Acceso
86.1%Usa internet
De la población de seis años o más, en 2025. La conexión abre la puerta; no mide adopción de IA.
En los hogares, sólo 44.7% tiene computadora.
Proyecciones de inteligencia artificial
México ante la IA
2027—2030
Cómo podría cambiar el país con la expansión de la inteligencia artificial entre 2027 y 2030.
01
El punto de partida
La conectividad crece, pero la mayoría de las empresas opera a escala micro. Esa diferencia condiciona cómo puede extenderse la IA.
Una señal empresarial más reciente
En la encuesta de Banxico de junio de 2026, el 48.5% de los establecimientos con más de 100 trabajadores reportó usar alguna tecnología de IA. La encuesta no cubre microempresas ni mide cuánto se integra en la operación; su porcentaje no se puede comparar directamente con el dato censal de 2023. El 64.8% espera usar IA en los siguientes tres años: es una expectativa declarada, no una tasa futura observada.
Las cifras tienen fechas y universos distintos. Describen condiciones de partida; no son un índice de preparación nacional.
02
Tres escenarios para México
Explora qué podría ocurrir con la IA en México. Los resultados dependen de cómo el país la incorpora, cómo avanza la tecnología en el mundo y qué capacidad tiene cada empresa para aprovecharla.
Continuidad
Palanca principalServicios comerciales y cadenas globales
Esta proyección considera que los servicios comerciales de IA y las cadenas vinculadas con Estados Unidos impulsan la adopción. El uso se extiende, pero las empresas pequeñas tienen más dificultades para integrarlo en sus procesos.
Capacidades
Palanca principalInversión en capacidades locales
Esta proyección supone una inversión sostenida en capacidades locales y servicios compartidos. Preparar a las organizaciones retrasa los beneficios iniciales, pero después permite que más empresas pequeñas aprovechen la IA.
Fragmentación
Palanca principalPresión competitiva e integración insuficiente
Esta proyección incorpora una fuerte presión por reducir costos, que acelera la incorporación de herramientas sin suficiente preparación. Los problemas de integración y mantenimiento limitan los beneficios y vuelven frágil la continuidad de algunos proyectos.
Usar una herramienta no equivale a integrarla al trabajo. Aquí, el se distingue del esfuerzo de incorporación y de sus resultados. La evidencia comparada respalda esa separación, aunque no fija su magnitud en México.
Lo que sigue es un ejercicio de por escenarios: hipótesis conectadas sobre lo que podría ocurrir. La evidencia describe el punto de partida; el relato imagina su evolución. Las fechas ordenan esa proyección y pueden equivocarse.
El relevo presidencial de 2030
Bajo las reglas vigentes, el proceso electoral comienza en septiembre de 2029, la elección presidencial corresponde a junio de 2030 y la nueva administración inicia el 1 de octubre. El horizonte sólo incluye sus primeros tres meses.
El presupuesto de 2030 se prepara en 2029. La administración entrante presenta su primer proyecto anual de presupuesto para 2031: sus compromisos pueden cambiar expectativas en 2030, pero el gasto de 2031 todavía no produce resultados dentro de esta proyección. En 2030 sí puede modificar prioridades y ejecución dentro de las reglas presupuestarias vigentes.
Cómo puede afectar a la IA
El efecto depende de qué proyectos necesitan autorizaciones, financiamiento o servicios públicos. Los estudios de la OCDE sobre gobierno identifican barreras de personal, datos y evaluación al ampliar servicios. Una entrega preparada conserva conocimiento y operación; renovaciones tardías o cambios de equipo pueden demorar ampliaciones. La continuidad de partido no garantiza continuidad operativa, y un cambio de partido tampoco implica interrupción.
La proyección supone que la difusión comercial continúa mientras se renuevan responsables. Los contratos y equipos que sostienen los servicios importan más que la continuidad del partido gobernante. Puede haber ampliaciones aplazadas sin perder todo lo que ya funciona.
Los escenarios mantienen estas alternativas abiertas. El ensayo de retrasos permite explorar sus consecuencias en procesos expuestos, sin asignar un efecto a toda la economía.
Explorar el efecto de una demoraProyecciones por escenario · 2027–2030
Cómo podría evolucionar la IA en México
Elige el contexto y recorre los años. El relato explica los cambios posibles; la gráfica compara los tres escenarios bajo los mismos supuestos. Son proyecciones condicionales, no certezas sobre el futuro.
El entorno mundial y la empresa también importan
Estas dos elecciones ajustan las proyecciones numéricas. Puedes cambiarlas y comparar qué ocurre.
Los modelos mejoran de forma progresiva. Su utilidad varía según la tarea y aprovecharlos requiere datos, organización y preparación.
Comercio: 11–30 trabajadores. Industria y servicios: 11–50. Ventas: $4.01–100 millones MXN al año.
Cómo se define cada tamaño en México
La estratificación de MIPYMES combina sector, número de trabajadores y ventas anuales. Estos rangos orientan la selección; el simulador no clasifica una empresa real.
Microempresa
Hasta 10 trabajadores en cualquier sector.
Hasta $4 millones MXN al año.
Tope combinado: 4.6.
Empresa pequeña
Comercio: 11–30 trabajadores. Industria y servicios: 11–50.
$4.01–100 millones MXN al año.
Tope combinado: 93 en comercio; 95 en industria y servicios.
Empresa mediana
Comercio: 31–100 trabajadores. Servicios: 51–100. Industria: 51–250.
$100.01–250 millones MXN al año.
Tope combinado: 235 en comercio y servicios; 250 en industria.
Empresa grande
Perfil fuera del estrato MIPYME. Como orientación por personal: más de 100 en comercio o servicios, o más de 250 en industria.
El acuerdo de MIPYMES no define un estrato de gran empresa. Superar sus límites requiere revisar sector, ventas y puntaje combinado.
El puntaje se calcula como trabajadores × 0.10 + ventas anuales en millones de MXN × 0.90 y debe ser igual o menor al tope de la categoría. El tamaño no determina la formalidad ni el nivel de adopción de IA.
Fuente: Secretaría de Economía, acuerdo de estratificación del 30 de junio de 2009.
01Enero — febrero 2027
Continuidad · proyecciónLa IA entra por la puerta del trabajo cotidiano
México comienza 2027 con una tecnología disponible para muchos y una capacidad de integración distribuida de forma desigual.
Los asistentes entran en la operación diaria de negocios de distinto tamaño. El uso comienza con tareas individuales, como preparar una propuesta comercial o una clase, antes de que exista una estrategia institucional.
Las organizaciones conectadas con clientes internacionales incorporan a tareas delimitadas; las demás avanzan con cuentas individuales y documentos dispersos. El ahorro de tiempo existe, pero pocas organizaciones lo convierten todavía en un proceso que sobreviva a la salida de quien lo diseñó.
Así empieza el desfase mexicano: el acceso viaja casi al ritmo mundial, mientras la integración requiere datos confiables y equipos que sostengan el proceso. Esa diferencia condicionará los siguientes cuatro años.
El contexto mundial en 2027
Los modelos y agentes mejoran, pero la sigue variando por tarea. México recibe herramientas con rapidez; datos, contratos y organización determinan la velocidad con que las incorpora.
Proyección condicionalMétodo y alcance
02Marzo — abril 2027
Continuidad · proyecciónLa inteligencia barata no vuelve barata toda la operación
La caída del precio de inferencia desplaza la pregunta: del costo de una respuesta al costo de una tarea bien resuelta.
Los proveedores ofrecen más capacidad por el mismo presupuesto y las empresas mexicanas amplían sus pruebas. Se amplía la oferta de programación asistida y revisión documental.
Conectar esos servicios a la operación exige personal que resuelva errores y mantenga los sistemas; su tiempo no se abarata al ritmo del precio por . Algunos proyectos escalan; otros sobreviven como asistentes de uso individual.
El mercado comienza a separar a quienes venden acceso de quienes resuelven la integración. Las que pagan en pesos y consumen servicios cotizados en dólares siguen expuestas a que una depreciación neutralice parte del ahorro tecnológico.
Los productos integrados en aplicaciones conocidas pueden reducir el trabajo de implantación, incluso donde no existe coordinación institucional amplia.
Proyección condicionalMétodo y alcance
03Mayo — junio 2027
Continuidad · proyecciónLa procedencia de una instrucción adquiere valor
Cuando producir contenido convincente cuesta menos, acreditar quién habla y quién responde se vuelve parte de la infraestructura. Las elecciones intermedias de 2027 también ponen a prueba la información pública y cambian quién decide sobre presupuestos federales.
Empresas y dependencias incorporan verificaciones adicionales para confirmar instrucciones atribuidas a directivos o autoridades, especialmente cuando autorizan un pago. La reacción suele llegar después de una confusión y varía entre instituciones.
Aumenta la demanda de canales oficiales y , pero también el trabajo para distinguir errores, fraude y desacuerdo legítimo. En educación y comunicación pública, la abundancia de contenido no resuelve la escasez de confianza.
La IA hace más eficiente parte de la operación y obliga a gastar más en comprobarla. Esa tensión acompaña el resto del escenario.
Proyección condicionalMétodo y alcance
04Julio — agosto 2027
Continuidad · proyecciónLa expansión digital encuentra sus límites físicos
Entre anunciar capacidad y entregarla aparecen las restricciones físicas que el no puede acelerar por sí solo.
Los proyectos de y compiten por conexiones eléctricas, equipos, personal y plazos de obra. La demanda de IA refuerza una expansión que también atiende servicios digitales ajenos a ella.
En algunos sitios, la y la aceptación local obligan a cambiar diseños o calendarios. Las organizaciones pueden contratar nube fuera de México, pero esa salida no elimina costos de , contratos o .
La capacidad disponible crecerá por tramos. Habrá proyectos que se anuncien con velocidad tecnológica y se ejecuten al ritmo de la infraestructura.
Proyección condicionalMétodo y alcance
05Septiembre — octubre 2027
Continuidad · proyecciónMéxico negocia su lugar entre dos ecosistemas tecnológicos
El vínculo con Estados Unidos facilita el acceso y concentra dependencias; los amplían opciones sin borrar la geopolítica.
Las cadenas exportadoras demandan herramientas compatibles con clientes y plataformas estadounidenses. Al mismo tiempo, equipos mexicanos exploran modelos de pesos abiertos, incluidos modelos desarrollados en China, para reducir costos y adaptar tareas.
Descargar un modelo y operarlo localmente no tiene las mismas implicaciones que enviar datos a una . Esa distinción se vuelve comercial y política.
Las organizaciones integradas pueden evaluar alternativas; otras siguen lo que exige su principal cliente. México gana acceso a inteligencia global, pero el poder para fijar condiciones se concentra fuera del país.
Proyección condicionalMétodo y alcance
06Noviembre — diciembre 2027
Continuidad · proyecciónEl cierre del año revela qué aprendizaje permanece
El primer año deja herramientas más potentes y una pregunta más exigente: quién acumuló capacidad para el siguiente salto.
Al terminar 2027 coexisten procesos que ya dependen de IA, asistentes que ahorran tiempo y pilotos abandonados. Las organizaciones mejor preparadas consolidan proveedores y trasladan el aprendizaje a nuevas tareas.
Otras reinician proyectos con cada presupuesto. Las inversiones públicas de cómputo entran en una fase donde importan calendario, servicio y personal, además de capacidad anunciada.
El balance nacional será desigual: no habrá una fecha única en la que México haya adoptado IA. La distancia entre acceso e integración será el punto de partida de 2028, incluso si la se acelera.
Proyección condicionalMétodo y alcance
07Primer trimestre 2028
Continuidad · proyecciónEl cómputo empieza a valer por los problemas que permite resolver
La capacidad pública y regional encuentra su primera prueba de escala: ofrecer un servicio que los usuarios puedan sostener.
