Cuatro de cada diez pymes argentinas ya usan IA, pero pocas miden su impacto
Crece la adopción de la Inteligencia Artificial entre las pymes argentinas pero faltan talento, estrategia y reglas internas. Datos de la encuesta nacional sobre adopción de IA en PYMES, elaborada por nadIA, una iniciativa del CEPE Di Tella y Fundar.
La inteligencia artificial empieza a ganar terreno entre las pequeñas y medianas empresas argentinas, aunque todavía con una adopción desigual, poco formalizada y concentrada en tareas de apoyo. Según la Encuesta nacional sobre adopción de IA en Pequeñas y Medianas Empresas de la Argentina, elaborada por nadIA, una iniciativa del CEPE Di Tella y Fundar, el 41,6% de las pymes relevadas declara utilizar al menos una tecnología de IA.
El dato marca un punto de inflexión para el entramado productivo local: la IA ya no aparece únicamente como una herramienta de grandes empresas o del sector tecnológico. Aun cuando se excluye al sector de software e IT, la adopción se mantiene en un nivel relevante, con 36,4% de las empresas que aseguran usar alguna solución de inteligencia artificial. Además, entre las firmas que aún no la utilizan, el 46% considera probable incorporarla en los próximos 24 meses.
El relevamiento fue realizado sobre empresas de entre 10 y 249 ocupados, con una encuesta efectiva de 402 compañías. La muestra incluyó firmas manufactureras y del sector de software y servicios informáticos, y fue relevada entre noviembre y diciembre de 2025 por la Fundación Observatorio PyME, con apoyo del BID.
Una adopción acelerada, pero todavía experimental
El informe muestra que la incorporación de IA es un fenómeno muy reciente. Más del 85% de las empresas que hoy usan IA comenzó a hacerlo en los últimos dos años: 32,9% en 2024 y 52,6% en 2025. Para los autores, este patrón está asociado a la expansión de herramientas generativas de texto y código, de bajo costo de entrada y fácil acceso.
La tecnología más difundida entre las pymes que usan IA es la generación de texto y código, donde se ubican herramientas como ChatGPT y otros modelos de lenguaje. Ese tipo de solución alcanza al 77,9% de las empresas usuarias. Le siguen el procesamiento de lenguaje natural o text mining, con 41,1%; la generación multimedia, con 37,1%; voz a texto, con 35,4%; machine learning y análisis de datos, con 24,1%; reconocimiento de imágenes, con 19,6%; y automatización de decisiones, con 18,1%.
El dato revela una característica central del proceso: muchas pymes entran a la IA por herramientas de bajo umbral técnico, útiles para redactar, sintetizar información, generar contenidos, asistir en comunicación o apoyar tareas administrativas. El uso más sofisticado, vinculado a datos, automatización de procesos o integración con sistemas internos, todavía aparece en una proporción menor.
Software lidera, la industria avanza a distintas velocidades
La brecha sectorial es amplia. El sector de software e IT lidera con una adopción del 85,4%, muy por encima del promedio general. Luego aparecen textil, con 47,4%; metalmecánica, con 40,6%; madera y papel, con 35,1%; química y plástico, con 34,7%; alimentos, con 29,9%; y minerales, con 16,3%.
Microsoft y OpenAI reescriben su alianza: fin de la exclusividad y apertura a nuevos socios
La diferencia no es solo de cantidad, sino también de profundidad. En software e IT, la IA se integra más en producción, desarrollo, análisis de datos, machine learning y automatización de decisiones. En cambio, en buena parte de la industria manufacturera, el uso aparece más concentrado en funciones de apoyo como marketing, ventas, administración o gestión interna.
Entre las empresas que usan IA, las principales áreas de aplicación son marketing y ventas, con 54,7%; administración y gestión, con 41,5%; y producción y servicios, con 40%. Sin embargo, al excluir software e IT, el uso en producción y servicios cae al 28,3%, mientras marketing y administración se consolidan como los destinos predominantes dentro del resto de la industria.
