Un estudio de Fundar, el CEPE de la Universidad Di Tella y el Observatorio Pyme revela que el 42% de las pequeñas y medianas empresas argentinas ya utiliza inteligencia artificial, aunque la mayoría lo hace de forma superficial y sin una estrategia clara.
El investigador principal de Fundar, Daniel Yankelevich, analizó en Canal E el avance de la inteligencia artificial dentro de las pequeñas y medianas empresas argentinas y explicó cuáles son los principales desafíos que enfrenta el sector. El especialista presentó los resultados de una investigación realizada junto al CEPE de la Universidad Di Tella, el Observatorio Pyme y con apoyo del BID, enfocada en la adopción de herramientas de IA dentro de las empresas.
Uno de los datos centrales del estudio muestra que la incorporación de inteligencia artificial ya tiene una presencia importante dentro del entramado pyme argentino. Según explicó Yankelevich, “aproximadamente el 42% de las empresas lo están utilizando”, aunque aclaró que existen diferencias muy marcadas según el sector y el nivel de desarrollo tecnológico.
El especialista sostuvo que medir solamente si una empresa adoptó o no inteligencia artificial resulta insuficiente para entender el verdadero impacto económico. En ese sentido, explicó que la clave está en analizar “para qué se usa, cuál es la profundidad del uso y cuál es el impacto en productividad”.
La investigación detectó que, en la mayoría de los casos, las herramientas de inteligencia artificial se utilizan principalmente para tareas administrativas, marketing, ventas y asistencia operativa. Sin embargo, también comenzaron a aparecer experiencias vinculadas directamente con los procesos productivos, especialmente dentro del sector tecnológico.
Yankelevich explicó que las empresas de software son las que muestran los mayores niveles de adopción. Según detalló, “el nivel de adopción es del 85% y en muchísimos casos ya lo están usando para producción”. Además, remarcó que otros sectores industriales también comenzaron a incorporar IA de manera más acelerada de lo esperado. Uno de los casos que más sorprendió a los investigadores fue el sector textil, donde “se está utilizando en un 47% de las empresas”, principalmente en áreas de gestión, desarrollo de productos y marketing.
A pesar del crecimiento en el uso de estas herramientas, Yankelevich advirtió que la mayoría de las empresas todavía se encuentra en una etapa inicial y poco profunda de adopción tecnológica. Según explicó, la inteligencia artificial todavía se utiliza mayormente como apoyo para tareas cotidianas y no tanto para procesos productivos más complejos. Para el investigador, uno de los principales problemas es que la implementación muchas veces surge de manera desordenada y sin una estrategia empresarial clara. En ese marco, sostuvo que “la adopción es bastante superficial”.
También alertó sobre la falta de capacitación y de estructuras internas específicas para administrar estas herramientas dentro de las compañías. Según detalló, “tres cuartos de las empresas no tienen un sistema de gobierno interno” vinculado al uso de inteligencia artificial. En consecuencia, consideró que el impacto en productividad todavía es limitado porque el uso suele quedar restringido a tareas simples como redactar mails o generar imágenes. Por eso, advirtió que “si la adopción va de abajo hacia arriba y no pasa de eso, es muy difícil que el impacto en productividad sea grande”.
Durante la entrevista, Yankelevich también explicó que muchas veces se asocia la inteligencia artificial únicamente con herramientas masivas como ChatGPT o Claude, aunque el universo empresarial es mucho más amplio. El especialista señaló que existen soluciones aplicadas específicamente a procesos industriales, logística, control de calidad y mantenimiento predictivo. Entre otros ejemplos, mencionó sistemas de reconocimiento de imágenes para detectar fallas en productos o modelos predictivos capaces de anticipar errores en procesos productivos.
Además, explicó que en sectores como software ya comenzaron a desarrollarse herramientas adaptadas específicamente a las necesidades de cada empresa. En ese sentido, destacó que algunas compañías avanzan en procesos de fine-tuning, es decir, en adaptar modelos existentes para construir soluciones propias y agregar valor sobre las herramientas ya disponibles.