Los recursos de cómputo que logran entrar en servicio se concentran inicialmente en equipos con experiencia para utilizarlos. Aparecen proyectos científicos y adaptaciones sectoriales, mientras los usuarios pequeños siguen comprando soluciones comerciales.
Si cumple etapas de entrega, su efecto será gradual: disponer de no resuelve por sí solo la preparación de datos ni forma a quienes deben utilizarlo. La diferencia entre infraestructura nacional y se vuelve concreta.
México puede alojar cómputo y seguir dependiendo del exterior para sus componentes críticos, especialmente y software. El beneficio dependerá de cuánto aprendizaje se distribuya fuera del grupo inicial.
El contexto mundial en 2028
Las aplicaciones se vuelven más especializadas y se integran a productos existentes. La competencia se desplaza hacia datos, procesos y distribución de servicios; la capacidad técnica no garantiza adopción rentable.
Proyección condicionalMétodo y alcance
08Segundo trimestre 2028
Continuidad · proyecciónLos servicios públicos avanzan al ritmo de sus expedientes
La mayor capacidad de los modelos encuentra registros incompletos, sistemas inconexos y decisiones con consecuencias sobre derechos.
La IA se expande primero en la consulta de expedientes y la preparación de documentos. En salud ayuda a organizar información; en justicia y trámites reduce parte del trabajo administrativo.
Las decisiones sustantivas avanzan con más cautela y resultados desiguales porque los datos y los procesos no cambian con la misma velocidad. Quien ya tiene un expediente legible recibe un mejor servicio antes que quien necesita reconstruirlo.
La brecha territorial e institucional se vuelve más visible: una interfaz moderna puede convivir con tiempos de respuesta largos y errores que siguen requiriendo intervención humana.
Proyección condicionalMétodo y alcance
09Tercer trimestre 2028
Continuidad · proyecciónLa presión laboral llega por las tareas y por los clientes
El ajuste comienza en la composición del trabajo antes de aparecer como una sustitución uniforme de ocupaciones.
Clientes nacionales y extranjeros esperan más entregables con plazos menores en soporte, programación, diseño y gestión documental. Algunas empresas amplían producción; otras reducen contratación inicial o redistribuyen tareas.
La entrada al empleo se vuelve más exigente cuando las tareas simples que antes formaban a principiantes se automatizan parcialmente. En una economía con alta informalidad, el ajuste también reduce los honorarios o las horas facturables del trabajo independiente.
La exposición técnica de una ocupación no anticipa por sí sola el saldo de empleo: la demanda y las condiciones de competencia influyen en quién captura el ahorro, junto con el poder de negociación de los trabajadores.
Proyección condicionalMétodo y alcance
10Cuarto trimestre 2028
Continuidad · proyecciónEl siguiente salto exige llegar fuera de las organizaciones preparadas
Agricultura, pequeños negocios y trabajo independiente amplían el mapa de usos y revelan límites que una interfaz no resuelve.
Las unidades pequeñas reciben asistentes comerciales mediante teléfonos y plataformas que ya utilizan. En agricultura y logística, su valor depende de contar con datos locales confiables.
Una recomendación sólo resulta útil cuando existe capacidad para ejecutarla. Una sugerencia útil no financia una máquina ni resuelve el acceso al agua.
Las organizaciones con registros consistentes conectan herramientas a compras e inventarios; las demás se quedan en consultas. La difusión masiva produce beneficios cotidianos, pero la transformación productiva sigue concentrada.
Hacia el cierre de 2028, la desigualdad de pesa más que la distancia entre modelos disponibles. Canadá abre otra vía de cooperación científica vinculada con las cadenas industriales y la formación de especialistas.
La colaboración anunciada sólo produce capacidad si se convierte en proyectos ejecutados y contratos sostenibles.
Proyección condicionalMétodo y alcance
11Primer trimestre 2029
Continuidad · proyecciónLa calidad local se vuelve una ventaja competitiva
Cuando muchos acceden a modelos potentes, importa quién puede demostrar que funcionan en el problema y la población pertinentes.
El mercado mexicano deja de valorar únicamente la novedad del modelo y exige más evidencia de funcionamiento. Aparecen proveedores que evalúan resultados de IA con documentos y casos de cada sector.
La oferta crece de forma desigual: hay buenas evaluaciones en algunos nichos y comparaciones superficiales en otros. Las instituciones con capacidad técnica seleccionan mejor; las demás dependen de certificaciones o reputación comercial.
La adaptación al español mexicano y a contextos regionales se convierte en un activo, aunque todavía no garantiza desempeño en salud, justicia o servicios públicos. Durante 2029, algunos equipos empiezan a documentar cómo mantener sus evaluaciones cuando cambien responsables o contratos.
El contexto mundial en 2029
La competencia internacional sigue influyendo mediante precios, contratos y requisitos de clientes. Ninguna convergencia mundial asegura que países intermedios capturen los mismos beneficios.
Proyección condicionalMétodo y alcance
12Segundo trimestre 2029
Continuidad · proyecciónEl orden tecnológico mundial entra en las decisiones mexicanas
Una aceleración competitiva o un acuerdo entre potencias producirían costos y oportunidades distintos para un país integrado a Norteamérica.
Las empresas mexicanas adaptan sus contratos a las reglas internacionales de acceso a tecnología. La arquitectura del servicio debe responder también a requisitos de seguridad.
Bajo aceleración, los clientes elevan expectativas y los proveedores concentran servicios más capaces. Bajo coordinación, se gana tiempo para integrar herramientas existentes, aunque México no participa automáticamente en la definición de reglas.
En ambos casos, los actores con capacidad jurídica y técnica absorben mejor los cambios. La estrategia nacional continúa siendo reactiva en parte: negocia acceso caso por caso y aprovecha oportunidades donde ya existen equipos preparados.
Proyección condicionalMétodo y alcance
13Tercer trimestre 2029
Continuidad · proyecciónLa infraestructura entra en el calendario electoral
La eficiencia puede abrir más usos y elevar el consumo total. En septiembre de 2029 comienza además, bajo las reglas vigentes, el proceso electoral federal y se prepara el presupuesto de 2030.
Los agentes trabajan durante más tiempo y se aplican a más procesos. El ahorro por operación permite usos que antes eran demasiado caros, de modo que parte de la eficiencia se convierte en mayor consumo total.
Los proyectos de infraestructura entregados alivian presión en algunos nodos y desplazan cuellos de botella a otros. México combina nube externa con capacidad local.
La dependencia energética de Estados Unidos condiciona parte de esa infraestructura. Esa interdependencia puede sostener expansión o transmitir interrupciones.
La ventaja competitiva empieza a depender también del costo de una provisión energética confiable en cada ubicación. Al prepararse el presupuesto de 2030, las obras y servicios con compromisos claros pueden continuar durante el ciclo electoral.
La inversión privada con acceso a nube exterior no sigue necesariamente el mismo calendario.
Proyección condicionalMétodo y alcance
14Cuarto trimestre 2029
Continuidad · proyecciónEl presupuesto y los contratos ponen a prueba la continuidad
La discusión del presupuesto de 2030 y las renovaciones de servicios revelan qué compromisos podrán sostenerse durante el relevo presidencial.
La IA está incorporada en numerosos productos y servicios que las organizaciones compran sin llamarla así. Los proveedores mexicanos que conocen un sector conservan espacio en integración y atención; otros quedan como revendedores con márgenes estrechos.
Las empresas usuarias producen más, pero parte del valor se transfiere al exterior mediante y servicios especializados. La dependencia no impide toda ganancia: condiciona cuánto permanece en México y cuánto aprendizaje se acumula.
El balance de 2029 se entiende mejor observando que contando asistentes contratados. El presupuesto aprobado y los contratos permiten anticipar qué servicios seguirán financiados.
No garantizan la entrega, pero reducen la necesidad de negociar cada continuidad desde cero.
Proyección condicionalMétodo y alcance
15Primer trimestre 2030
Continuidad · proyecciónLa formación decide quién puede participar en la siguiente etapa
La formación acumula capacidades cuando el conocimiento permanece en equipos capaces de seguir trabajando durante el cambio de gobierno.
Las instituciones educativas y los empleadores adaptan la formación a ritmos distintos. Los programas más eficaces enseñan a formular problemas y comprobar resultados de sistemas asistidos.
Otros agregan herramientas a estructuras que casi no cambian. La demanda de perfiles capaces de conectar conocimiento sectorial y tecnología crece, pero la oferta sigue concentrada.
Jóvenes con acceso a redes y proyectos reales encuentran oportunidades; quienes sólo recibieron capacitación superficial enfrentan mayores barreras. La desigualdad educativa se transforma en desigualdad de capacidad para dirigir el trabajo asistido por IA.
El tiempo disponible para aprender sigue siendo desigual: las responsabilidades de cuidado pueden limitar la participación incluso cuando existe una oferta de cursos.
El contexto mundial en 2030
La difusión continúa bajo restricciones de demanda, organización e infraestructura. Las consecuencias mexicanas dependen cada vez más de las capacidades acumuladas desde 2027.
Proyección condicionalMétodo y alcance
16Segundo trimestre 2030
Continuidad · proyecciónLa legitimidad se convierte en una condición de continuidad
La elección presidencial de junio de 2030 intensifica el debate sobre qué servicios conservar. Una promesa electoral todavía no es una decisión ejecutada por la administración entrante.
La discusión pública se desplaza de si usar IA a qué decisiones delegar y cómo responder cuando falla. Salud, justicia, educación, crédito y servicios públicos desarrollan prácticas distintas; algunos sistemas se estabilizan y otros se rediseñan tras conflictos.
La confianza se construye de forma localizada, con experiencias de atención y reparación. Las instituciones que pueden explicar procedimientos y corregir resultados sostienen mejor sus proyectos.
Las demás enfrentan costos crecientes de revisión y rechazo, aunque sus modelos sean técnicamente más potentes que los de 2027. El resultado electoral modifica expectativas, pero las dependencias siguen bajo la autoridad en funciones hasta la toma de posesión.
Proyección condicionalMétodo y alcance
17Tercer trimestre 2030
Continuidad · proyecciónLa entrega de gobierno vuelve concreta la continuidad
Todavía rige el presupuesto de 2030. La preparación de la entrega permite revisar obligaciones y anteproyectos de 2031, sin anticipar las facultades de la nueva administración.
Las ganancias de se acumulan en tareas y organizaciones antes de transformarse en bienestar general. Parte se traduce en mejores servicios o menores precios; otra parte en márgenes y pagos a proveedores externos.
El sector público enfrenta costos permanentes de cómputo, personal, seguridad y mantenimiento que no desaparecen con la compra inicial. La restricción presupuestaria selecciona qué proyectos continúan.
México puede registrar avances importantes sin un salto homogéneo de ingreso o capacidad estatal: competencia, demanda y distribución median la transmisión desde cada tarea hasta la economía. Los equipos identifican qué contratos vencen durante la transición y qué funciones requieren sustitución preparada.
La nueva administración todavía no ejerce sus facultades.
Proyección condicionalMétodo y alcance
18Cuarto trimestre 2030
Continuidad · proyecciónEl relevo muestra qué capacidades permanecen
La nueva administración inicia el 1 de octubre de 2030. Sólo sus primeros tres meses pertenecen a este horizonte; su primer presupuesto anual presentado corresponde a 2031.
México termina 2030 con IA en más actividades. La infraestructura ampliada sostiene a organizaciones líderes capaces de competir.
También conserva una larga distancia entre sectores preparados y unidades que utilizan herramientas sin transformar su operación. La relación norteamericana sostiene acceso y actividad, al tiempo que concentra dependencias de infraestructura y suministro energético.
