Madurez de IA en Panamá: lo que dicen los datos, no el discurso

La narrativa dominante sobre inteligencia artificial en Panamá oscila entre el entusiasmo acrítico y la indiferencia. Los eventos empresariales la presentan como la tecnología que va a transformar todo; las empresas que la han probado con resultados tibios la archivan como “interesante pero no prioritaria.” Ninguna de estas posiciones se sostiene con datos. Un estudio de la consultora Elemente, publicado en noviembre de 2025 con una muestra de más de 230 organizaciones, construyó un Índice de Madurez de IA en Panamá que ofrece una fotografía más precisa: el nivel promedio de madurez es 2.3 sobre 5.0 — clasificado como medio. Esto significa que la IA está presente en el discurso y en experiencias iniciales, pero no está integrada como palanca estratégica de negocio en la mayoría de las organizaciones del país.

Los sectores de comunicaciones y tecnología lideran con scores de 3.2 y 3.0 respectivamente, lo cual es esperable — la digitalización era estructural antes de la llegada de la IA generativa. Lo que es más revelador es el comportamiento del resto: sectores como banca, seguros, logística y gobierno — donde la IA tiene aplicaciones de alto impacto — operan mayoritariamente en niveles de experimentación inicial sin arquitectura de soporte. La adopción se apoya más en proveedores externos que en capacidades internas, lo cual limita el aprendizaje organizacional y la captura de valor sostenido. Cuando el conocimiento de cómo funciona la IA reside en el proveedor y no en la organización, cada nueva iniciativa empieza desde cero — sin acumulación de experiencia institucional.

El dato más preocupante del estudio es estructural: solo el 5% de las organizaciones encuestadas cuenta con un marco formal de gobernanza de IA. Esto significa que el 95% restante está experimentando con una tecnología que toma decisiones o informa decisiones sin un marco que defina quién es responsable cuando la IA produce un resultado incorrecto, cómo se valida la calidad de los datos que alimentan los modelos, qué criterios determinan si un caso de uso es apropiado para automatización, o cómo se gestionan los riesgos de sesgo, privacidad y cumplimiento regulatorio. La IA avanza sin arquitectura de control, y esto expone a las organizaciones a riesgos operativos, reputacionales y regulatorios que no están siendo evaluados.

La dimensión de inversión refuerza la brecha entre discurso y acción. Según el mismo estudio, solo el 7% de las organizaciones realiza inversiones altas o muy altas en IA, y apenas el 2% genera más del 5% de sus ingresos mediante soluciones basadas en IA. La IA en Panamá es predominantemente una herramienta de soporte operativo — automatización de tareas repetitivas, chatbots de atención al cliente, asistentes de productividad personal — no un motor de nuevos modelos de negocio, productos o servicios. Esto no es inherentemente problemático — la automatización operativa genera valor real — pero es importante distinguir entre optimización operativa y transformación de negocio, porque las inversiones, los riesgos y las capacidades necesarias son cualitativamente diferentes.

El Índice Latinoamericano de Inteligencia Artificial (ILIA 2025), publicado por la CEPAL en conjunto con CENIA, ofrece contexto regional para esta fotografía local. América Latina concentra el 14% de las visitas globales a soluciones de IA — por encima de su participación del 11% en usuarios de internet — lo que indica un interés desproporcionado respecto a la base digital. Pero la adopción se concentra en consumo de soluciones listas para el usuario final, con bajos requerimientos técnicos. La región consume IA; no la desarrolla ni la adapta a sus contextos específicos en escala significativa. Esta dependencia del consumo tiene implicaciones directas para organizaciones en sectores regulados: las soluciones genéricas de IA no entienden la regulación bancaria de la Superintendencia de Bancos de Panamá, la normativa de seguros de la Superintendencia de Seguros y Reaseguros, ni los procedimientos operativos de la Autoridad del Canal.

Ng (2017), en el “AI Transformation Playbook,” propuso cinco pasos para la adopción de IA en organizaciones: ejecutar proyectos piloto, construir un equipo interno de IA, proveer capacitación amplia, desarrollar una estrategia de IA y establecer comunicación interna y externa. El framework es útil como referencia pero asume condiciones que no son comunes en el mercado panameño: disponibilidad de talento de ML, presupuesto para un equipo dedicado, y una base de datos estructurada y limpia. En la práctica, las organizaciones de la región enfrentan restricciones que el playbook de Silicon Valley no contempla: mercados laborales con escasez aguda de ingenieros de ML (el BID estimó una brecha de 2,000 profesionales especializados en IA en Panamá), bases de datos fragmentadas entre sistemas legacy que no se comunican, y presupuestos que deben justificarse con ROI a corto plazo en mercados donde el costo de oportunidad es alto.

