Argentina y el gran talón de Aquiles tecnológico: por qué está perdiendo en la carrera de la IA

La Argentina posee una de las bases de conectividad más sólidas de América latina, con el 89,2% de la población usuaria de Internet y el 93,4% de los hogares conectados. Estas cifras posicionan al país a la vanguardia regional. Sin embargo, esta alta penetración digital contrasta con una infraestructura crítica aún insuficiente: la cobertura de tecnologías de telefonía móvil de quinta generación (5G) apenas alcanza al 4,8% de la población y el país solo cuenta con siete centros de datos certificados. Este panorama limita la posibilidad de transformar la ventaja digital en escala productiva.

El desafío de la inteligencia artificial (IA) se amplifica, ya que dejó de depender únicamente de algoritmos. Hoy, su desarrollo requiere chips, cómputo, redes, energía, datos confiables y talento especializado. En este contexto, la baja cobertura de 5G, la escasez de centros de datos y una formación profesional por debajo de los líderes regionales exponen una brecha que condiciona la competitividad local y frena el salto hacia aplicaciones avanzadas.

La discusión central ya no es cuántas empresas usan herramientas de IA, sino la capacidad de la Argentina para construir las condiciones que permitan escalar esa adopción. En términos de negocios, el problema no es la falta de interés, sino la distancia entre una conectividad masiva y la infraestructura avanzada que exige la nueva etapa tecnológica.

Según el Índice Latinoamericano de Inteligencia Artificial 2025, elaborado por la Comisión Económica para América latina y el Caribe (CEPAL y el Centro Nacional de Inteligencia Artificial de Chile (ILIA), la Argentina obtuvo 52,98 puntos sobre 100, ubicándose en el grupo de países "adoptantes" con desempeño intermedio. En el ranking regional, el país se sitúa detrás de Chile, Brasil, Uruguay, Colombia y Costa Rica. El dato dimensiona la posición local: la Argentina no arranca desde cero, pero tampoco integra el bloque que lidera la carrera regional.

Factores habilitantes: fortalezas relativas y déficits

En factores habilitantes, que comprenden infraestructura, datos y talento humano, el país registró 50,3 puntos, por encima del promedio regional de 43,81. En infraestructura, alcanzó 52,17 puntos, también superior a la media, aunque lejos de Brasil, Uruguay y Chile, los únicos países que superan los 60 puntos en esta dimensión.

La conectividad se presenta como una fortaleza relativa. Además de la alta proporción de usuarios y hogares conectados, la Argentina registra 63,62 Mbps de velocidad promedio de descarga móvil. También se destaca en puntos de intercambio de tráfico de Internet (IXP): el informe releva 28, un activo relevante para reducir latencia, mejorar la eficiencia del tráfico y fortalecer el ecosistema local.

No obstante, esta base no es suficiente para cubrir todos los requerimientos de la inteligencia artificial. La cobertura 5G del 4,8% deja al país muy por debajo de República Dominicana, Brasil, México, Guatemala, Perú y Chile. Para aplicaciones que demandan baja latencia, alta densidad de dispositivos conectados y procesamiento distribuido, el retraso en redes móviles de nueva generación opera como un límite concreto.

Existe también una tensión en la banda ancha fija. La Argentina tiene una alta penetración de hogares conectados, pero la canasta básica de este servicio representa el 13,75% del ingreso nacional bruto per cápita, uno de los valores más altos de la región. Hay acceso, pero el costo relativo de la conectividad es un factor que puede afectar la adopción masiva de tecnologías digitales más sofisticadas.

El cuello de botella en cómputo y centros de datos

El punto más sensible se encuentra en la capacidad de cómputo. En ese indicador, la Argentina obtiene 34,9 puntos, por encima del promedio regional de 21,31, pero lejos de Brasil, que lidera con 58 puntos, y de Uruguay, con 50,3. En volumen bruto de cómputo de alto rendimiento, el país aparece segundo en la región con 8.582 teraflops por segundo. Sin embargo, Brasil concentra más de 121.000 teraflops, lo que implica más del 90% de la capacidad regional.

