Las mejores metodologías de IA del mundo fueron diseñadas para Fortune 500. ¿Y el resto?

Los marcos de madurez de IA de McKinsey, BCG, Accenture, Gartner y los fabricantes de nube son sólidos y funcionan — pero fueron diseñados para organizaciones con horizonte plurianual, equipos dedicados por dominio de negocio y presupuesto para una fase de diagnóstico de varios meses. La mediana empresa latinoamericana necesita el mismo rigor entregado a otra escala: por proceso, no por dominio completo, y con un punto de entrada de menos de una hora, no de varios meses.

Esto es lo que encontramos al revisar cada marco uno por uno, y lo que construimos para cerrar esa brecha.

El dato que ordena la conversación

América Latina adoptó inteligencia artificial más rápido de lo que se esperaba. Lo que no ocurrió fue la captura de valor.

El informe del Foro Económico Mundial elaborado con McKinsey es explícito: solo el 23% de las organizaciones de la región genera valor económico medible con IA generativa, y seis de cada diez pymes no capturan ninguno. Al mismo tiempo, el mercado regional de inteligencia artificial pasó de unos 29.500 millones de dólares en 2025 a una proyección de 40.500 millones en 2026.

Hay dinero y hay entusiasmo. Falta resultado.

Y la brecha tiene una forma específica según el tamaño de la empresa. Un análisis basado en más de cinco mil suscripciones reales a plataformas de IA en Brasil, México y Colombia encontró que las pymes registran una tasa de adopción del 11,3%, mientras el segmento medio y las grandes corporaciones superan el 20%. En Colombia esa asimetría pesa especialmente, porque las micro, pequeñas y medianas empresas representan más del 90% del tejido empresarial.

Otro dato regional ayuda a entender por qué: América Latina concentra apenas el 1,1% de la inversión global en inteligencia artificial pese a tener tasas de adopción comparables o superiores al promedio mundial.

Esa combinación —alta adopción, baja inversión, poco valor capturado— define el problema real. Y no se resuelve con más tecnología.

Los marcos existen y son buenos

Conviene decirlo sin ambigüedad, porque el argumento fácil sería el contrario: la oferta metodológica global es excelente. Las grandes firmas de estrategia publicaron marcos sofisticados, respaldados por miles de proyectos. Los fabricantes de nube publicaron guías operativas detalladas. Existen normas internacionales certificables.

Nada de eso está mal. Lo revisamos con cuidado antes de construir el nuestro, y buena parte de lo que hacemos viene de ahí.

Este es el recorrido, marco por marco: qué propone cada uno, qué lo hace valioso y para quién fue diseñado.

Los marcos de las firmas de estrategia

McKinsey · Rewired

Qué propone. Rewired es menos un modelo de madurez que un manual de transformación. Organiza el trabajo alrededor de seis capacidades que deben desarrollarse en conjunto: una hoja de ruta de negocio vinculada a valor, talento digital, un modelo operativo capaz de entregar rápido, tecnología distribuida, datos tratados como producto, y adopción con escalamiento gestionado.

Lo que lo hace valioso. Tres cosas.

La primera es la unidad de trabajo. McKinsey no organiza la transformación por caso de uso suelto sino por dominio de negocio —un recorrido completo del cliente, un proceso de extremo a extremo— y exige que cada dominio tenga un responsable con autoridad sobre el resultado. Es una corrección directa al patrón de la organización que acumula veinte pilotos inconexos.

La segunda es la vinculación económica: la iniciativa se ata a una línea del estado de resultados con un dueño nombrado. No a un objetivo de innovación, sino a un número que alguien tiene que defender.

La tercera es el tratamiento del dato como producto, con dueño, cliente interno, calidad medida y ciclo de vida. Es una idea que suena burocrática y que resuelve el problema más común de todos.

Su hallazgo central es consistente con toda la evidencia posterior: los diferenciadores de las transformaciones exitosas fueron organizacionales —rediseño de flujos de trabajo, formación de personas, compromiso ejecutivo sostenido— y no decisiones de tecnología. Su propia medición encontró que las organizaciones de alto desempeño rediseñaron procesos a fondo en una proporción cerca de tres veces mayor que las demás.

