El interés de las pymes peruanas por la inteligencia artificial está creciendo más rápido de lo previsto, pero su capacidad para sostener esa adopción aún muestra importantes limitaciones. Así lo revela el informe Future of SMB 2025 de ASUS: aunque el 83% de estas empresas afirma estar listo para incorporar IA, el estudio también advierte que el 23% enfrenta tiempos de inactividad recurrentes por fallas de hardware.
En paralelo, el 43% de las organizaciones identifica el mantenimiento y las actualizaciones como uno de sus principales desafíos tecnológicos.
Esa tensión ayuda a entender mejor el momento actual de la digitalización de las pymes. Más allá del optimismo que suele rodear a la inteligencia artificial, la disposición para adoptarla existe, pero la infraestructura no siempre acompaña ese proceso. Como explica Gabriel Bahamondes, Technical Marketing Coordinator de ASUS Latinoamérica, esta brecha no responde solo a una falta de interés, sino a una realidad estructural: muchas pymes no cuentan con equipos internos de TI, operan con recursos limitados y dependen de servicios externos o de la nube para incorporar nuevas herramientas.
Por eso, sería un error reducir la implementación de IA a la simple instalación de un software o a la capacitación del personal. También implica revisar la continuidad operativa, la actualización tecnológica y la solidez de una infraestructura realmente preparada para dar el siguiente salto digital. Para profundizar en estos hallazgos, Sectoriales Tech conversó en exclusiva con Gabriel Bahamondes.
Sabiendo que existe una amplia brecha entre las pymes peruanas que quieren implementar inteligencia artificial y aquellas que realmente están preparadas para hacerlo, ¿en qué momento esa preparación responde más a un deseo que a una capacidad operativa real?
Lo primero que hay que entender es que, por su propia naturaleza, muchas pymes no cuentan con un área interna de tecnología suficientemente desarrollada. Al tener estructuras más pequeñas, en muchos casos dependen de servicios tercerizados o de soporte externo para atender sus necesidades de TI.
Eso hace que los fallos de hardware no necesariamente respondan a una falta de capacidad tecnológica, sino, muchas veces, a problemas más cotidianos: caídas, daños físicos o equipos que no están preparados para soportar las exigencias del trabajo diario. Y cuando una pyme no tiene un equipo técnico propio que pueda reparar esos dispositivos con rapidez, se generan interrupciones que afectan directamente la continuidad operativa.
Ahora bien, cuando hablamos de preparación para adoptar inteligencia artificial, el tema se vuelve un poco más complejo. Hoy podemos distinguir, al menos, dos grandes frentes. Por un lado, está la inteligencia artificial que opera desde la nube, que es la que más se ha masificado hasta ahora. Por otro, están los flujos de trabajo basados en inteligencia artificial que requieren capacidades de procesamiento dentro del propio dispositivo.
¿Dirías que hoy el principal freno para escalar la IA en las pymes no está en la voluntad, sino en la base tecnológica que debe sostenerla?
Sí, justamente ahí aparece una limitación vinculada a la disponibilidad de recursos, tiempo y estructura interna. En las pymes, los equipos suelen ser reducidos y, por lo tanto, cada persona asume múltiples funciones. En ese contexto, invertir en infraestructura —aunque sea importante— se vuelve más difícil, porque no solo exige presupuesto, sino también personal capacitado para administrarla.
Además, implementar infraestructura orientada a inteligencia artificial es complejo, sobre todo cuando se trata de ejecución local, ya que ese tipo de tareas demanda una gran capacidad de recursos. Eso ocurre, por ejemplo, cuando se trabaja con servidores o con entornos de procesamiento más avanzados.
En el caso de laptops y equipos empresariales, hoy ya existen alternativas que permiten ejecutar ciertos flujos de trabajo de inteligencia artificial directamente en el dispositivo. Y eso puede representar una ventaja importante, especialmente en términos de seguridad, porque reduce la dependencia exclusiva de la nube.
El estudio señala que el 23% de las pymes ya reporta interrupciones frecuentes por fallas de hardware. Más allá de los modelos de IA más conocidos, ¿qué impacto concreto tiene este problema en la productividad y en la capacidad de adoptar herramientas más sofisticadas?