El problema no es solo adoptar: es saber cómo usarla
El informe advierte que la adopción de IA está fuertemente asociada con el nivel previo de digitalización de las empresas. Las firmas que ya usaban servicios de nube, herramientas de comunicación interna, software de diseño, desarrollo o gestión tienen mejores condiciones para incorporar soluciones de inteligencia artificial.
Ese punto es clave para entender el riesgo de una nueva brecha productiva. Las empresas que ya estaban más digitalizadas pueden avanzar más rápido, mientras que las más rezagadas enfrentan mayores barreras para transformar la IA en mejoras concretas de productividad.
La encuesta también muestra que la adopción todavía es informal. Entre las empresas usuarias, el 78,3% incluye el gasto en IA dentro del presupuesto general, sin distinguirlo, y solo el 7,5% cuenta con un presupuesto específico. Además, el 44,4% declara que las distintas áreas o empleados adoptan IA por su cuenta, sin coordinación central, y el 20,2% reconoce que no está claro cómo se gestiona internamente.
La falta de reglas internas es otro punto crítico. El 72,5% de las firmas que usan IA opera sin ninguna pauta ni política sobre su uso, el 17,9% tiene pautas informales no documentadas y apenas el 3,3% cuenta con una política formal escrita.
Productividad: expectativas altas, medición baja
La promesa de la IA está asociada a productividad, menores costos e innovación. Pero el informe marca una distancia importante entre expectativa y resultados comprobados. Entre las empresas que adoptaron IA, el 57,4% aún no mide formalmente su impacto. Solo el 23,6% reporta resultados positivos medidos y el 15,4% todavía está evaluando.
Cuando se pregunta por beneficios ya observados, el 16,8% menciona mejoras de productividad, el 11,6% mejoras en innovación, el 10,4% ahorro de costos y el 9,3% mejoras en satisfacción del cliente. Hacia adelante, las expectativas son mucho más altas: el 77% espera mejoras en productividad en los próximos cinco años, el 64,4% proyecta reducción de costos y el 46,9% prevé aumento de ingresos.
En materia laboral, el impacto todavía aparece acotado. El 91,2% de las empresas que adoptó IA afirma que no redujo personal por esa razón. Solo el 7% registró alguna reducción y el 1,8% estima hacerlo en el futuro próximo. De todos modos, el informe advierte que las expectativas de reducción de empleo son mayores en algunos sectores, especialmente metalmecánica y software.
Las principales barreras: conocimiento, talento y utilidad percibida
Los obstáculos más mencionados para avanzar en IA son la falta de experiencia y conocimiento, con 46,2%; la falta de personal calificado, con 42,2%; y el desconocimiento general sobre IA, con 39,2%. También aparecen la percepción de que la IA no es útil o necesaria para la actividad de la empresa, con 33,4%; los costos altos, con 29,2%; y las dudas sobre rentabilidad, con 27%.
El informe muestra que la barrera cambia según el nivel de adopción. Entre las empresas que no usan IA ni planean hacerlo, el principal argumento es que la tecnología no sería útil para su actividad. En cambio, entre las que ya adoptaron, pesan más los problemas de capacidad: falta de experiencia, falta de personal especializado e integración con procesos internos.
Qué políticas piden las pymes
Frente a ese escenario, las empresas reclaman políticas públicas orientadas a capacidades, acompañamiento e infraestructura. La medida más demandada es el fortalecimiento de la educación secundaria y universitaria en IA, mencionada por el 68,4% de las firmas. Le siguen la asistencia técnica a pymes, con 52,5%; la formación continua para empleados que trabajan con IA, con 40,7%; el acceso a proveedores de IA para pymes, con 40,1%; y la modernización de infraestructura informática, con 35,1%.
La recomendación central del estudio es que la política pública no se limite a ampliar el acceso a herramientas, sino que ayude a consolidar una adopción capaz de generar mejoras sostenidas de productividad. Para eso, plantea fortalecer la base digital de las pymes, formar capacidades técnicas y organizacionales, crear instrumentos de asistencia técnica y acompañar el paso desde la experimentación hacia la implementación.
lr