Para quién fue diseñado. Para la corporación que puede sostener una transformación plurianual, dedicar equipos completos a cada dominio y absorber una fase de diagnóstico de varios meses antes de construir nada.

BCG · AI@Scale y la regla 10-20-70

Qué propone. BCG aporta el principio más citado de toda la literatura y probablemente el más útil: el 10% del valor de una iniciativa de IA proviene de los algoritmos, el 20% de la tecnología y los datos, y el 70% de las personas y los procesos. Su análisis de obstáculos en transformaciones reales sigue la misma proporción.

Lo que lo hace valioso. Reordena la conversación entera. Si el 70% del resultado depende de personas y procesos, entonces "¿qué modelo usamos?" es la pregunta menos importante de la reunión — y sin embargo es la que ocupa el 80% del tiempo en la mayoría de las reuniones.

El marco además distingue con precisión entre tres ambiciones distintas que suelen confundirse: desplegar productividad individual, rediseñar funciones completas y reinventar el modelo de negocio. Son proyectos con economía, riesgo y horizonte diferentes, y tratarlos igual es una fuente frecuente de decepción.

BCG también documentó con honestidad el estado del mercado. Su revisión de la brecha de valor encontró que la mayoría de las organizaciones no genera valor material pese a la inversión sostenida, y que solo una minoría muy pequeña captura valor sustancial a escala.

Para quién fue diseñado. Para organizaciones con capacidad de reorganizar funciones completas. El 70% de esfuerzo en personas y procesos supone una función de gestión del cambio que existe y tiene presupuesto propio.

Accenture · The Art of AI Maturity

Qué propone. Un índice normalizado de 0 a 100 construido sobre dos capas: capacidades fundacionales —datos, IA, nube— y capacidades diferenciadoras —estrategia organizacional, IA responsable, patrocinio del máximo nivel, talento y cultura. El resultado ubica a la organización en uno de cuatro arquetipos, desde el que experimenta hasta el que alcanza resultados sostenidos.

Lo que lo hace valioso. Es el mejor instrumento de comunicación del conjunto. Un número y un nombre viajan a través de una organización; un radar de doce dimensiones no. Un directivo recuerda "estamos en 42 y somos constructores" y lo repite en la siguiente reunión. Eso mueve presupuesto.

Su otro aporte es tratar la IA responsable como capacidad diferenciadora y no como requisito de cumplimiento. En 2022, cuando se publicó, era una posición adelantada. Hoy es evidente.

Para quién fue diseñado. Para el segmento que Accenture atiende: organizaciones grandes con capacidad de comparar su desempeño contra pares globales y de actuar sobre esa comparación.

Gartner · AI Maturity Model

Qué propone. Cinco niveles —conciencia, actividad, operación, sistematización, transformación— evaluados sobre siete pilares que incluyen estrategia, portafolio de producto, gobierno, ingeniería, datos, modelo operativo, y personas y cultura.

Lo que lo hace valioso. Es el vocabulario compartido. Cuando una organización dice "estamos en nivel 2 y queremos llegar a 3", la conversación se entiende sin traducción entre áreas. Ese lenguaje común es más útil de lo que parece: buena parte de la parálisis organizacional viene de que cada área describe la misma situación con palabras distintas.

Gartner además hace una autocrítica que vale más que muchos marcos completos: una organización no tiene un solo nivel de madurez. El puntaje corporativo agregado esconde exactamente lo que el líder necesita ver —dónde hay excelencia y dónde hay estancamiento. Y señala que la mayoría de estos modelos mide insumos, no resultados.

Para quién fue diseñado. Para el cliente de investigación de Gartner: organizaciones con función de arquitectura empresarial y ciclos formales de planeación.

Los marcos de los fabricantes

AWS · Cloud Adoption Framework para IA

Qué propone. Evaluación sobre seis perspectivas: negocio, personas, gobierno, plataforma, seguridad y operaciones. Cada una se desglosa en capacidades específicas con niveles de madurez y acciones asociadas.

