Hace no tanto, tener acceso a la inteligencia artificial (IA) generativa era una ventaja. Hoy cualquier empresa, desde la gran corporación hasta la pyme, puede probar herramientas que antes estaban reservadas a unos pocos. Precisamente por eso, el acceso ha dejado de marcar la diferencia. Lo que separa a unas organizaciones de otras es lo que deciden hacer con la tecnología: qué problemas atacan, dónde concentran los recursos, cuánta autonomía conceden a los sistemas y cómo consiguen que un piloto llegue a producción y se mantenga allí.
Esa es la tesis central de AI Top Business Leaders 2026: Liderando la transformación de IA en México, un estudio de MIT Technology Review en español, publicado por Opinno y patrocinado por Oracle. El equipo editorial preseleccionó 50 perfiles del ecosistema empresarial mexicano y entrevistó a 25 líderes de la banca, los seguros, el consumo, las telecomunicaciones, los medios, la distribución, la farmacéutica y la educación: de BBVA México y Nu México a Grupo Bimbo, América Móvil, TV Azteca o el Tecnológico de Monterrey.
En esta serie publicamos sus entrevistas completas. Este artículo es una guía para leerlas.
Del piloto al proceso completo
La primera lección es que automatizar tareas sueltas no basta. Casi todos los entrevistados llevan la conversación hacia algo más ambicioso: revisar el proceso completo y preguntarse cómo funcionaría si la IA hubiera estado disponible desde el principio.
El caso más radical es el de Kavak. Alejandro Maza cuenta que su primera estrategia fue impulsar copilotos y chatbots entre la plantilla, pero que a las dos semanas concluyó que sería más fácil construir agentes y rehacer la empresa a su alrededor que reentrenar a 6.000 personas. "Estás volando y, de repente, quieres reconstruir el avión a la mitad", resume. Entre marzo de 2024 y diciembre de 2025, la compañía duplicó sus transacciones en México.
Rodrigo García Jacques, director general de Spin, formula la misma idea desde otro ángulo: el objetivo no es recortar plantilla, sino ganar velocidad. "No quiero cinco veces menos personas; quiero cinco veces más throughput", afirma. García Jacques asegura haber visto tareas que antes requerían dos semanas resolverse en cuatro o cinco horas.
Elegir, gobernar y medir
La facilidad para experimentar ha abaratado el arranque de los proyectos, pero no el esfuerzo de sostenerlos. Por eso, las empresas que avanzan con más claridad son las que eligen. En Grupo Bafar, una petición de 1.500 licencias de un proveedor de IA se detuvo hasta que quedó claro qué objetivo estratégico perseguía y qué retorno se esperaba. En Bayer de México, según explica Daniel Londero, director general de su División Farmacéutica, todos los directivos tienen objetivos concretos de implementación de IA en sus compromisos anuales.
El respaldo de la alta dirección legitima la transformación, pero no la sustituye. Alejandro Zárate, Chief Data and Artificial Intelligence Officer (CDAIO) de Santander México, lo expresa así: "Esta transformación no es responsabilidad de Data & AI, sino del negocio y de todas las áreas". Con la llegada de los sistemas agénticos, capaces de ejecutar tareas con supervisión humana, gobernar deja de consistir en aprobar herramientas. Las entrevistas describen modelos compartidos: plataformas, arquitectura y riesgo se gestionan desde el centro, mientras que el conocimiento del problema y la responsabilidad por los resultados se quedan cerca de la operación.
Todas las organizaciones analizadas forman a sus equipos y amplían el acceso a la IA. Pero la alfabetización general se queda corta si no se conecta con las decisiones de cada función. Formular bien un problema, evaluar una respuesta y saber cuándo intervenir pesan más cuando generar un primer borrador ya no exige conocimientos técnicos. Hernán Garza, Head of AI and Innovation de Farmacias del Ahorro, lo condensa en una frase: "La tecnología avanza a una velocidad, pero las organizaciones avanzan a la velocidad de la confianza".
Queda, por último, demostrar el valor. La productividad y la eficiencia aparecen en casi todas las entrevistas, pero convertirlas en retorno financiero es otra cosa: 10 de los 25 líderes reconocen que les cuesta atribuirlo y solo 4 aseguran haberlo cuantificado ya. Rodrigo Becerra, vicepresidente ejecutivo de Tecnología (CIO) de TelevisaUnivision, lo resume sin rodeos: "La actividad no denota éxito: tienes que dar el resultado".
Un avance que aún no llega a todos
El estudio sitúa a México entre los mercados más activos de América Latina en adopción de IA. Según el Índice Latinoamericano de Inteligencia Artificial 2025, de la CEPAL y el CENIA, el país supera el promedio regional en adopción e innovación, pero queda por debajo en gobernanza. A esa diferencia se suman brechas de talento, de digitalización y de tamaño empresarial.
La oportunidad, concluye el informe, no pasa por competir en el desarrollo de los modelos más grandes, sino por combinar tecnología global con datos, conocimiento sectorial y experiencia local para crear aplicaciones difíciles de copiar. El reto es que lo aprendido no se quede en un puñado de empresas pioneras y llegue al resto del tejido productivo.
Los 25 protagonistas no piensan igual: unos aceleran y otros piden prudencia; unos construyen internamente y otros se apoyan en proveedores. Esa diversidad es, quizá, lo más útil de la serie: no ofrece un manual, sino 25 formas de afrontar las mismas preguntas.
Si quiere conocer las siete claves del estudio, sus principales hallazgos y la agenda de seis acciones que propone para convertir la adopción en capacidad de transformación, descargue el informe completo AI Top Business Leaders 2026: Liderando la transformación de IA en México al final de esta página.