Se han desarrollado capacidades propias para adaptar y evaluar sistemas, aunque su difusión es incompleta. El país no queda inmóvil ni alcanza una convergencia automática: avanza de manera desigual y llega al siguiente ciclo con oportunidades importantes y restricciones que cuatro años de mejores modelos no resolvieron.
Si los contratos y equipos sostienen la operación durante el relevo, el aprendizaje acumulado puede mantenerse. Las prioridades del presupuesto de 2031 todavía son compromisos futuros.
Proyección condicionalMétodo y alcance
03
Compara los efectos de la IA
Elige qué quieres entender. Después ajusta el escenario, el entorno mundial y el período para comparar los resultados. La gráfica muestra posibilidades bajo esos supuestos, no un pronóstico garantizado.
Los modelos mejoran de forma progresiva. Su utilidad varía según la tarea y aprovecharlos requiere datos, organización y preparación. Empresa pequeña: Comercio: 11–30 trabajadores. Industria y servicios: 11–50. Ventas: $4.01–100 millones MXN al año. El perfil representa un grupo hipotético con recursos y capacidad de integración supuestos, no una tasa observada para todas las empresas de ese tamaño. Criterios de tamaño empresarial
Enero — febrero 2027 · Continuidad · Empresa pequeña · Entorno mundial: Avance gradual
Proyección de referencia
¿Cuántas organizaciones integrarían IA?
13.1 de cada 100 organizaciones del grupo hipotético usarían IA de forma operativa.
Organizaciones con uso operativo. El punto de partida de 2027 y su evolución son supuestos; no proceden de una encuesta nacional.
Qué muestra la gráficaPorcentaje de organizaciones del universo supuesto que integra IA en su operación. Las líneas muestran las medianas de los escenarios mexicanos. La franja contiene el 80% central de los resultados ensayados en cada fecha; no expresa la probabilidad del futuro.
Tabla: uso operativo de ia
| Período | Límite inferior (P10) | Mediana | Límite superior (P90) |
|---|---|---|---|
| Inicio 2027 | 7.3 | 11.6 | 17.4 |
| Enero — febrero 2027 | 8.3 | 13.1 | 19.4 |
| Marzo — abril 2027 | 9.4 | 14.8 | 21.6 |
| Mayo — junio 2027 | 10.7 | 16.6 | 24.1 |
| Julio — agosto 2027 | 12.1 | 18.6 | 26.6 |
| Septiembre — octubre 2027 | 13.6 | 20.8 | 29.3 |
| Noviembre — diciembre 2027 | 15.2 | 23.1 | 32.2 |
| Primer trimestre 2028 | 17.8 | 26.8 | 36.7 |
| Segundo trimestre 2028 | 20.7 | 30.7 | 41.4 |
| Tercer trimestre 2028 | 23.7 | 34.7 | 45.9 |
| Cuarto trimestre 2028 | 26.6 | 38.5 | 50 |
| Primer trimestre 2029 | 29.5 | 41.9 | 53.5 |
| Segundo trimestre 2029 | 32.3 | 45.2 | 56.8 |
| Tercer trimestre 2029 | 35.2 | 48.5 | 59.8 |
| Cuarto trimestre 2029 | 38 | 51.6 | 62.6 |
| Primer trimestre 2030 | 40.8 | 54.5 | 65.2 |
| Segundo trimestre 2030 | 43.6 | 57.3 | 67.4 |
| Tercer trimestre 2030 | 46.3 | 59.9 | 69.3 |
| Cuarto trimestre 2030 | 48.9 | 62.3 | 71 |
Comparar los tamaños de empresa
Cada barra representa un grupo hipotético. Las diferencias proceden de los supuestos de cada tamaño, sin estimar una tasa nacional futura.
| Tamaño | Límite inferior (P10) | Mediana | Límite superior (P90) |
|---|---|---|---|
| Micro | 2.9% | 5.1% | 7.8% |
| Pequeña | 8.3% | 13.1% | 19.4% |
| Mediana | 16.8% | 24.8% | 34.3% |
| Grande | 34.9% | 46.4% | 59% |
Comparar todos los resultados al cierre de 2030
| Resultado y unidad | Continuidad | Capacidades | Fragmentación |
|---|---|---|---|
| Uso operativo de IA (% · universo supuesto) | 62.3 | 69.5 | 46.1 |
| Productividad del proceso (% frente al mismo producto sin IA) | 9.9 | 17.1 | 2.8 |
| Horas con demanda variable (Por cada 100 horas sin IA) | 92.8 | 88.2 | 97.6 |
| Costo total por unidad (Sin IA = 100) | 96 | 94.5 | 99.5 |
| Capacidad de centros de datos (MW · entregas supuestas) | 1,000 | 1,275.6 | 789.2 |
Esta tabla compara diciembre de 2030, independientemente del período seleccionado arriba.
Cambiar los supuestos del modeloExaminar qué ocurre con otras demoras, costos o ritmos de adopción
Las curvas anteriores resumen miles de combinaciones. Este ensayo calcula una sola: la de los valores que elijas. Por eso su resultado puede diferir de la mediana de referencia.
Enero — febrero 2027 · Continuidad · Pequeña · Avance gradual
Condiciones del ensayo
Ene–feb 2027: El mismo proceso produciría 0.1% menos por hora que sin IA, con la misma calidad.
Explorar demoras durante el relevo presidencial
Condiciones de referencia
El mismo proceso produciría 0.1% menos por hora que sin IA, con la misma calidad.
Sin IA, con el mismo cambio externo de demanda: 100 horas por cada 100 iniciales.
Se compara una combinación concreta de supuestos con la combinación de referencia del mismo escenario. Cada control actualiza este cálculo; aquí no se representa una franja de resultados.
| Resultado | Valor |
|---|---|
| Uso operativo | 11.3% |
| Productividad del proceso | -0.1% |
| Horas con demanda variable | 99.8 por cada 100 iniciales |
| Costo por unidad | 100.6 · sin IA = 100 |
| Capacidad entregada | 350 MW |
El precio de usar un modelo afecta el costo; por sí solo no aumenta las tareas que puede realizar. Más capacidad en México no es requisito para contratar cómputo en otro país.
Cuánto depende el trabajo de la demanda
Ahorrar tiempo puede reducir el precio y atraer más trabajo, pero esa respuesta no está garantizada. La encuesta OCDE de pymes no estima ese efecto para México.
| Supuesto | Horas por cada 100 iniciales |
|---|---|
| Sin respuesta al precio | 100.1 |
| Respuesta elegida | 99.8 |
El cambio externo de demanda se mantiene igual en ambos casos. Las horas no equivalen al número de empleos.
Cómo se componen las horas del ensayo
Para el mismo producto: 100 − sustitución − asistencia − reorganización + operación. El cambio externo de demanda, por sí solo y sin IA, llevaría las horas a 100.
| Tarea | Horas iniciales |
|---|---|
| Comunicación y documentos | 35 |
| Transacciones y análisis rutinario | 30 |
| Juicio y relación con personas | 20 |
| Ejecución física o presencial | 15 |
Comparar el ensayo con y sin demora presidencial
| Resultado | Sin demora adicional | Con las demoras elegidas |
|---|---|---|
| Productividad del proceso (%) | -0.1 | -0.1 |
| Potencia operativa (MW) | 350 | 350 |
Se mantienen iguales los demás supuestos. El avance mundial continúa durante la pausa.
Qué demanda eléctrica implicaría este ensayo
Se calcula la energía de un año completo con la potencia de la fecha elegida. No representa lo que se consumió mientras esa potencia iba creciendo.
Consumo anualizado supuesto de centros de datos2.3TWh/año
Incremento anualizado desde enero de 20270TWh/año
La expansión equivaldría al 0% del consumo final de electricidad observado en México en 2024 (304 TWh). Es una comparación de escala con una referencia histórica.
No se estima el consumo eléctrico nacional futuro ni la capacidad de conectar una instalación a una red local.
| Magnitud | Valor |
|---|---|
| Capacidad | 350 MW |
| Factor de carga eléctrica | 75% |
| PUE si potencia de equipos | No aplica |
Comparar contratar un servicio con operar un modelo propio
Supuestos de costo por tarea: servicio externo $1.5 MXN; operación propia $0.3 MXN más $180,000 MXN al año. Se supone igual calidad. No son cotizaciones.
| Modalidad | Costo calculado |
|---|---|
| Servicio mediante API | 75,000 |
| Operación propia | 195,000 |
| Punto de equilibrio | 150,000 tareas/año |
La operación propia debe alcanzar la calidad, capacidad y disponibilidad necesarias. Requiere mantenimiento y evaluación. Descargar un modelo de origen chino no implica enviar datos a China.
04
Qué condiciona estos futuros
El acceso a mejores modelos no basta: las capacidades del país y sus vínculos con el exterior determinan qué puede hacerse con ellos.
Tecnología mundial y dependenciaUna mejora técnica sólo genera beneficios si funciona en el trabajo real
03
De la frontera mundial a México
METR estudia tareas digitales de distintas duraciones. Una evaluación de junio de 2026 cambió tanto según cómo se trataran los incumplimientos que sus autores no consideraron robusto un único resultado. No mide una ocupación completa.
El costo de a un nivel comparable en la evaluación citada ha caído y los amplían opciones. Mantenimiento, evaluación y datos siguen costando.
Instalaciones industriales en México durante 2024: −4% anual. Son infraestructura productiva; no evidencia de robots generativos generalizados.
Un mejor resultado promedio no garantiza que un agente actúe de forma consistente o segura. La evaluación local debe contar los errores, los reintentos y el tiempo de revisión humana. Un incidente concreto ayuda a identificar vías de fallo; no permite estimar una frecuencia de ataques en México.
Aprender a trabajar con IA también exige reconocer errores y comprobar resultados. El estudio de habilidades de la OCDE distingue esas capacidades de saber desarrollar modelos; el tiempo para aprender puede ser una barrera adicional.
- 01 · Cambio global
Inferencia más barata y modelos eficientes
- 02 · Transmisión
Reduce el costo variable de algunas tareas, pero aumenta el volumen potencial de consultas y el gasto en integración.
- 03 · Exposición mexicana
Pymes, microempresas y servicios con gastos en software, expedientes, ventas y atención.
- 04 · Condición de absorción
Datos reutilizables, conectividad, formación, margen económico suficiente y control del costo por resultado.
- 05 · Qué observar
Costo por caso resuelto en MXN, tasa de errores y revisión, gasto mensual total, procesos con registro digital.
- 06 · Resultado posible
Se vuelve viable asistir tareas antes inaccesibles; el beneficio puede diluirse en más consumo, suscripciones y supervisión.
La caída histórica de precio a rendimiento equivalente no es una tasa futura garantizada; el tipo de cambio y el trabajo humano importan.
Infraestructura y energíaLa potencia instalada no garantiza conexión local ni acceso a cómputo
La base material y geopolítica
Infraestructura y dependencia tecnológica
Infraestructura instalada, costo de operación y relaciones internacionales condicionan qué parte de la inteligencia global puede convertirse en capacidad mexicana.
Un punto de partida, una ambición mayor
MEXDC reportó 250 MW operativos y 74 MW en construcción. Su expectativa de 1.5 GW para 2030 implica multiplicar por seis la base reportada; es un objetivo sectorial, no obra ejecutada ni capacidad exclusiva de IA.
Una interdependencia que creció
El promedio calculado con la serie EIA pasó de 2.89 en 2015 a 6.64 mil millones de pies cúbicos diarios en 2025. Es flujo gasífero bilateral, no consumo atribuible a centros de datos.
La integración transmite oportunidades y presión
La proporción dirigida a Estados Unidos conecta a México con sus cadenas productivas. En julio de 2026, Estados Unidos no aceptó extender el T-MEC en su forma actual; el tratado siguió vigente. Las negociaciones posteriores pueden cambiar requisitos y expectativas.