Lo que lo hace valioso. Es el inventario más exhaustivo que existe. Está diseñado explícitamente para juzgar madurez y dirigir mejoras de corto plazo, con el objetivo declarado de superar la prueba de concepto aislada. Si el propósito es no dejar ninguna capacidad sin evaluar, se empieza aquí.

Su tratamiento de la perspectiva de operaciones es particularmente útil, porque cubre lo que casi nadie planea: observabilidad del modelo en producción, detección de deriva, gestión del costo de inferencia y respuesta a incidentes.

Para quién fue diseñado. Para equipos de arquitectura que ya decidieron construir y necesitan una lista de verificación completa. Y, como todo marco de fabricante, asume su propia plataforma.

Microsoft · Cloud Adoption Framework, escenario de IA

Qué propone. Seis etapas: estrategia, plan, preparación, gobierno, seguridad y gestión. Cada una con listas de verificación diferenciadas para organizaciones pequeñas y para empresas grandes.

Lo que lo hace valioso. Es el único marco que convierte el diagnóstico en un camino ordenado en lugar de en un puntaje. Sabe qué viene después de qué.

Tiene además una decisión estructural que merece destacarse por encima del resto. Antes de elegir tecnología, obliga a clasificar cada caso de uso en dos ejes: si mejora el trabajo individual o si automatiza una función de negocio, y si requiere un sistema determinista o generativo. Un proceso que debe producir el mismo resultado ante la misma entrada no se resuelve con un sistema generativo, por atractivo que resulte. Tomar esa decisión antes de elegir herramienta evita el error de arquitectura más caro y más frecuente del mercado.

Su límite. Presenta las seis etapas como pasos equivalentes, lo que induce a tratarlas como una lista que se completa. No lo son: gobernar, asegurar y gestionar no terminan nunca. Y no define criterios de salida por etapa, así que en la práctica se solapan.

Anthropic · guía de adopción empresarial

Qué propone. Un modelo de cuatro etapas centrado en alinear personas, proceso y tecnología, con énfasis particular en la preparación del dato.

Lo que lo hace valioso. Corrige una creencia extendida: no importa el volumen de datos, importan su calidad, su accesibilidad y su cumplimiento legal. Una organización con petabytes inaccesibles está en peor posición que una con un conjunto modesto, limpio y con base jurídica resuelta.

Es una corrección especialmente relevante para el mercado medio, donde la frase "no tenemos suficientes datos" suele usarse como razón para no empezar cuando el problema real es de orden, no de cantidad.

Las normas: el piso que se volvió condición de venta

ISO/IEC 42001 define un sistema de gestión de inteligencia artificial certificable, bajo ciclo de mejora continua. Su relevancia creció por una vía inesperada: grandes corporaciones empezaron a exigirla a sus proveedores como requisito de compra. Para una empresa mediana que vende a corporaciones, dejó de ser una aspiración de gobierno para convertirse en una condición comercial.

NIST AI RMF aporta la metodología de gestión de riesgo bajo cuatro funciones: gobernar, mapear, medir y gestionar. No compite con la anterior. Se complementan, y existe una tabla de correspondencia publicada entre ambas.

ISO/IEC 23894 desarrolla la gestión de riesgo específica de IA, e ISO/IEC 38507 aporta la perspectiva de gobernanza para junta directiva.

La práctica dominante hoy no es elegir uno, sino operar con varios: principios éticos como base, el marco de riesgo como modelo operativo, la norma certificable como sistema de gestión, y la regulación europea para quien tenga exposición a ese mercado.

El cuadro comparativo

El problema no es el marco. Es el ajuste.

Aquí está la observación que ordena todo lo anterior.

Ninguno de estos marcos está equivocado. Están correctamente diseñados para un cliente que no es la mayoría del tejido empresarial latinoamericano.