La diferencia expone la magnitud del desafío. La adopción de IA generativa puede avanzar rápido en empresas y usuarios finales, pero entrenar, ajustar o desplegar modelos avanzados requiere infraestructura de procesamiento, GPU, centros de datos y servicios de nube con escala suficiente. Sin esa base, los países quedan más expuestos a depender de plataformas globales y a capturar una porción limitada del valor.

Los centros de datos son otro indicador crítico. La Argentina aparece con siete centros certificados, frente a 92 de Brasil, 36 de Chile y 30 de Colombia y México. Para una economía que busca atraer inversiones vinculadas a inteligencia artificial, nube, servicios digitales y procesamiento de datos, la brecha muestra una oportunidad, pero también una carencia.

Esta cuestión fue abordada durante el panel "Panorama - Argentina y la región ante el gran salto tecnológico: telecomunicaciones, digitalización e inteligencia artificial", realizado en el Internet Day organizado por la Cámara Argentina de Internet (Cabase) en Buenos Aires. Allí, Carolina Aguerre, codirectora del Centro de Estudios de Tecnología y Sociedad (CETYS) de la Universidad de San Andrés y profesora en la Universidad Católica del Uruguay, propuso llevar el debate sobre la IA más allá del plano abstracto o normativo para observar la infraestructura que sostiene estos sistemas.

La infraestructura como clave de la gobernanza de IA

Aguerre remarcó que la gobernanza de la inteligencia artificial no puede separarse de la infraestructura local y global que hace posible su funcionamiento. La especialista hizo foco en la concentración del poder tecnológico en pocos actores globales.

"Nvidia es una empresa que diseña chips, que ni siquiera los produce, y tiene más valor que otras empresas históricas que han estado en el ecosistema digital contemporáneo", señaló. Para Aguerre, esos puntos de control (chips, centros de cómputo, plataformas de nube y modelos) son también lugares donde se define la capacidad real de gobierno o regulación sobre la IA.

La observación tiene un impacto directo en América latina. La región puede adoptar herramientas de IA, desarrollar aplicaciones y formar talento, pero si no cuenta con infraestructura de cómputo suficiente queda expuesta a una nueva dependencia tecnológica. El riesgo no es solo económico, sino también regulatorio, geopolítico y productivo.

Capital humano y la necesidad de una cultura digital

El segundo límite es el capital humano: la Argentina obtiene 40,59 puntos, por encima del promedio regional de 37,32, pero lejos de Chile, Uruguay y Costa Rica. El país exhibe un buen desempeño en alfabetización en IA, con 67,6 puntos, pero cae al medir formación profesional y especialización.

En concentración de habilidades de inteligencia artificial en perfiles profesionales, la Argentina aparece tercera en la región, con una proporción del 0,302% de usuarios de LinkedIn con competencias vinculadas a ingeniería en IA. Es un dato positivo en términos relativos, aunque bajo en términos absolutos. En graduados STEM (sigla en inglés por ciencia, tecnología, ingeniería y matemáticas), el país registra 14,81%, por debajo del promedio regional, que ronda el 18%.

Sylvia Edith Testa, directora del Centro IA de la Universidad CAECE, puso el foco en este problema durante su exposición en el Internet Day. Para la especialista, la adopción de inteligencia artificial no puede limitarse a incorporar herramientas en las empresas, ya que exige un cambio organizacional más profundo.

"Necesitamos reemplazar la cultura organizacional tradicional por una cultura digital que incorpore datos, procesos y confianza en el uso de inteligencia artificial", afirmó Testa. Y advirtió que muchas compañías ya implementan modelos de IA porque la competencia las presiona, pero esto no significa que hayan resuelto los problemas de datos, procesos, capacidades y confianza.

"Se necesitaba entender que se necesitaban datos, y gente que nos diera esos datos", señaló. La frase apunta a una condición básica: sin datos confiables y equipos preparados para administrarlos, la IA se restringe a usos superficiales o pruebas piloto.