El precio cayó; la integración sigue costando
Stanford registra esa reducción histórica. La proyección conserva el mecanismo de abaratamiento y explora ritmos más moderados; incluye trabajo humano, infraestructura y presión de demanda.
Estar en México no equivale a ser mexicano
La OCDE distingue la infraestructura de su acceso efectivo y control. Los MW no indican por sí solos cuánta IA pueden utilizar empresas o universidades.
AWS, Azure y Google Cloud documentan regiones en el país. La ubicación puede mejorar el servicio, pero no garantiza que cada solicitud se procese allí. Deben comprobarse el servicio contratado, dónde se procesan los datos y si es posible cambiar de proveedor.
Agua: importa el sitio y el diseño
CONAGUA calculó disponibilidad negativa para el acuífero Valle de Querétaro, con corte administrativo de 2022. Eso no atribuye el déficit a la IA. AWS declara refrigeración por aire en su región; las soluciones y huellas varían por instalación.
Explorar el costo energético de una instalación hipotética
De la potencia al gasto en energía
Cambia los supuestos para ver la escala física. El precio es un valor de ensayo editable, no una tarifa observada de CFE.
Consumo anual calculado981.1 GWhGasto del componente de energía$1,962 millones MXN/año
MW de equipos × factor de carga × PUE × 8,760 ÷ 1,000 = GWh/año.
relaciona la energía total de la instalación con la usada por sus equipos informáticos. El factor de carga es la potencia eléctrica media dividida por la nominal; no mide la ocupación de las GPU. Se supone operación durante 8,760 horas. El cálculo excluye cargos de capacidad, conexión, respaldo, impuestos y financiamiento; no calcula agua. Este ejemplo describe una instalación; no estima el consumo de todas las organizaciones que usan IA.
Regiones y sectoresLas condiciones de acceso y el tipo de trabajo varían dentro de México
05
Un país, muchos puntos de partida
La conectividad permite localizar una condición de acceso. No es una medición de adopción de IA ni de empleos expuestos.
Geometría: INEGI / HDX / geoBoundaries, 2020, adaptada y simplificada. CC BY 3.0 IGO. Datos: ENDUTIH 2025.
Ciudad de México
92%Personas de seis años o más usuarias de internet.
- Referencia nacional
- 86.1%
- Período
- 2025
- Muestra estatal
- 1,863
- Tipo de resultado
- Estimación ponderada
Cada persona encuestada representa a otras de su entidad mediante un factor de expansión. No se calculó el margen de error de cada tasa; diferencias pequeñas no bastan para afirmar que una entidad supera a otra.
Tabla de las 32 entidades y método de cálculo
Se suman los factores de expansión de quienes usaron internet, se dividen entre los de toda la población del grupo y se multiplica por cien. La tasa nacional se calcula con todas las personas; no es el promedio simple de las tasas estatales.
| Clave | Entidad | Internet% | Muestra |
|---|---|---|---|
| 01 | Aguascalientes | 91.1 | 1847 |
| 02 | Baja California | 93.2 | 1770 |
| 03 | Baja California Sur | 91.1 | 1776 |
| 04 | Campeche | 83.6 | 1846 |
| 05 | Coahuila de Zaragoza | 86.3 | 1785 |
| 06 | Colima | 89.6 | 1786 |
| 07 | Chiapas | 71.2 | 1853 |
| 08 | Chihuahua | 88.8 | 1821 |
| 09 | Ciudad de México | 92 | 1863 |
| 10 | Durango | 86 | 1799 |
| 11 | Guanajuato | 85.4 | 1876 |
| 12 | Guerrero | 81.4 | 1781 |
| 13 | Hidalgo | 85.3 | 1824 |
| 14 | Jalisco | 88.5 | 1667 |
| 15 | México | 85.4 | 1864 |
| 16 | Michoacán de Ocampo | 85.1 | 1748 |
| 17 | Morelos | 82.8 | 1807 |
| 18 | Nayarit | 90.1 | 1836 |
| 19 | Nuevo León | 93.9 | 1791 |
| 20 | Oaxaca | 78.6 | 1870 |
| 21 | Puebla | 84.4 | 1750 |
| 22 | Querétaro | 88.7 | 1795 |
| 23 | Quintana Roo | 92.1 | 1805 |
| 24 | San Luis Potosí | 84 | 1818 |
| 25 | Sinaloa | 88.7 | 1793 |
| 26 | Sonora | 88.8 | 1753 |
| 27 | Tabasco | 84.6 | 1829 |
| 28 | Tamaulipas | 87.6 | 1761 |
| 29 | Tlaxcala | 85.2 | 1872 |
| 30 | Veracruz de Ignacio de la Llave | 81.8 | 1824 |
| 31 | Yucatán | 84.3 | 1791 |
| 32 | Zacatecas | 85.9 | 1809 |
El tipo de trabajo también importa
La OCDE estima alta a IA generativa en el 34.1% del empleo urbano mexicano y el 17.1% del rural, con datos laborales de 2023. El criterio es poder reducir a la mitad el tiempo de al menos la mitad de las tareas, manteniendo calidad.
Es una posibilidad técnica según la clasificación del estudio; no mide uso actual ni anuncia despidos. Esta definición tampoco equivale a los niveles cualitativos de la matriz sectorial de abajo.
El acceso también depende del tiempo disponible. La ENUT 2024 documenta que las mujeres de 12 años o más dedican, en promedio, 21.5 horas semanales más que los hombres al trabajo no remunerado doméstico, de cuidados, comunitario y voluntario. Esa carga puede limitar la formación; no es una medida de empleo expuesto a IA ni un efecto causado por ella.
Sectores y ocupaciones
Sectores ante la IA
Mapa analítico de 14 perfiles. Las posiciones son juicios cualitativos fundamentados, no mediciones de empleo expuesto ni un ranking estadístico.
Desliza la matriz para ver las tres columnas. También puedes elegir un perfil en el selector que aparece debajo.
Exposición de las tareas
| Bajas | Medias | Altas | |
|---|---|---|---|
| Alta | — | ||
| Media | |||
| Baja | — | — |
Condiciones para aprovechar la IA
Manufactura
- Ocupaciones ilustrativas
- Técnicos de calidad y planeación
- Tareas potencialmente afectadas
- Inspección, mantenimiento y trazabilidad
- Condición crítica
- Hardware, integración de planta y capital
Los perfiles pueden superponerse y no representan participaciones del empleo nacional. Las condiciones también varían dentro de cada sector.
Tabla sectorial y criterios de clasificación
Matriz ordinal de juicio analítico: exposición a tareas digitales y condiciones de absorción del segmento ilustrado, no promedios sectoriales medidos. Baja/media/alta son categorías de lectura, no puntos de un índice ni porcentaje de empleo.
| Perfil | Exposición | Absorción | Fuentes |
|---|---|---|---|
| Manufactura | Media | Media | S04, S19, S57 |
| Automotriz | Media | Alta | S19, S33, S57, S63 |
| Aeroespacial | Media | Alta | S13, S19, S63 |
| Servicios financieros | Alta | Alta | S10, S13, S56 |
| Comercio | Media | Baja | S04, S05, S36 |
| Logística | Media | Media | S19, S36, S61 |
| Salud | Alta | Media | S07, S10, S13, S73 |
| Educación | Alta | Media | S03, S07, S36, S73 |
| Gobierno | Alta | Media | S07, S09, S10, S65, S73 |
| Agricultura | Baja | Baja | S03, S05, S36 |
| Software | Alta | Alta | S17, S18, S55, S60 |
| BPO y atención | Alta | Media | S15, S16, S19, S56 |
| Construcción | Baja | Baja | S05, S13, S36 |
| Energía | Media | Alta | S11, S12, S39 |
El ajuste también puede aparecer en los ingresos
El trabajo informal puede ajustarse mediante honorarios, jornadas o ingreso por pieza. Microempresa e informalidad no son equivalentes; el modelo no distribuye entre esos grupos las horas ahorradas.
05
Qué observar desde ahora
Señales para revisar el rumbo. Un anuncio, una compra y una operación sostenida son evidencias distintas.
L01Costo de inferencia a desempeño comparableReportes anuales; tarifas públicas y nuevos modelos, irregular
Qué observar Precio por una carga de trabajo fija, rendimiento mínimo y configuración documentada; expresar también el costo en pesos con fecha de conversión.
Por qué importa Separa abaratamiento tecnológico de aumentos de calidad y cambios de mezcla de uso.
Continuidad Refuerza continuidad si el ahorro amplía uso mediante plataformas ya contratadas.
Límite El precio por token no incluye revisión, integración ni operación. Un cambio de benchmark puede romper comparabilidad.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L02Autonomía fiable y calidad del resultadoIrregular, por nueva medición o versión metodológica
Qué observar Horizontes de tareas a una fiabilidad especificada y evaluaciones de aceptación completa de soluciones.
Por qué importa La fiabilidad cambia la delegación posible y la carga humana de verificación.
Continuidad Favorece continuidad si mejora gradualmente tareas acotadas ya integradas.
Límite METR estudia principalmente tareas digitales, no jornadas de todas las ocupaciones. Las versiones y los criterios de éxito pueden cambiar. Un horizonte considerado no robusto por sus autores no constituye un récord comparable.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L03Brecha de modelos abiertos y cerradosNuevos modelos, irregular; síntesis anual
Qué observar Desempeño, licencias y opciones de despliegue de modelos comparables, incluyendo pruebas regionales.
Por qué importa Modifica poder de negociación y viabilidad de adaptación local.
Continuidad Refuerza continuidad cuando las alternativas se integran como otro servicio dentro de plataformas existentes.
Límite Pesos disponibles no significan costo total menor ni independencia del hardware. Arena y pruebas regionales miden aspectos diferentes.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L04Digitalización y uso empresarial de IACensos quinquenales; incorporar nuevas encuestas solo tras revisar método
Qué observar Uso de internet, nube y sistemas de IA con los denominadores censales publicados, idealmente desagregados por tamaño. Contrastar la encuesta EMAER de junio de 2026 sin mezclar su universo de más de 100 trabajadores con el censo.
Por qué importa Permite observar si el cambio supera el consumo individual de herramientas.
Continuidad Fortalece continuidad si crece principalmente entre unidades digitalizadas.
Límite La base censal actual refiere a 2023. IA y nube usan el subconjunto con herramientas digitales, no todas las empresas. La encuesta empresarial mide uso declarado, no profundidad de integración; las preguntas de 2025 y 2026 no forman una serie homogénea.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L05Financiamiento de unidades pequeñasQuinquenal para la medición censal utilizada
Qué observar Obtención de financiamiento por tamaño y fuentes reportadas en estadísticas oficiales.
Por qué importa Integrar sistemas, preparar datos y formar personal requiere recursos además de inferencia barata.
Continuidad Refuerza continuidad si el acceso permanece concentrado en unidades consolidadas.
Límite No obtener crédito no demuestra que una solicitud haya sido rechazada. El crédito bancario total tampoco mide el acceso al financiamiento de las empresas pequeñas.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L06Movimientos del empleo formal e informalMensual y trimestral
Qué observar Informalidad, cuenta propia y composición ocupacional por actividad, usando series y cortes compatibles de ENOE.
Por qué importa Muestra canales de ajuste y distribución del trabajo, sin identificar por sí sola su causa.
Continuidad Es compatible con continuidad si cambian tareas sin ruptura agregada de la estructura laboral.
Límite La informalidad puede cambiar por múltiples causas; una variación por sí sola no identifica un efecto de la IA. El sector informal es sólo una parte de la informalidad laboral.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L07Horas e ingresos en actividades expuestasENOE trimestral; estudios causales, irregular
Qué observar Horas trabajadas e ingresos comparables por ocupación y edad, con atención a jóvenes y trabajadores por cuenta propia.
