TOTVS propone tres pasos para implementar inteligencia artificial en empresas latinoamericanas

La adopción de inteligencia artificial (IA) en empresas de América Latina se apoya en expectativas de productividad y ventaja competitiva, pero enfrenta límites operativos vinculados a procesos, capacitación y calidad de datos. En ese marco, TOTVS definió tres pasos estructurales para avanzar hacia aplicaciones de IA orientadas a resultados de negocio.

Un estudio de Linux Foundation, encomendado por Meta, estimó que la IA representa un mercado regional de alrededor de US$ 12,7 mil millones y que crece, en promedio, 28,1% al año. El mismo trabajo proyectó un potencial de hasta US$ 1 billón para añadir a la economía latinoamericana hasta 2038. Aun con esas proyecciones, la implementación efectiva continúa siendo un desafío para ejecutivos que operan con debilidades en los procesos, datos dispersos y estrategias fragmentadas.

Para TOTVS, el punto de partida no es sumar tecnología de forma aislada, sino preparar la organización. “Las organizaciones que obtienen resultados con IA no comienzan por la tecnología, comienzan por el negocio”, mencionó Javier Marbec, director de Mercado Internacional de TOTVS.

El primer paso consiste en contar con sistemas de gestión actualizados e integrados, con capacidad de unificar datos y procesos. La premisa es que ERPs y plataformas al día reducen el retrabajo, estandarizan operaciones y permiten conectar información de distintas áreas, para formar una base consistente sobre la cual desarrollar análisis avanzados.

El segundo paso se centra en la infraestructura en la nube para escalar la IA de forma “segura, flexible y continua”. En esa arquitectura, la nube facilita la integración de sistemas, el acceso a grandes volúmenes de datos y el procesamiento en tiempo real. También permite actualizar aplicaciones con mayor rapidez, incorporar nuevas capacidades tecnológicas y reducir la complejidad operativa, con impacto en iniciativas de automatización e inteligencia avanzada.

El tercer paso, señalado como el más decisivo, apunta a la organización y gobernanza de los datos: cuanto más accesible, limpia y gobernada sea la base de datos, mayores serán las posibilidades de generar insights accionables y modelos predictivos confiables. En ese punto, la propuesta advierte sobre el riesgo del “garbage in, garbage out”, asociado a la baja calidad de la información de entrada.

La guía también plantea que la IA debe aplicarse como estrategia para resolver problemas concretos, con objetivos de negocio definidos: reducción de costos, mejora de la atención al cliente, mayor rapidez y precisión en la toma de decisiones y optimización de la cadena de suministro. En paralelo, el Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025, elaborado por la CEPAL, remarca la necesidad de ampliar la capacitación digital y atender infraestructura, ética, ciberseguridad y confianza en el uso de los datos. “La tecnología es un catalizador y solo funciona cuando la organización entiende por qué y cómo utilizarla”, explicó Marbec.