Las caídas de productividad asociadas a fallas de hardware responden, en gran medida, a que muchas pymes no siempre invierten en la tecnología adecuada para sus necesidades. Y cuando hablamos de tecnología adecuada, no nos referimos únicamente al rendimiento del equipo.
Una computadora puede ser muy potente en términos de desempeño, pero en un entorno empresarial también se necesita fiabilidad en el largo plazo. Lo que una pyme requiere es contar con equipos preparados para mantenerse operativos de forma continua, prácticamente 24/7.
Ahí aparece una diferencia importante entre los equipos de consumo —como las laptops que cualquier persona puede comprar en una tienda retail— y aquellos diseñados para uso empresarial. Los primeros están pensados para productividad general o entretenimiento, pero no necesariamente para soportar jornadas de trabajo prolongadas o de alta exigencia.
En cambio, los equipos corporativos suelen ofrecer mayor confiabilidad a lo largo del tiempo. Esto responde, por ejemplo, a una mejor gestión de los recursos energéticos, a estándares de prueba más rigurosos y a una preparación superior para resistir el desgaste propio del entorno laboral. En otras palabras, están diseñados para durar más.
Es cierto que este tipo de equipos exige una inversión inicial mayor que una laptop de consumo. Pero justamente ahí radica la lógica de una decisión inteligente: al ofrecer una vida útil más larga, ese mayor desembolso inicial se amortiza con el tiempo y termina generando más valor para la empresa en el largo plazo.
¿Cuáles son los riesgos de postergar indefinidamente esa inversión?
Cuando una pyme posterga esa inversión o no le da la importancia adecuada a sus recursos tecnológicos, se expone a fallas de hardware asociadas al uso intensivo, al desgaste o a una manipulación poco cuidadosa. Y esas fallas terminan generando interrupciones en la productividad que, al final, se traducen en pérdidas económicas.
Por ejemplo, si una persona del área comercial pierde su computadora y en ella tenía información clave para contactar clientes o revisar datos relevantes del negocio, el impacto puede ser considerable. En una pyme, donde normalmente hay menos personal y menor capacidad de reemplazo, esa pérdida de productividad se siente con mucha más fuerza.
El daño, además, se produce por varias vías al mismo tiempo. Primero, por haber invertido en un equipo que puede fallar más rápido. Segundo, porque ese dispositivo probablemente no cuenta con soporte especializado, algo que sí suele estar disponible en equipos de uso empresarial. Y tercero, por el tiempo que se pierde mientras no es posible contactar clientes, recuperar información o retomar tareas críticas.
Al final, todo eso deriva en procesos que se retrasan y en un impacto económico directo sobre el desempeño del negocio. Ese es, probablemente, el mayor costo de no invertir de manera inteligente en recursos de TI.
Si una pyme peruana quisiera empezar este año un proceso serio y de largo plazo para incorporar inteligencia artificial, ¿cuáles deberían ser sus prioridades inmediatas?
Yo diría que la prioridad más inmediata es la capacitación. Y no solo de algunos usuarios, sino de toda la estructura humana de la empresa.
Es fundamental que las personas entiendan cómo funciona la inteligencia artificial para identificar en qué procesos puede aportar más valor a su trabajo. Invertir primero en infraestructura puede ser complejo, sobre todo porque muchas pymes no cuentan con un área de TI capaz de sostener esa implementación desde el inicio. En cambio, la capacitación suele ser una alternativa más accesible y permite que cada miembro del equipo explore cómo integrar estas herramientas en su propio flujo de trabajo.
Además, hay soluciones de IA que resultan mucho más útiles para ciertas áreas o perfiles dentro de la empresa. En muchos casos, ni siquiera exigen infraestructura física adicional, sino simplemente software o servicios en la nube, siempre que se utilicen de manera inteligente.
Y la capacitación no debería limitarse a enseñar cómo usar estas herramientas. También debe incluir criterios para implementarlas de forma segura. Hoy los riesgos asociados a estafas, hackeos o ataques de ingeniería social son cada vez más frecuentes, por lo que cualquier empresa que quiera avanzar en inteligencia artificial debe incorporar, desde el inicio, la dimensión de seguridad.