Por qué importa Ayuda a distinguir más producción, menor jornada, reducción de demanda y deterioro de remuneración.
Continuidad Refuerza continuidad si los cambios son acotados y heterogéneos.
Límite Los cambios de precios, salario mínimo, composición y respuestas de la muestra afectan la comparación de ingresos. Tener una edad joven tampoco identifica un puesto de entrada.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L08Conectividad e inclusión territorialAnual
Qué observar Uso de internet por entidad y ámbito; disponibilidad de equipos y usos relevantes según ENDUTIH.
Por qué importa Permite separar convergencia en acceso de aprovechamiento productivo.
Continuidad Refuerza continuidad si la conectividad aumenta sin grandes cambios de integración.
Límite La conectividad no mide adopción estatal de IA. Las diferencias pequeñas pueden reflejar errores de muestreo.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L09Esfuerzo nacional de investigación y desarrolloAnual con rezago y posibles revisiones
Qué observar Gasto interno en I+D como proporción del PIB y cambios de la serie armonizada.
Por qué importa Informa la escala de recursos para investigación, adaptación y validación.
Continuidad Es compatible con continuidad si aumenta uso de IA importada sin mayor esfuerzo nacional.
Límite La investigación y desarrollo total no es gasto exclusivo en IA. La proporción puede cambiar por el gasto en investigación, por el PIB o por ambos.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L10Formación y disponibilidad de capacidadesIndicadores educativos anuales; evaluaciones irregulares
Qué observar Educación terciaria y formación técnica en fuentes oficiales; cohortes, terminación y continuidad de programas publicados. La capacitación declarada y la organización contable por tamaño aportan condiciones complementarias; ausencia de capacitación formal no demuestra ausencia de aprendizaje.
Por qué importa La transformación necesita perfiles técnicos, sectoriales y docentes, además de especialistas en modelos.
Continuidad Refuerza continuidad si la oferta se adapta lentamente mediante programas existentes.
Límite Egresados no equivalen a stock laboral, y titulados STEM no equivalen a expertos en IA. La evidencia pública disponible no cubre todos los resultados de aprendizaje.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L11Infraestructura de cómputo realmente operativaCatálogos de servicios e hitos, irregular
Qué observar Capacidad energizada, servicios disponibles y acceso comercial o científico; separar de inversión anunciada y obra en construcción.
Por qué importa Determina acceso útil y permite comprobar cuánto del ciclo de anuncios llega a operación.
Continuidad Refuerza continuidad si crece infraestructura bajo modelos comerciales existentes.
Límite La potencia de equipos informáticos difiere de la potencia total. Una inversión comprometida puede no haberse desembolsado y los centros de datos no se dedican exclusivamente a IA.
Catálogos públicos y comunicaciones; falta un censo homogéneo completo. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L12Condiciones físicas: electricidad, gas y aguaConsumo eléctrico anual; gas mensual; acuíferos y obras, actualización irregular
Qué observar Consumo final/bruto histórico, proyectos de conexión ejecutados, suministro de gas y balances de acuíferos donde se localicen proyectos.
Por qué importa La energía agregada no garantiza conexión local; agua y combustible pueden cambiar costo y continuidad.
Continuidad Refuerza continuidad si la expansión se concentra donde ya existen condiciones viables.
Límite El déficit hídrico no identifica consumo atribuible a IA. Los pronósticos eléctricos pueden incluir ya el crecimiento digital; el consumo nacional no mide capacidad disponible en cada nodo.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L13Robótica instalada y despliegue físicoEstadística industrial anual; despliegues, irregular
Qué observar Instalaciones anuales de robots industriales y evidencia pública de despliegues, con industria, alcance y puesta en marcha identificados.
Por qué importa Distingue avance de IA digital de incorporación física en la producción.
Continuidad Refuerza continuidad si se concentra en cadenas industriales preparadas.
Límite Robot industrial no equivale a IA generativa. Instalaciones no son stock ni empleo sustituido; demostraciones de laboratorio no prueban rentabilidad.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L14Supercómputo público disponible para usuariosIrregular; revisar trimestralmente
Qué observar Hitos publicados de obra, entrega, aceptación, catálogo de servicio, acceso y soporte operativo de proyectos públicos.
Por qué importa Permite distinguir una capacidad anunciada de una infraestructura científica utilizable.
Continuidad Es compatible con continuidad si existe capacidad útil en instituciones específicas.
Límite Petaflops de distintas precisiones no son equivalentes. La creación de un comité no demuestra entrega de equipos.
Anuncios y acuerdos públicos disponibles; datos operativos deben documentarse cuando se publiquen. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L15Contratación pública: de adjudicación a servicioIrregular; presupuestos y cuentas públicas anuales
Qué observar Expedientes públicos que permitan enlazar objeto contractual, gasto, entregables aceptados y continuidad del servicio.
Por qué importa Una compra no acredita implementación ni mejora del resultado para la ciudadanía.
Continuidad Refuerza continuidad si aparecen mejoras puntuales dentro de procesos existentes.
Límite Las fuentes revisadas no ofrecen un total nacional comparable de compras de IA. Mencionar IA en un contrato no demuestra que se haya implementado.
Construcción documental manual con expedientes públicos; sin total nacional verificado. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L16Derechos y mecanismos de revisiónPor evento normativo o resolución pública
Qué observar Textos normativos efectivamente publicados y documentación pública de revisión, reclamaciones o decisiones sobre usos de IA.
Por qué importa La legitimidad de la delegación depende de responsabilidades claras y vías de corrección accesibles.
Continuidad Es compatible con continuidad si se adaptan obligaciones existentes a aplicaciones acotadas.
Límite Una norma o iniciativa no prueba cumplimiento. Los datos en posesión de autoridades y de particulares tienen regímenes distintos. Los derechos sobre datos no sustituyen las vías de impugnación propias de cada servicio.
Textos y resoluciones públicos; no hay un agregado homogéneo de resultados en el corpus. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L17Incidentes comprobados y recuperaciónPor incidente; revisión trimestral del registro
Qué observar Incidentes con documentación pública suficiente: servicio afectado, impacto, atribución a IA y recuperación cuando se reporte.
Por qué importa Muestra costos de delegación y continuidad; también permite observar mejoras defensivas.
Continuidad Es compatible con continuidad si los riesgos se mantienen acotados a aplicaciones delimitadas.
Límite Más reportes pueden reflejar mayor transparencia. Un ataque o error informático no es necesariamente atribuible a IA; las pruebas de capacidad no permiten calcular una tasa nacional de incidentes.
Registro manual de casos publicados; sin tasa nacional comparable verificada. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L18Integración y condiciones de acceso internacionalesPor evento; comercio agregado mensual/anual según serie que se incorpore
Qué observar Acuerdos firmados, disposiciones vigentes, cooperación ejecutada y cambios efectivos de disponibilidad tecnológica relacionados con EE.UU., Canadá y China.
Por qué importa Modifica demanda, alternativas de suministro, cooperación y capacidad negociadora mexicana.
Continuidad Refuerza continuidad si se profundiza integración con proveedores y estándares existentes.
Límite Un memorando no prueba ejecución y el comercio total no mide dependencia de IA. Las reglas tienen ámbitos y excepciones; las medidas retiradas sólo sirven como antecedentes.
Serie o publicación pública disponible. Revisión: Trimestral; eventos materiales se documentan cuando se conocen. Próxima edición trimestral; según disponibilidad de cada fuente.
L19Continuidad durante el relevo presidencialDocumentación presupuestaria anual; contratos y entrega, según publicación
Qué observar Renovaciones, vacantes críticas, pruebas de recuperación de datos y días de servicio interrumpido en proyectos expuestos al relevo.
Por qué importa Permite distinguir un cambio de nombres de una pérdida real de capacidad.
Continuidad La operación sostenida respalda que la difusión comercial atraviese el relevo.
Límite La continuidad partidista no prueba continuidad operativa. Un caso particular tampoco describe a toda la economía.
Normas públicas; verificar disponibilidad del expediente de cada programa. Revisión: Trimestral y ante cambios documentados. Según nueva documentación pública.
L20Presupuesto y ejecución entre 2030 y 2031Documentación presupuestaria anual; contratos y entrega, según publicación
Qué observar Gasto de mantenimiento y contratos del ejercicio 2030; anteproyectos y presupuesto de 2031 por separado.
Por qué importa Evita adelantar a 2030 beneficios que dependen del gasto de 2031.
Continuidad Recursos vigentes y contratos renovados permiten sostener servicios.
Límite Presupuesto aprobado, gasto ejecutado y servicio operativo son evidencias distintas; las mejoras de 2031 están fuera del horizonte.
Normas públicas; verificar disponibilidad del expediente de cada programa. Revisión: Trimestral y ante cambios documentados. Según nueva documentación pública.
Seguimiento con fuentes públicas, según la frecuencia de cada indicador.
06
Cómo se construyen las proyecciones
Evidencia mexicana y mecanismos globales, conectados mediante hipótesis explícitas.
La proyección distingue el uso de herramientas de su integración al trabajo y de sus consecuencias económicas y físicas. Los datos describen condiciones iniciales; los proponen futuros posibles. No se obliga al país a seguir un desfase uniforme respecto de Estados Unidos.
Horas = volumen demandado × horas por unidad
Productividad (%) = 100 × (1 / horas relativas por unidad − 1)
Productividad (%) = 100 × (1 / horas relativas por unidad − 1)
Las curvas muestran sensibilidad de escenarios. Cada ensayo calcula qué ocurriría bajo una combinación de supuestos; los datos históricos son su referencia.
Qué pueden decirnos
Los escenarios permiten explorar condiciones y consecuencias. No anticipan con certeza lo que ocurrirá ni convierten una mejora en una tarea en crecimiento de toda la economía.
La evidencia sostiene el punto de partida. Las magnitudes futuras dependen también de supuestos que pueden fallar.
Qué aporta la evidencia de la OCDE
Sus estudios ayudan a distinguir usar una herramienta de integrarla al trabajo y a entender por qué los resultados varían entre tareas. La encuesta de pymes no incluye a México; la revisión experimental no estima una ganancia nacional de productividad.
El estudio territorial sí incluye empleo mexicano. Los trabajos sobre gobierno, cómputo y formación precisan condiciones que pueden cambiar las trayectorias. Sus datos y límites se conservan en las referencias; no se usan promedios extranjeros para ajustar tasas mexicanas.
Qué diferencias se suponen y cuáles se calculan
Capacidades supone que la inversión consigue mejorar la integración y reducir el trabajo de revisión. La gráfica calcula las consecuencias de esas mejoras; no demuestra que una política vaya a producirlas. Los objetivos de centros de datos para 2030 también son supuestos: la curva distribuye su entrega en el tiempo.
La dependencia de proveedores, el agua, la informalidad y las decisiones públicas se examinan en los relatos y las señales. No se convierten en efectos numéricos nacionales. La cuenta eléctrica se calcula por separado; reducir entregas locales no limita automáticamente el uso de nube extranjera.
Qué puede cambiar o invalidar los resultados
La composición del trabajo y los costos de integración pueden alterar incluso el signo de la ganancia. Estas pruebas cambian supuestos concretos del proceso de una pequeña empresa a diciembre de 2030. Son resultados de una combinación de supuestos, no probabilidades.
| Condición | Escenario y entorno | Productividad del proceso | Costo por unidad |
|---|---|---|---|
| Supuestos de referencia | continuidad · avance gradual | 10.3% | 95.2 |
| Referencia con avance acelerado | continuidad · avance acelerado | 21.8% | 89.5 |
| Sin progreso técnico adicional | continuidad · avance gradual | 2.5% | 99.5 |
| Avance acelerado con nuevas adopciones detenidas | continuidad · avance acelerado | 2.4% | 98.5 |
| Precio de uso diez veces menor que en 2027 | continuidad · avance gradual | 10.3% | 95.1 |
| Mismo precio reducido con veinte veces más uso por tarea | continuidad · avance gradual | 10.3% | 96.1 |
| Proceso con 70% de trabajo presencial | fragmentacion · avance gradual | -0.6% | 101.1 |
Productividad frente al mismo proceso sin IA; costo por unidad con referencia sin IA igual a 100. En «nuevas adopciones detenidas» se conserva el uso inicial y su posible abandono. Un menor precio por uso puede coexistir con más gasto si aumenta la cantidad utilizada por tarea.