Fueron construidos con y para organizaciones que tienen tres cosas: horizonte para sostener una transformación de varios años, estructura para dedicar equipos completos a cada dominio, y holgura financiera para absorber una fase de diagnóstico larga antes de construir nada.

Una empresa mediana colombiana o mexicana con un proceso que quiere resolver este semestre tiene otra realidad:

El horizonte es distinto. La pregunta no es dónde estará la compañía en tres años, sino si este proceso se puede resolver antes de que cambie el presupuesto, el patrocinador o la prioridad.

La estructura es distinta. No hay una oficina de transformación. El dueño del proceso también dirige la operación, y el líder de datos también responde por la infraestructura.

Y sobre todo, la sensibilidad económica es distinta. En una corporación global, un diagnóstico de tres meses es una línea menor del presupuesto del programa. En una empresa mediana de la región, un diagnóstico que cuesta una fracción significativa del proyecto simplemente no se compra — y con razón. El costo de averiguar no puede acercarse al costo de hacer.

Esa asimetría explica el dato del principio mejor que cualquier hipótesis sobre madurez tecnológica. Seis de cada diez pymes de la región no capturan valor alguno de la IA generativa no porque desconozcan estos marcos, sino porque la ruta de entrada disponible está calibrada para otra escala.

El diagnóstico se cita, se admira y no se ejecuta.

Un especialista del Banco Interamericano de Desarrollo lo formuló con precisión al analizar la adopción en pymes de la región: no hay adopción exitosa de IA sin una digitalización de base resuelta, y el acompañamiento institucional resulta crucial para reducir el riesgo de innovar en las empresas pequeñas. El mismo relevamiento encontró algo que contradice la intuición: la falta de experiencia interna y de personal calificado pesa incluso más que la preocupación por los costos.

Es decir: el mercado medio no necesita un marco distinto. Necesita el mismo rigor, entregado de otra forma.

Lo que construimos

Ese es el problema que resolvimos, y el planteamiento es deliberadamente modesto: no inventamos una teoría nueva. Comprimimos la existente.

SUMāTO AI Ready toma de cada marco lo que demostró funcionar —la ponderación de BCG, el vocabulario de niveles de Gartner, el índice comunicable de Accenture, la secuencia de Microsoft, el criterio sobre el dato de Anthropic, la taxonomía de riesgo de NIST, la vinculación económica de McKinsey— y lo entrega en un formato que una empresa mediana puede efectivamente contratar y ejecutar.

Seis pilares. Ninguno de ellos es el algoritmo.

Negocio, proceso y personas suman el 60%. Datos y tecnología, el 30%. Riesgo, el 10%. Es la regla 10-20-70 llevada a un instrumento de diagnóstico.

El algoritmo pesa cero. No es un olvido: es una posición. Esa parte es responsabilidad nuestra, no del cliente.

Tres decisiones de diseño que vienen de la realidad regional

Primera: la unidad es el proceso, no la organización. McKinsey trabaja por dominio completo porque su cliente puede reorganizar un dominio completo. Una empresa mediana no puede, y no debería intentarlo. Empieza por un proceso, lo resuelve, y usa esa credibilidad para financiar el siguiente. La evaluación se calibra a esa escala.

Segunda: el punto de entrada dura 45 minutos. No tres meses. Una conversación estructurada de dieciocho preguntas produce un índice, un arquetipo, un radar de seis pilares y tres hallazgos. Es menos profundo que un ejercicio de firma global — y es lo que efectivamente se ejecuta.

Tercera: la línea base es obligatoria antes de construir. En un contexto donde la sensibilidad al retorno es alta y el presupuesto se revisa con frecuencia, no medir el costo actual del proceso equivale a garantizar que el proyecto no sobrevivirá a su primera revisión presupuestal.

Y una regla que aplicamos sin excepción: cualquier pilar en el nivel más bajo activa una condición de remediación obligatoria, sin importar cuán alto sea el promedio. El cementerio de pruebas de concepto casi siempre se origina en un pilar desatendido, no en una debilidad general.

