A nivel global, Gartner anticipa que en 2026 más del 80% de las empresas habrán utilizado APIs de IA Generativa o implementado aplicaciones habilitadas por Gen AI en entornos productivos (ver gráfico), frente a menos del 5% en 2023. La consultora evalúa que este nivel de adopción implica que la IA ya no se limita a experimentos aislados, sino que es parte del núcleo operativo de las organizaciones.

La adopción varía según el sector de la economía del que se trate. En el sector financiero, por tomar un caso, esto alude a modelos generativos entrenados con datos propios, para diseñar productos personalizados, generar informes regulatorios automáticamente y optimizar la experiencia del cliente en tiempo real; en el área de manufactura, se aplica para simular procesos de producción, diseñar prototipos digitales y acelerar el time-to-market.

Accenture estima un impacto del 40% en horas de trabajo, a nivel Latinoamérica, ya sea a través de la automatización o el aumento de capacidades. En su informe "IA Generativa: Impulsando la transformación de las compañías en Latinoamérica", estima que ese nivel de eficiencia podría impulsar un aumento de la productividad sectorial media del 11 al 17% -con variantes por sector (ver gráfico)-.

En Argentina, Lenovo estima que solo un 12% de las organizaciones adoptó IA de manera sistemática. Según reporta el CIO Playbook 2025, relevamiento de Lenovo encargado a IDC, un 32% tiene IA incorporada en proyectos de prueba o casos de uso; y un 40%, en etapas tempranas de desarrollo o implementación. En tanto, el estudio da cuenta de un 16% de organizaciones sin adopción de la herramienta: un 12% en planes para utilizarla en los próximos doce meses, y el 4% restante bajo consideración, pero aun sin planes.

NTT Data cuenta con unas 80 implementaciones de Gen AI en el país. En promedio, registran 40% de reducción de tiempo entre el análisis y requerimiento de IT y el desarrollo del código, según indicó a Convergencia Natalia Jakubowski, gerente de Data y Analytics y Responsable de IA en NTT Data Europe & Latam. "Hace dos años, los clientes empezaron a hacer pruebas de concepto (PoCs, por sus siglas en inglés), en su mayoría para asistentes de consulta de documentos de las compañías, y se encontraron con que se trataba de datos no estructurados. Luego pasaron a preocuparse por la calidad de los datos, para comprender los procesos de negocio y mejorarlos con Gen AI y agentes. Hoy se aplican métricas para entender el retorno de la inversión que se quiere obtener", explicó.

En cuanto a la evolución por sector, desde la compañía evalúan que la banca va a paso firme, tras haber sido pionera en aplicarla; Oil & Gas muestra un estado avanzado, y el segmento telco muestra una aceleración reciente.

Convergencia analizó casos de uso de Gen AI en tres sectores de la economía local, que demuestran variantes de utilización según el segmento, y resultados también dispares.

El área de Seguros busca automatizar hasta el 50% de sus tareas actuales

Un informe de la consultora McKinsey, revelado a mediados de 2025, calculó el impacto "transformacional" de la IA en el sector de seguros. Estimó que puede automatizar hasta el 50% de las tareas actuales y mejorar la eficiencia operativa en un 40%. Desde Deloitte, proyectan el volumen de facturación de IA en seguros ascendería a US$ 4.800 millones para 2032.

Una de las motivaciones para el sector Seguros está en la administración de todo el ciclo de vida de los clientes corporativos, que suelen contar con gran cantidad de activos prendados. La automatización del proceso entre el bien y la póliza se vuelve crucial, así como la capacidad omnicanal de atención al cliente en segmentos tan dispares como bancos, empresas médicas y aseguradoras, consideró en dialogo con Convergencia Julian Ercolessi, director de Restart (la spin-off de IA de Iplan, ver página 29).

Entre las compañías aseguradoras, San Cristóbal superó el 59% de resolución de gestiones ligadas a seguros vía canales digitales tras aplicar Gen AI en plataformas de autogestión. La firma redujo la carga operativa presencial y logró mejoras en la relación aseguradora-asegurado.

Cotizador. VoolkIA desarrolló un cotizador de siniestros IA para atender tres problemáticas de la operatoria con seguros: la dependencia de expertos calificados para la evaluación de reparaciones; procesos lentos y costosos; y necesidad de una mayor agilidad. Sobre la base de datos de siniestros resueltos, se entrenaron modelos predictivos y una solución de ¨deep learning¨ para detección de daños sobre imágenes, identificación de patrones de reparación, predicción de costos y evaluación en tiempo real.

Algunos de los resultados obtenidos fueron un 15% de ajuste en el presupuesto asignado, 95% de reducción en el tiempo de aprobación; y 50 % de disminución en la experiencia requerida de los empleados dedicados a la tarea, mencionó el director de Investigación de VoolkIA, Hernán Merlino.

El mercado mundial de IA Generativa en Salud crecerá a tasas del 35% interanual hasta 2034

La consultora Precedence Research estimó el mercado global de Gen AI en el sector Salud en US$ 2.640 millones en 2025, y proyecta que alcance los US$ 39.700 millones 2034, creciendo a una CAGR del 35,17 % entre 2025 y 2034.