Hacer coincidir integración lenta y costos altos también amplía las diferencias entre resultados. Por eso las franjas dependen de cómo se relacionan los supuestos. Ningún escenario es un ganador garantizado. El expediente incluye las mezclas de tareas, la prueba de dependencia entre parámetros y los resultados del relevo presidencial.
Consultar un término
Las palabras con subrayado punteado abren una definición. El glosario reúne también las siglas, unidades y conceptos de las referencias.
Qué es un dato y qué es una proyección
Observado: valor publicado con su período y universo. Estimado: cálculo o reporte sujeto a método y cobertura. Supuesto: insumo elegido para explorar un escenario. Derivado: transformación reproducible. Proyección: resultado condicional, numérico o narrativo.
El respaldo de un mecanismo y la certeza de una fecha son cosas distintas. Las proyecciones exploran posibilidades; las de 2029–2030 dependen de más condiciones. No hay probabilidades asignadas a los tres futuros.
Ecuaciones y unidades
Difusión: dA/dt = r(t)·A(1−A/K) − δA, con r(t) = β·b(t)·f·aprendizaje·deriva^(t/48). A es cobertura organizacional supuesta; β velocidad mensual; K techo; δ abandono; b(t) factor de la fase de difusión; f factor del entorno mundial; aprendizaje y deriva son multiplicadores supuestos; t tiempo en meses. La derivada dA/dt representa el cambio de cobertura por mes. El desplazamiento del cambio de fase varía por escenario y tamaño: no mide un retraso de acceso de México a la tecnología. Puede prolongar una fase de difusión rápida o una lenta.
En cada tarea: u = A·m·e. La cobertura organizacional A, integración de procesos m y elegibilidad técnica e son dimensiones distintas. Con proporciones de tareas w que suman 1, sustitución S = Σwuz(1−h) y asistencia C = Σwu(1−z)v/(1+v). z es la fracción de la tarea cubierta que se automatiza; h es la parte que sigue requiriendo revisión humana; v es aumento efectivo de velocidad; Σ indica sumar los aportes de las tareas.
Horas relativas por producto: k = 1−S−C+O−R. O incorpora horas nuevas; R reorganización neta. Los costos de incorporación disminuyen con la experiencia de cada grupo desde que comenzó a usar IA; quienes llegan tarde no heredan años de aprendizaje por el paso del calendario. Productividad: 100(1/k−1). Costo unitario: participación del trabajo en los costos×k + otros costos + pagos a proveedores adicionales. Los pagos a proveedores excluyen las horas internas ya contabilizadas. Son pagos fuera de la organización, no necesariamente fuera de México. Los costos se asignan al producto de referencia; no son una contabilidad de gastos fijos totales de una empresa.
Precio relativo = 1 + traspaso×(costo relativo−1). Volumen = precio relativo^(−elasticidad)×(1+choque). Horas =100×volumen×k. El contrafactual mantiene calidad y producto comparable; ninguna identidad estima puestos eliminados.
Electricidad anualizada: MW de instalación al cierre × factor de carga × 8,760 / 1,000 = GWh/año. No equivale a la energía consumida durante el año si la capacidad fue cambiando. Si los MW corresponden a IT, multiplicar además por PUE. Para incremento, restar el stock inicial compatible.
De la fuente al resultado
INEGI y la evidencia histórica informan heterogeneidad y restricciones. No hay una serie nacional compatible para estimar todos los parámetros: niveles iniciales de 2027, velocidades, techos y elasticidades son supuestos publicados. Los estudios extranjeros sostienen mecanismos posibles, sin trasladar su efecto promedio a México.
Los supuestos, sus unidades y las fuentes pueden consultarse en el expediente. El registro conserva relatos prospectivos y resultados de simulación. Los cuatro tamaños son perfiles hipotéticos, no estratos estadísticos delimitados. Para evaluarlos con datos reales habría que definir primero una población y una medida equivalentes; mientras eso falte, no pueden contarse como aciertos nacionales.
Qué significan las bandas
Se ensayan miles de combinaciones de condiciones iniciales y ritmos de cambio. La mediana divide los resultados en dos mitades. La contiene, en cada fecha, el 80% central de los resultados ensayados; no significa que el futuro tenga un 80% de probabilidad de quedar allí. El expediente documenta los rangos y el método de muestreo .
La incertidumbre estructural aumenta con el horizonte: cambios políticos, demanda, seguridad y ruptura tecnológica no quedan contenidos por completo en una banda. Un intervalo que se estrecha por saturación no elimina la incertidumbre estructural del horizonte lejano. La mediana de cada indicador puede venir de una corrida distinta: combinar varias medianas no reconstruye necesariamente una organización simulada. Las pruebas con otras distribuciones muestran además que el ancho de la franja depende de cómo se ponderan los supuestos.
Alcance global y periodicidad
Se mantienen bimestres en 2027 y trimestres en 2028–2030. Son ventanas prospectivas; no fechas de precisión demostrada. Se exploran hipótesis globales de aceleración, seguridad y coordinación. Los antecedentes y sus versiones se conservan en el catálogo de referencias.
La coordinación no impone aquí menor avance de tareas convencionales: gradual y coordinada comparten esa cobertura técnica, con distinta hipótesis de precio. Una pérdida general de control o una ruptura institucional radical exige cambiar el régimen y rehacer el modelo económico ordinario; no se representa como un pequeño choque.
Actualización y criterios de revisión
Revisión trimestral del registro de señales; actualización semestral del modelo salvo evento material. Las proyecciones se revisan cuando cambia la evidencia.
La encuesta empresarial de Banxico amplía la evidencia, pero siguen faltando mediciones comparables de uso operativo en microempresas y otros tamaños, así como de capacidades del personal y acceso eléctrico por sitio. Las repercusiones en empleo y productividad nacional no se estiman a partir de estas curvas.
Consultar el registro completo de proyecciones
Lo que esta edición proyecta
Una edición fechada, con supuestos que se pueden revisar.
Continuidad · Avance gradual · Pequeña. Rangos P10–P90 de cobertura organizacional supuesta; no intervalos estadísticos de población.
| ID | Horizonte | Cobertura supuesta | Hipótesis | Revisión |
|---|---|---|---|---|
| Q-P01 | 2027-02-28 | 8.3–19.4% | La IA entra por la puerta del trabajo cotidiano | Exploratoria |
| Q-P02 | 2027-04-30 | 9.4–21.6% | La inteligencia barata no vuelve barata toda la operación | Exploratoria |
| Q-P03 | 2027-06-30 | 10.7–24.1% | La procedencia de una instrucción adquiere valor | Exploratoria |
| Q-P04 | 2027-08-31 | 12.1–26.6% | La expansión digital encuentra sus límites físicos | Exploratoria |
| Q-P05 | 2027-10-31 | 13.6–29.3% | México negocia su lugar entre dos ecosistemas tecnológicos | Exploratoria |
| Q-P06 | 2027-12-31 | 15.2–32.2% | El cierre del año revela qué aprendizaje permanece | Exploratoria |
| Q-P07 | 2028-03-31 | 17.8–36.7% | El cómputo empieza a valer por los problemas que permite resolver | Exploratoria |
| Q-P08 | 2028-06-30 | 20.7–41.4% | Los servicios públicos avanzan al ritmo de sus expedientes | Exploratoria |
| Q-P09 | 2028-09-30 | 23.7–45.9% | La presión laboral llega por las tareas y por los clientes | Exploratoria |
| Q-P10 | 2028-12-31 | 26.6–50% | El siguiente salto exige llegar fuera de las organizaciones preparadas | Exploratoria |
| Q-P11 | 2029-03-31 | 29.5–53.5% | La calidad local se vuelve una ventaja competitiva | Exploratoria · distante |
| Q-P12 | 2029-06-30 | 32.3–56.8% | El orden tecnológico mundial entra en las decisiones mexicanas | Exploratoria · distante |
| Q-P13 | 2029-09-30 | 35.2–59.8% | La infraestructura entra en el calendario electoral | Exploratoria · distante |
| Q-P14 | 2029-12-31 | 38–62.6% | El presupuesto y los contratos ponen a prueba la continuidad | Exploratoria · distante |
| Q-P15 | 2030-03-31 | 40.8–65.2% | La formación decide quién puede participar en la siguiente etapa | Exploratoria · distante |
| Q-P16 | 2030-06-30 | 43.6–67.4% | La legitimidad se convierte en una condición de continuidad | Exploratoria · distante |
| Q-P17 | 2030-09-30 | 46.3–69.3% | La entrega de gobierno vuelve concreta la continuidad | Exploratoria · distante |
| Q-P18 | 2030-12-31 | 48.9–71% | El relevo muestra qué capacidades permanecen | Exploratoria · distante |
Estas cifras describen organizaciones hipotéticas; el registro permite reproducirlas y revisar sus supuestos. No cuenta aciertos ni mide calibración. Un contraste empírico requiere definir antes un grupo real y una medición equivalentes.
07
Fuentes de la investigación
80 registros de evidencia. Cada fuente indica a qué población y período se refiere, junto con sus límites.
Revisión crítica dirigida, con prioridad a fuentes primarias. Incluye documentos aportados, estadísticas oficiales, documentación técnica, estudios empíricos y escenarios. No se presenta como revisión sistemática exhaustiva ni como una publicación ya revisada por pares.
Catálogo de fuentes80 referencias
S14The Simple Macroeconomics of AIAcemoglu, D. · 2024Documento de trabajo
Referencia
Acemoglu, D. (2024). The simple macroeconomics of AI (NBER Working Paper No. 32487). National Bureau of Economic Research. https://www.nber.org/system/files/working_papers/w32487/w32487.pdf
Período de referencia Modelo de tareas y agregación
Lectura La ganancia agregada depende de la fracción de tareas afectadas y de sus pesos económicos, además del ahorro en cada tarea.
Límite Una mejora de velocidad en una tarea no se traduce uno a uno en PIB. No se trasladan sus estimaciones macroeconómicas a México.
Localización Resumen y modelo de agregación
Consultar fuente originalS09Acuerdo de Coordinación Interinstitucional mediante el cual se crea el Comité Técnico de la Infraestructura de Supercómputo CoatlicueDiario Oficial de la Federación · ATDT / SECIHTI · 2026, 29 de mayoDisposición oficial
Referencia
Acuerdo de Coordinación Interinstitucional mediante el cual se crea el Comité Técnico de la Infraestructura de Supercómputo Coatlicue. (2026, 29 de mayo). Diario Oficial de la Federación. https://sidof.segob.gob.mx/notas/docFuente/5789003
Período de referencia Instrumento institucional 2026
Lectura Formaliza coordinación técnica para capacidades de supercómputo y sus aplicaciones públicas y científicas.
Límite La existencia del comité prueba un arreglo institucional; no acredita capacidad instalada, disponibilidad para usuarios ni impacto.
