como referencia la continuidad, disponibilidad y reducción de riesgos. Otro 14.8% se enfoca en productividad interna y adopción de usuarios.
Así, 55.8% mide principalmente resultados asociados con eficiencia, resiliencia o desempeño interno. La vinculación directa con el crecimiento tiene menor peso: nuevos ingresos, expansión comercial o mejora de la experiencia del cliente son la principal referencia para 14.8% de los consultados.
El mayor vacío está en la ausencia de un criterio común. Un 23% reconoce que su organización no cuenta con una medición clara o compartida con el negocio. Ese resultado dialoga con otra respuesta de la encuesta: 17.7% identifica los casos de uso sin retorno claro como una de las principales barreras para escalar IA. No implica que una situación explique la otra, pero ambas muestran que traducir la inversión tecnológica en valor demostrable sigue siendo un frente pendiente.
La encuesta, respondida por 63 especialistas en tecnología de la comunidad de Sectoriales Tech, muestra que la madurez no se define solo por cuántos casos de IA están en marcha. También pasa por la capacidad de llevarlos a procesos relevantes, establecer controles sobre su uso y demostrar con métricas compartidas qué valor generan para el negocio.