En Argentina, el segmento aplica herramientas de IA Generativa en la cadena de valor de medicina prepaga y para investigación y ensayos clínicos.

Accord Salud, empresa de medicina prepaga, encaró implementaciones para resolver tres problemas. El primero fue predecir grupos de alto consumo y gastos, teniendo en cuenta que en el sector de medicina prepaga en Argentina, en promedio el 20% de los afiliados consume el 80% de los gastos médicos. Con Gen IA pudieron identificar ese 20% de alto consumo y gestionar intervenciones y actividades de prevención, que le sirvieron para administrar estas acciones, según indicó Germán de la Llave, gerente General de la entidad, en el evento IA Day 2025 de la Cámara Argentina de Software (CESSI).

En segundo lugar, para retener afiliados, Accord Salud aplicó Gen AI para clusterizar clientes. Esto le permitió advertir el riesgo de abandono del afiliado y habilitó una tasa de retención del 10%.

De la Llave mencionó un tercer caso: la desgrabación de informes médicos para agilizar la tarea de los profesionales. Mediante el reconocimiento inteligente de informes normales y hallazgos, logró la generación automática de plantillas con el informe final. Esto se tradujo en una reducción del tiempo del proceso del 75% y de reasignación de tareas del personal del 80%.

La investigación y los ensayos clínicos tienen como problemática "madre" el volumen de datos. Como resumió Diego Branca, director de Informática para Roche en Argentina y Uruguay, "la brecha entre información y conocimiento va en aumento, y la brecha con la utilidad clínica, incluso más. En salud estamos desbordados de datos: a los datos les falta contexto, y las aplicaciones están en silos".

El concepto que gana terreno en el ámbito de los laboratorios es el de "software as a medical device", es decir, traducido del inglés, "software como dispositivo médico". Por ejemplo, GenIA aplicado a casos de pérdida de visión por diabetes es capaz de procesar datos y detectar síntomas con mayor sensibilidad que el especialista humano, y en consecuencia, producir un diagnóstico más temprano.

Grupo Ineco, dedicado a prevención, diagnóstico y tratamiento de trastornos neurológicos, optó por modelos de IA para agilizar la operatoria de ensayos clínicos y la convocatoria de pacientes para experimentación. En la fase de reclutamiento de médicos voluntarios para un testeo de vacunas respiratorias, un motor de IA de emparejamiento y perfilado hizo un "match" automático entre perfiles profesionales y el protocolo en cuestión, automatizó las invitaciones y la trazabilidad de los resultados. Como resultado, se contrajo un 30% el tiempo de reclutamiento, con 1.200 voluntarios inscriptos y 4.850 potenciales postulantes informados.

Oil & Gas lleva la delantera en Argentina, con Gen AI aplicada a perforación de pozos y exploración de yacimientos

A nivel mundial, el mercado de IA en el sector de Oil & Gas rondó los US$ 3.790 millones en facturación en 2025 y se estima que crecerá a US$ 4.280 millones en 2026 y US$ 7.910 millones en 2031, con una tasa de crecimiento anual compuesta del 13,03% entre 2026-2031 (Mordor Intelligence).

En Argentina, el segmento avanzó más en Gen AI que otros verticales, por la aplicaciones de soluciones de múltiples agentes, lectura de datos de perforación y generación de reportes, explicó a Convergencia Natalia Jakubowski, de NTT Data.

En reservorios no convencionales de Vaca Muerta, la firma Practia, dedicada a soluciones de transformación digital, aplicó Gen AI para mejorar la precisión en la estimación de productividad, un índice que se conoce en el vertical de Oil & Gas como Estimated Ultimate Recovery (EUR, ver gráfico) y sirve para evaluar la viabilidad económica de los pozos y optimizar su operación. El procesamiento de datos ligados al EUR -ahora potenciado sobre modelos de IA- se nutre de datos de histogramas, mapas de calor y correlaciones entre esta informacion, para resultar en modelos predictivos sobre el comportamiento de los pozos.

Las variables relevantes para nutrir al modelo fueron el caudal de bombeo y la concentración de arena, entre otros datos. La herramienta predictiva que se obtuvo como resultado será extrapolada a otro yacimiento, en Colombia, por la performance obtenida en Vaca Muerta, como expuso Camila Juan Suriano, líder de Tecnología IA e I+D en Practia, durante el IA Day organizado por Cessi en 2025.

La empresa 7 Puentes ofrece modelos de Gen AI y machine learning para interpretar tensiones de seguridad y generar políticas de higiene en pozos. Entre las detecciones, pueden darse maquinarias en funcionamiento sin presencia de señaleros; presencia de material suelto en altura, con riesgo de caída sobre la senda peatonal; o actividad de manipuladores telescópicos sin balizado perimetral o control de accesos. Estos y otros eventos fueron organizados según una clasificación automática, y procesados por modelos de Gen AI para producir insights, recomendaciones y políticas de prevención acordes. En un caso concreto aplicado por 7 Puentes a bombas de cavidad progresiva -conocidas como PCP y utilizadas en la industria petrolera para fluidos viscosos-, los datos operacionales combinados con los detectores de anomalías permitieron evitar paradas de producción no planificadas, explicó Ernesto Mislej, co-fundador de la firma.