Cómo se ve esto en la práctica

Un marco solo importa por lo que produce. En el segundo artículo de esta serie describimos, sin generalidades, qué se lleva una organización cuando termina el ejercicio: los entregables de cada nivel, la línea base que casi nunca existía, la especificación con la que puede cotizar con cualquier proveedor, y qué gana cada rol de la mesa directiva.

Incluido lo que se lleva si decide no seguir adelante con nosotros.

Lea el artículo 2: «Qué se lleva un cliente cuando termina un diagnóstico de IA con SUMāTO».

Fuentes: Foro Económico Mundial y McKinsey, BCG, Accenture, Gartner, AWS, Microsoft, Anthropic, ISO/IEC 42001, NIST AI RMF, Banco Interamericano de Desarrollo.

—
Andrés Lozada
Executive Director, SUMāTO Group · Cloud · Infrastructure · Cybersecurity · Digital Transformation
linkedin.com/in/andreslozada/

Siga explorando

• Inteligencia Artificial
• Consultoría Estratégica
• Transformación Empresarial
• ¿Quiere ver dónde está su empresa? Haga el diagnóstico de preparación en IA.

Preguntas frecuentes

¿Qué es un marco de madurez de IA?

Es un instrumento que evalúa qué tan preparada está una organización para adoptar inteligencia artificial, normalmente sobre varias dimensiones —estrategia, datos, tecnología, gobierno, personas— y produce un nivel o puntaje. Sirve para ubicar el punto de partida y priorizar dónde invertir primero.

¿Cuál es la diferencia entre un marco de consultora y uno de fabricante?

Los marcos de las firmas de estrategia evalúan la capacidad organizacional y se orientan a transformaciones amplias por dominio de negocio. Los de los fabricantes describen una secuencia de adopción operativa sobre su propia plataforma. Los primeros responden dónde está la organización y cómo debe reorganizarse; los segundos, por dónde avanzar técnicamente.

¿Qué es la regla 10-20-70 de BCG?

Es el principio según el cual el 10% del valor de una iniciativa de IA proviene de los algoritmos, el 20% de la tecnología y los datos, y el 70% de las personas y los procesos. Su implicación práctica es que la elección del modelo es la decisión menos determinante del proyecto.

¿Sirven los marcos de las grandes consultoras para una empresa mediana?

Sus principios sí; su formato de entrega no siempre. Fueron diseñados para organizaciones con horizonte plurianual, equipos dedicados y capacidad de absorber una fase de diagnóstico larga. Una empresa mediana necesita el mismo rigor comprimido en un ejercicio proporcional a la escala de su decisión.

¿ISO/IEC 42001 es obligatoria?

No por ley, pero se está volviendo obligatoria por mercado: grandes corporaciones la exigen a sus proveedores como requisito de compra. Define un sistema de gestión de inteligencia artificial certificable bajo ciclo de mejora continua.

¿ISO/IEC 42001 y NIST AI RMF compiten entre sí?

No. Se complementan y existe una tabla de correspondencia publicada entre ambas. NIST AI RMF aporta la metodología de gestión de riesgo bajo cuatro funciones —gobernar, mapear, medir y gestionar—; ISO/IEC 42001 aporta el sistema de gestión certificable que la institucionaliza.

¿Por qué las pymes latinoamericanas capturan menos valor de la IA?

El informe del Foro Económico Mundial con McKinsey encontró que seis de cada diez pymes de la región no capturan valor alguno de la IA generativa. Las barreras documentadas incluyen digitalización de base sin resolver, falta de experiencia interna y de personal calificado —que pesa incluso más que el costo— y datos desordenados.

¿Qué es SUMāTO AI Ready?

Es la metodología propietaria de SUMāTO para evaluar la preparación de una organización frente a la inteligencia artificial. Integra los principios de los marcos globales en un formato proporcional al mercado medio latinoamericano: evalúa seis pilares —Propósito, Proceso, Patrimonio de datos, Plataforma, Personas y Protección— con el proceso específico como unidad de análisis, y su punto de entrada dura entre 45 y 60 minutos.