Localización Objeto, integración y funciones del comité
Consultar fuente originalS08Presentación de Coatlicue, la supercomputadora del pueblo de MéxicoAgencia de Transformación Digital y Telecomunicaciones · 2025, 26 de noviembreAnuncio oficial
Referencia
Agencia de Transformación Digital y Telecomunicaciones (2025, 26 de noviembre). Presentación de Coatlicue, la supercomputadora del pueblo de México. Gobierno de México. https://www.gob.mx/atdt/comunicacion/presidenta-claudia-sheinbaum-presenta-coatlicue-la-supercomputadora-del-pueblo-de-mexico-y-la-mas-poderosa-de-america-latina
Período de referencia Anuncio de construcción a partir de enero de 2026
Lectura Se anuncia inversión de 6 mil millones de pesos, horizonte de construcción de 24 meses y capacidad objetivo de 314 petaflops.
Límite Anuncio, presupuesto, contratación, entrega y servicio disponible son estados distintos. No se verificó operación al corte ni equivalencia técnica entre distintas precisiones de FLOPS.
Localización Anuncio del proyecto
Consultar fuente originalS67Investigación y principios editoriales de Enrique AguileraAguilera Briones, J. E. · s. f.Fuente editorial del autor
Referencia
Aguilera Briones, J. E. (s. f.). Investigación. Enrique Aguilera. Recuperado el 18 de septiembre de 2026, de https://www.enriqueaguilera.com/investigacion
Período de referencia Estado público del sitio
Lectura Presenta los principios de investigación del autor; no aporta estimaciones de efectos económicos.
Límite La referencia se limita a los documentos públicos enlazados.
Localización Línea de investigación, manuscritos y transparencia editorial
Consultar fuente originalS02Radiografía de la IA en MéxicoAguilera Briones, J. E. · 2026aEnsayo aportado
Referencia
Aguilera Briones, J. E. (2026a). Radiografía de la IA en México [Ensayo aportado].
Período de referencia Incluye estadísticas 2024 y marzo de 2026
Lectura Distingue entusiasmo tecnológico de apropiación estratégica y vincula empleo, infraestructura, instituciones y soberanía.
Límite Antecedente interpretativo aportado por el autor. No se utiliza para verificar cifras ni estimar parámetros. La versión DOCX citada no pudo recuperarse para la auditoría de esta edición.
Localización Texto completo
Documento aportado por el autor: 04-Radiograf-a-de-la-IA-en-M-xico.docx. No se redistribuye el archivo original.
S01Sociedad algorítmica autónoma en los Estados Unidos MexicanosAguilera Briones, J. E. · 2026bDocumento aportado
Referencia
Aguilera Briones, J. E. (2026b). Sociedad algorítmica autónoma en los Estados Unidos Mexicanos [Investigación posdoctoral, documento aportado]. UIIMEX.
Período de referencia Investigación conceptual y documental
Lectura Arquitectura M1–M9, dependencias y condiciones de implementación. Se revisaron estructura, método, componentes y conclusiones de la tesis de 498 páginas.
Límite El propio trabajo delimita un diseño conceptual sin validación de efectividad mediante una intervención nacional. Sus indicadores no constituyen una serie temporal estimada.
Localización pp. 33–34, 188–276, 377–383 y 402–407
Documento aportado por el autor: Inv Posdoctoral - SAA(20260829-054157).pdf. No se redistribuye el archivo original.
S82Cross-Region inference in Amazon BedrockAmazon Web Services · s. f.Documentación técnica
Referencia
Amazon Web Services (s. f.). Cross-Region inference in Amazon Bedrock. Recuperado el 19 de septiembre de 2026, de https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html
Período de referencia Enrutamiento entre regiones según perfil y servicio
Lectura Una solicitud puede procesarse en otra región según el perfil contratado. Ubicación de almacenamiento, origen y ejecución deben verificarse por separado.
Límite Documentación dinámica del proveedor, dependiente de modelo, perfil y contrato; no acredita disponibilidad universal ni cumplimiento de una aplicación mexicana.
Localización Regiones de origen y destino de perfiles de inferencia
Consultar fuente originalS28México requerirá 1.5 GW en centros de datos hacia 2030Asociación Mexicana de Data Centers · 2025, 25 de agostoEstimación sectorial y expectativa
Referencia
Asociación Mexicana de Data Centers (2025, 25 de agosto). México requerirá 1.5 GW en centros de datos hacia 2030: MEXDC. https://asmexdc.com/mexico-requerira-1-5-gw-en-centros-de-datos-hacia-2030-mexdc/
Período de referencia Sector reportado en 2025; horizonte industrial 2030
Lectura La asociación reportó 250 MW en operación y 74 MW en construcción, y planteó una necesidad de 1.5 GW hacia 2030.
Límite No es un censo oficial actualizado a 2026. El objetivo es una expectativa sectorial, no capacidad ya construida. La nota no armoniza capacidad IT frente a consumo total ni identifica qué fracción corresponde a IA. Existe incentivo sectorial a promover inversión.
Localización Nota de la asociación: 250 MW operativos, 74 MW en construcción y 1.5 GW a 2030
Consultar fuente originalS74Opinión empresarial sobre la adopción de inteligencia artificial en México y su impacto en el empleo y la productividadBanco de México · 2026, 10 de septiembreEncuesta empresarial oficial; adopción declarada, percepciones y expectativas, no evaluación causal
Referencia
Banco de México (2026, 10 de septiembre). Opinión empresarial sobre la adopción de inteligencia artificial en México y su impacto en el empleo y la productividad [Recuadro]. Reporte sobre las Economías Regionales, abril–junio de 2026. https://www.banxico.org.mx/publicaciones-y-prensa/reportes-sobre-las-economias-regionales/recuadros/%7BA51F5D48-C7C5-5E8A-1193-0E54C54068E0%7D.pdf
Período de referencia EMAER junio de 2026; percepciones retrospectivas de tres años y expectativas de tres años
Lectura 48.5% de empresas encuestadas de más de 100 trabajadores reportó uso de alguna tecnología de IA; 64.8% espera usarla en los siguientes tres años. El módulo informa 43.7% para 101–250 trabajadores y 69.9% para más de 1000. Entre usuarios, 67.5% no percibió impactos significativos en empleo; 57.3% no los percibió en ventas o ingresos brutos por trabajador y 39.1% sí percibió impactos positivos en esa medida. Entre quienes esperan usar IA, 60.2% anticipa mejoras en ventas o ingresos por trabajador. Son declaraciones y expectativas, no efectos causales.
Límite La EMAER es representativa de establecimientos con más de 100 trabajadores de sectores manufacturero y no manufacturero; los desgloses adicionales del módulo son ilustrativos y exceden su representatividad, ninguno con menos de 81 respuestas. No cubre micro y pequeñas. Las preguntas de 2025 y 2026 difieren en formulación y horizonte; no derivar una tasa homogénea de crecimiento. No mide intensidad, penetración dentro de la organización ni profundidad de integración. Los impactos son percepciones; ventas por trabajador no es productividad física o causal. No fija A0 operativo de 2027.
Localización Recuadro 4 del Reporte sobre las Economías Regionales abril–junio de 2026, pp. 62–64; extracto PDF pp. 1–4, nota 1 y gráficas 1–3
Consultar fuente originalS83Opinión empresarial sobre la adopción y el uso de inteligencia artificial y automatizaciónBanco de México · 2025, 11 de diciembreEncuesta empresarial oficial y entrevistas cualitativas
Referencia
Banco de México (2025, 11 de diciembre). Opinión empresarial sobre la adopción y el uso de inteligencia artificial y automatización (Recuadro 1, pp. 9–11). Reporte sobre las Economías Regionales, julio–septiembre de 2025. https://www.banxico.org.mx/publicaciones-y-prensa/reportes-sobre-las-economias-regionales/recuadros/%7BDF639879-47B1-CECF-F7BA-668C5223FCD8%7D.pdf
Período de referencia EMAER septiembre de 2025; entrevistas PED octubre de 2025
Lectura 24.3% del universo de más de 100 trabajadores reportó usar o planear usar IA en los siguientes doce meses; 61.1% de ese grupo estaba en evaluación o pruebas piloto.
Límite Mezcla uso y planes; no es cobertura operativa. No es una tasa de todas las empresas mexicanas. Los desgloses adicionales son ilustrativos; PED no es representativo. Distinguir IA de automatización y no ensamblar una serie homogénea con la pregunta de junio de 2026.
Localización Recuadro 1 del Reporte sobre las Economías Regionales julio–septiembre de 2025, pp. 9–11; extracto PDF pp. 1–2, notas 1–3 y gráficas 1–2
Consultar fuente originalS61π0.5: a VLA with Open-World GeneralizationBlack, K., Brown, N., Darpinian, J., Dhabalia, K., Driess, D., Esmail, A., Equi, M., Finn, C., Fusai, N., Galliker, M., Ghosh, D., Groom, L., Hausman, K., Ichter, B., Jakubczak, S., Jones, T., Ke, L., LeBlanc, D., Levine, S., … Zhilinsky, U. · 2025, 22 de abrilInvestigación primaria del desarrollador
Referencia
Black, K., Brown, N., Darpinian, J., Dhabalia, K., Driess, D., Esmail, A., Equi, M., Finn, C., Fusai, N., Galliker, M., Ghosh, D., Groom, L., Hausman, K., Ichter, B., Jakubczak, S., Jones, T., Ke, L., LeBlanc, D., Levine, S., … Zhilinsky, U. (2025, 22 de abril). π0.5: A VLA with open-world generalization. Physical Intelligence. https://www.pi.website/blog/pi05
Período de referencia Experimentos de manipulación robótica en entornos nuevos
Lectura Presenta aprendizaje con datos heterogéneos y pruebas de manipulación en hogares no vistos, incluyendo fallos y ablaciones.
Límite Es evidencia experimental del desarrollador. No acredita seguridad industrial, disponibilidad comercial a escala, rentabilidad mexicana ni sustitución general del trabajo físico.
Localización How does it work?; Evaluation; Generalization to new homes; limitaciones finales
Consultar fuente originalS15Generative AI at WorkBrynjolfsson, E., Li, D., & Raymond, L. · 2025Estudio empírico publicado en revista académica
Referencia
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
Período de referencia Despliegue escalonado en soporte al cliente; estudio de una empresa
Lectura La versión publicada estudia 5,172 agentes de soporte y estima un aumento medio de 15% en casos resueltos por hora, con efectos heterogéneos y mayores beneficios entre trabajadores menos experimentados.
Límite Estudio de una empresa; 89% de agentes fuera de Estados Unidos, principalmente Filipinas. No representa empleo mexicano ni todas las tareas y no identifica un efecto nacional. La revisión NBER de noviembre de 2023 tenía 5,179 agentes: las versiones no se mezclan.
Localización Resumen, p. 889; tabla I, p. 903; versión publicada QJE 2025
Consultar fuente originalS31Anuncio de rescisión de la AI Diffusion RuleBureau of Industry and Security · 2025, 13 de mayoAntecedente de política tecnológica
Referencia
Bureau of Industry and Security (2025, 13 de mayo). Department of Commerce announces rescission of Biden-era artificial intelligence diffusion rule, strengthens chip-related export controls. U.S. Department of Commerce. https://www.bis.gov/press-release/department-commerce-announces-rescission-biden-era-artificial-intelligence-diffusion-rule-strengthens
Período de referencia Cambio de política anunciado en mayo de 2025
Lectura BIS anunció rescindir la regla de difusión de IA y no aplicarla, junto con nuevas orientaciones sobre chips avanzados. Es un antecedente de volatilidad en el acceso internacional al cómputo.
Límite No se presenta la clasificación de países de enero de 2025 como regla vigente. Esta fuente histórica no constituye un inventario jurídico a septiembre de 2026 ni prueba una prohibición general a México o al software chino.