El estudio de CCK Centroamérica y Datalex Latam, con datos de 2,275 personas en siete países de la región, reveló otro aspecto que las organizaciones no pueden ignorar: la percepción de los empleados. En Panamá, más del 60% de los encuestados usa herramientas de IA frecuentemente, pero el 35% considera que las empresas son solo “medianamente responsables” en su uso, y el 25% no tiene certeza de si se aplican principios éticos. Los principales riesgos percibidos son pérdida de empleos (59%), uso excesivo de datos personales (48%) y desigualdad tecnológica (40%). Estas percepciones no son irracionales — reflejan una realidad donde la IA se está implementando sin marcos de gobernanza visibles, sin comunicación transparente sobre su alcance y limitaciones, y sin participación de los trabajadores afectados en el diseño de la implementación.

La ausencia de un marco regulatorio específico para IA en Panamá — documentada por el Observatorio de Políticas de IA de la CAF y Oxford Insights — crea un vacío que las organizaciones están llenando de maneras dispares. Algunas adoptan estándares internacionales como el AI Act europeo como referencia voluntaria. Otras operan sin marco alguno, asumiendo que la regulación llegará eventualmente y que adaptarse entonces será suficiente. Un tercer grupo — predominantemente en banca y seguros — aplica sus marcos existentes de gestión de riesgo operativo y tecnológico a las implementaciones de IA, lo cual es un punto de partida razonable pero insuficiente porque los riesgos específicos de la IA — alucinaciones, sesgo en datos de entrenamiento, drift del modelo, opacidad en decisiones automatizadas — no están cubiertos por los marcos de riesgo tecnológico tradicional.

Hay un patrón que se repite en la adopción de tecnologías en mercados emergentes: la tecnología llega antes que la capacidad organizacional para usarla bien. Esto ocurrió con los ERPs en los años 2000 — las organizaciones compraron SAP o Oracle antes de tener procesos estandarizados que el ERP pudiera soportar, y el resultado fueron implementaciones costosas con beneficios por debajo de lo prometido. Ocurrió con la analítica de datos en los 2010 — las organizaciones compraron herramientas de BI antes de tener datos limpios y gobernados, y el resultado fueron dashboards bonitos con datos cuestionables. La IA corre el riesgo de repetir este patrón: organizaciones comprando soluciones de IA antes de tener los datos, los procesos y las capacidades humanas necesarias para que la IA produzca valor.

La secuencia que produce resultados sostenibles no comienza por la tecnología. Comienza por la pregunta: ¿qué decisión de negocio necesitamos mejorar, y qué datos tenemos para informar esa mejora? Si los datos existen y son de calidad suficiente, la siguiente pregunta es si la IA aporta algo que una analítica más convencional no pueda aportar — porque frecuentemente un modelo de regresión o un análisis descriptivo bien hecho resuelve el 80% de la necesidad sin la complejidad de un modelo de ML. Solo cuando la complejidad del problema justifica la complejidad de la solución tiene sentido invertir en modelos más sofisticados.

Las organizaciones panameñas que están obteniendo valor real de la IA — y las hay — comparten características comunes: empezaron con un problema de negocio concreto, no con la tecnología; invirtieron en calidad de datos antes de invertir en modelos; construyeron capacidad interna en lugar de depender completamente de proveedores; y tienen al menos un sponsor ejecutivo que entiende las posibilidades y limitaciones de la tecnología. Estas condiciones no son glamorosas ni se presentan bien en un evento de innovación, pero son las que determinan si la IA genera valor o genera decepción.

Para organizaciones que quieren pasar de la experimentación al impacto real, una guía realista de IA para empresas medianas con una hoja de ruta de 90 días puede ser un punto de partida más productivo que otro piloto aislado.

El gap entre la madurez 2.3 y una madurez que genere impacto sostenido no se cierra con más herramientas ni con más pilotos aislados. Se cierra con las capacidades organizacionales que soportan cualquier tecnología: datos gobernados, procesos claros, personas capacitadas y liderazgo que entiende qué está comprando. Estas capacidades no son específicas de la IA — son las mismas que determinan el éxito de cualquier implementación tecnológica. Lo que la IA agrega es urgencia: la velocidad a la que esta tecnología se mueve significa que las organizaciones que no construyen estas capacidades ahora van a encontrarse adoptando la próxima ola desde la misma posición de fragilidad — con más herramientas, pero sin más capacidad de usarlas bien.

Referencias

• Americas Market Intelligence. (2023). AI Adoption in Latin America.
• CAF & Oxford Insights. (2023). Observatorio de Políticas de IA en América Latina.
• CCK Centroamérica & Datalex Latam. (2025). Percepciones del uso de la Inteligencia Artificial en las empresas. Investigación regional, 7 países.
• CEPAL & CENIA. (2025). Índice Latinoamericano de Inteligencia Artificial (ILIA 2025).
• Elemente. (2025). Nivel de Madurez del Uso de la Inteligencia Artificial en Panamá. Noviembre 2025.
• Ng, A. (2017). AI Transformation Playbook. Landing AI.