La importancia de la confianza y el talento especializado

Testa también identificó uno de los mayores frenos dentro de las organizaciones: "Una de las mayores resistencias que tienen las empresas es la confianza. No se tiene el 100% de confianza a los algoritmos". Esta desconfianza afecta la posibilidad de llevar la IA a áreas críticas del negocio, como finanzas, logística, salud, educación, telecomunicaciones, industria o atención al cliente.

Para escalar, las empresas necesitan gobierno de datos, trazabilidad, criterios de uso responsable, formación interna y equipos capaces de interpretar resultados. En esa línea, Testa planteó la necesidad de "repensar las estrategias de la fuerza laboral colocando a los hombres en el centro" y fomentar un esquema de trabajo colaborativo, con la IA como copiloto.

La especialista también enumeró los perfiles y capacidades que serán necesarios:

• Formación cuantitativa.
• Matemática.
• Estadística.
• Conocimientos analíticos.
• Programación avanzada.
• Sistemas de información.
• Infraestructura.
• Seguridad.
• Gestión de recursos.
• Comprensión de tecnologías emergentes como Internet de las cosas, robótica o biotecnología.

Datos: una ventaja relevante a transformar en valor

La Argentina se posiciona mejor en el área de datos. El Índice Latinoamericano de Inteligencia Artificial (ILIA) le asigna 58,57 puntos en esta subdimensión, cerca del umbral de ecosistemas avanzados y por encima del promedio regional. En disponibilidad de datos obtiene 55,04 puntos; en capacidades, 60,10; y en gobernanza, 60,56.

Esta es una ventaja relevante, ya que los datos son la materia prima de la inteligencia artificial. No obstante, el informe advierte que América latina produce grandes volúmenes de información pública, privada y social que muchas veces no está disponible, estandarizada o preparada para alimentar soluciones de IA.

La brecha entre generación y disponibilidad de datos puede afectar el desarrollo de soluciones locales, reducir la transparencia y limitar el avance de modelos adaptados a las realidades regionales. En términos de negocios, también puede dificultar la adopción en sectores que necesitan datos confiables y bien gobernados para automatizar decisiones.

Aguerre planteó que América latina no parte desde una hoja en blanco. "Tenemos en realidad un camino recorrido. Hay una conversación recorrida. No es que no entendemos nada de esto", sostuvo. El desafío, según su mirada, es transformar esa conversación en capacidades concretas: infraestructura, estándares, inversión, cooperación regional y reglas aplicables por sector.

La regulación sectorial como eje de negocios

En este punto, la regulación aparece como otro eje de negocios. Aguerre cuestionó la idea de que regular frena necesariamente la innovación. "Hay industrias que están altamente reguladas y que intervienen, por ejemplo, en la salud humana, y son industrias también altamente exitosas comercial y económicamente", afirmó.

Para la especialista, la pregunta no es si regular o no, sino cómo diseñar reglas que permitan innovación, seguridad y adopción responsable. En países como la Argentina, la vía más probable podría ser la regulación sectorial: salud, educación, transporte, finanzas, telecomunicaciones, administración pública o servicios críticos.

La Argentina cuenta con una base digital relevante, buenos niveles de conectividad, un ecosistema tecnológico activo, universidades, talento profesional y cierta capacidad de cómputo. Sin embargo, el salto hacia una economía de inteligencia artificial requiere resolver varios cuellos de botella al mismo tiempo.

• El primer desafío es ampliar la infraestructura avanzada: 5G, fibra, centros de datos, nube, GPU, energía disponible y redes de baja latencia.
• El segundo es fortalecer la formación de talento especializado, no solo en programación, sino también en estadística, datos, seguridad, ética, infraestructura y gestión de proyectos de IA.
• El tercero es convertir la disponibilidad de datos en valor económico, con mejores estándares, gobernanza y calidad.

Será necesario también definir reglas sectoriales que ofrezcan previsibilidad sin bloquear la innovación. Las empresas necesitan saber bajo qué condiciones pueden usar IA en procesos críticos, cómo gestionar riesgos, qué responsabilidades asumen y qué estándares deben cumplir.