Localización Comunicado de rescisión/no aplicación y orientación sobre chips avanzados
Consultar fuente originalS80Revision to License Review Policy for Advanced Computing CommoditiesBureau of Industry and Security · 2026, 15 de eneroFuente normativa o comunicación oficial
Referencia
Bureau of Industry and Security (2026, 15 de enero). Revision to license review policy for advanced computing commodities. Federal Register. https://www.federalregister.gov/documents/2026/01/15/2026-00789/revision-to-license-review-policy-for-advanced-computing-commodities
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura Política de revisión caso por caso para ciertas exportaciones desdeEEUU haciaChina/Macao bajo condiciones. Otros supuestos de reexportación, transferencia y destino de entidades con sede/matriz relevante conservan tratamiento diferente.
Límite No extrapolar autorización de determinadas exportaciones a cualquier operación de un proveedor chino enMéxico, ni a todo software de origen chino. No inventario completo de EAR al corte.
Localización Summary; Dates; Background; Revisions to §742.6, párrafos sobre destinos y matriz de entidad
Consultar fuente originalS86The effects of generative AI on productivity, innovation and entrepreneurshipCalvino, F., Reijerink, J., & Samek, L. · 2025Revisión crítica de estudios experimentales · OECD Artificial Intelligence Papers 39
Referencia
Calvino, F., Reijerink, J., & Samek, L. (2025). The effects of generative AI on productivity, innovation and entrepreneurship (OECD Artificial Intelligence Papers, No. 39). OECD Publishing. https://doi.org/10.1787/b21df222-en
Período de referencia Revisión de evidencia experimental disponible para la publicación de 2025
Lectura Los efectos dependen de la tarea y de la experiencia de quien utiliza IA. Las tareas acotadas pueden favorecer a personas menos experimentadas; las tareas complejas requieren conocimiento del contexto y supervisión. La revisión identifica vacíos sobre errores y efectos empresariales de largo plazo.
Límite No estima un efecto mexicano agregado ni un rendimiento universal. No debe contarse como evidencia independiente adicional a cada experimento ya citado que vuelve a reseñar. La mejora en tareas no identifica por sí sola crecimiento del PIB o empleo nacional.
Localización Resumen, p. 6 impresa; productividad, pp. 10–18; conclusiones, pp. 29–30; anexo A de estudios revisados
Consultar fuente originalS11Planeación del Sistema Eléctrico NacionalCentro Nacional de Control de Energía · s. f.Planeación oficial
Referencia
Centro Nacional de Control de Energía (s. f.). Planeación del Sistema Eléctrico Nacional. Recuperado el 18 de septiembre de 2026, de https://www.cenace.gob.mx/Paginas/SIM/PlaneacionSEN.aspx
Período de referencia Marco PLADESE 2025–2039
Lectura La página presenta la planeación de generación y ampliación de redes de transmisión y distribución. La conexión efectiva depende de infraestructura y ejecución; el diagnóstico detallado del PLADESE se documenta por separado en S39.
Límite Los programas no equivalen a megawatts ya disponibles. No se extrapola una demanda eléctrica mexicana de IA sin datos de instalaciones y cargas.
Localización PLADESE y programas de ampliación de redes
Consultar fuente originalS25Trueque y Choclo: evaluación del conocimiento regional de modelos de lenguajeCentro Nacional de Inteligencia Artificial · 2026, 22 de abrilComunicación técnica del desarrollador
Referencia
Centro Nacional de Inteligencia Artificial (2026, 22 de abril). CENIA presentó sus benchmarks Trueque y Choclo para medir el conocimiento regional de LLM. https://cenia.cl/2026/04/22/cenia-presento-sus-benchmarks-trueque-y-choclo-para-medir-el-conocimiento-regional-de-llm/
Período de referencia Herramientas regionales de evaluación 2026
Lectura Propone pruebas de conocimiento cultural y contextual latinoamericano, con curaduría humana y evaluación automatizada.
Límite Una prueba cultural no valida por sí sola un sistema clínico, educativo o administrativo. Se requieren control de contaminación, revisión del evaluador y pruebas locales independientes.
Localización Diseño de los benchmarks
Consultar fuente originalS34Disponibilidad del acuífero Valle de Querétaro (2201)Comisión Nacional del Agua · 2024Documento técnico oficial
Referencia
Comisión Nacional del Agua (2024). Actualización de la disponibilidad media anual de agua en el acuífero Valle de Querétaro (2201), estado de Querétaro. https://sigagis.conagua.gob.mx/gas1/Edos_Acuiferos_18/queretaro/DR_2201.pdf
Período de referencia Cálculo administrativo con corte REPDA al 30 diciembre 2022; antecedentes hidrológicos de fechas anteriores
Lectura La disponibilidad media anual calculada es −65.556761 hm³/año: 70 de recarga menos 4 de descarga comprometida menos 131.556761 de extracción administrativa.
Límite Es un balance de ese acuífero, con fechas de referencia distintas de la publicación. No representa todo Querétaro, no localiza el abastecimiento de cada centro de datos y no atribuye el déficit a la IA.
Localización Página impresa 23, apartados 7.3–7.4
Consultar fuente originalS68Constitución Política de los Estados Unidos MexicanosCámara de Diputados · 2026, 2 de junioFuente normativa o comunicación oficial
Referencia
Constitución Política de los Estados Unidos Mexicanos. (2026, 2 de junio). Diario Oficial de la Federación. https://www.diputados.gob.mx/LeyesBiblio/pdf/CPEUM.pdf
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura Mandato presidencial de seis años, inicio el 1 de octubre y prohibición de reelección presidencial. Presentación ordinaria del paquete hasta el 8 de septiembre y aprobación del PEF hasta el 15 de noviembre; excepción de presentación hasta el 15 de noviembre para inicio de mandato.
Límite Las fechas se aplican bajo el marco vigente al corte; no garantiza ejecución ni identifica signo o magnitud de efectos económicos.
Localización Artículo 74, fracción IV; pp. 79–80 del PDF; Artículo 83; p. 88 del PDF
Consultar fuente originalS50AI 2027 · Compute ForecastDean, R. · 2025a, abrilSuplemento de prospectiva
Referencia
Dean, R. (2025a, abril). Compute forecast. AI 2027. https://ai-2027.com/research/compute-forecast
Período de referencia Escenario de cómputo 2025–2027
Lectura Descompone producción, propiedad, uso y capacidad de inferencia; proyecta 10× el stock global de cómputo entre marzo 2025 y diciembre 2027.
Límite Es un forecast de 2025. Las secciones de uso e inferencia dependen fuertemente del escenario acelerado; la propia nota 15 avisa que ciertos anuncios posteriores de hardware no están incorporados.
Localización Secciones 1–5; estatus de evidencia; notas 14–15
Consultar fuente originalS54AI 2027 · Security ForecastDean, R. · 2025b, abrilSuplemento de prospectiva
Referencia
Dean, R. (2025b, abril). Security forecast. AI 2027. https://ai-2027.com/research/security-forecast
Período de referencia Rama de carrera hasta diciembre 2027
Lectura Separa protección de pesos y secretos algorítmicos; enlaza capacidades cibernéticas, competencia estratégica y pérdida de control.
Límite Combina extrapolación de pruebas CTF, ajustes subjetivos y consulta anónima de profesionales. Sus niveles o probabilidades no son observaciones de seguridad en México.
Localización Secciones 1–3; definición WSL/SSL; apéndice de datos
Consultar fuente originalS32DeepSeek-R1: modelos y licenciasDeepSeek-AI · s. f.Documentación técnica primaria
Referencia
DeepSeek-AI (s. f.). DeepSeek-R1 [Repositorio de software]. GitHub. Recuperado el 18 de septiembre de 2026, de https://github.com/deepseek-ai/DeepSeek-R1
Período de referencia Modelos R1 y destilados documentados en el repositorio
Lectura El repositorio permite descargar pesos de R1 y documenta licencia MIT para el modelo completo; los modelos destilados remiten también a licencias de sus bases.
Límite Descargar pesos y usar una API remota son arquitecturas distintas. Autoalojar requiere hardware, operación y revisión de la licencia específica; no elimina toda dependencia exterior ni acredita desempeño en tareas mexicanas.
Localización Model Downloads; License
Consultar fuente originalS26AWS Mexico (Central): región disponibleFuentes, E. · 2025, 14 de eneroDocumentación del proveedor
Referencia
Fuentes, E. (2025, 14 de enero). Now open: AWS Mexico (Central) Region. AWS News Blog. https://aws.amazon.com/blogs/aws/now-open-aws-mexico-central-region/
Período de referencia Operación anunciada en enero de 2025; inversión a 15 años
Lectura AWS anunció disponibilidad general de una región mexicana con tres zonas de disponibilidad. Su compromiso de inversión supera USD 5 mil millones a lo largo de 15 años; declara refrigeración por aire sin agua para ese enfriamiento.
Límite La inversión es un compromiso plurianual, no gasto ejecutado en 2025. La declaración hídrica es del proveedor y de ese sistema de enfriamiento; no equivale a huella hídrica total nula ni a propiedad mexicana del servicio.
Localización Now Open; Three Availability Zones; inversión y refrigeración
Consultar fuente originalS66México ADM1 · geoBoundaries gbOpen y catálogo oficial INEGIgeoBoundaries · 2024Datos geográficos de referencia
Referencia
geoBoundaries (2024). Mexico ADM1: gbOpen [Conjunto de datos geoespaciales]. Recuperado el 18 de septiembre de 2026, de https://www.geoboundaries.org/api/current/gbOpen/MEX/ADM1/
Período de referencia División estatal de referencia 2020
Lectura Geometría estatal de procedencia INEGI, distribuida como gbOpen con licencia declarada CC BY 3.0 IGO. Claves y nombres se cotejan con el servicio oficial de catálogo INEGI.
Límite El mapa usa claves y nombres cotejados con INEGI. No representa un índice de IA ni fija límites jurídicos.
Localización MEX-ADM1-31927357; 32 unidades; commit 90a1d52; catálogo https://gaia.inegi.org.mx/wscatgeo/v2/mgee
Consultar fuente originalS64Canada–Mexico Action Plan 2025–2028Global Affairs Canada · 2026a, 23 de marzoDocumento oficial
Referencia
Global Affairs Canada (2026a, 23 de marzo). Canada–Mexico action plan 2025–2028. Government of Canada. https://international.canada.ca/en/global-affairs/corporate/reports/mexico-partnership/action-plan-2025-2028
Período de referencia Marco de cooperación y comercio norteamericano al corte
Lectura El plan compromete colaboración académica e industrial, talento e investigación en IA, además de infraestructura energética y ciberseguridad.
Límite Son compromisos de cooperación. La fecha prometida para firmar un MOU no acredita firma ni ejecución; no se atribuye acceso mexicano automático a cómputo financiado por Canadá.
Localización I.6 Innovation; I.7 Energy Infrastructure; III.2 Cybersecurity
Consultar fuente originalS63Canada–Mexico relationsGlobal Affairs Canada · 2026b, 14 de septiembreDocumento oficial
Referencia
Global Affairs Canada (2026b, 14 de septiembre). Canada–Mexico relations. Government of Canada. https://www.international.gc.ca/country-pays/mexico-mexique/relations.aspx?lang=eng
Período de referencia Marco de cooperación y comercio norteamericano al corte
Lectura Documenta nexos académicos y cadenas comerciales de autos, autopartes y máquinas de procesamiento de datos entre Canadá y México.
Límite El comercio bilateral no prueba transferencia de capacidades de IA; no confundir importación de equipo con producción propia de tecnología.
Localización Bilateral relations; Trade relations
Consultar fuente originalS13Generative AI and Jobs: A Refined Global Index of Occupational ExposureGmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. · 2025Investigación de exposición laboral
Referencia
Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper No. 140). International Labour Organization. https://doi.org/10.54394/HETP0387
Período de referencia Evaluación de tareas 2025
Lectura Combina evaluación de tareas y validación experta para analizar exposición ocupacional a IA generativa.
Límite Exposición es posibilidad técnica, no pérdida de empleo. México requiere correspondencia SINCO–ISCO y ponderación con microdatos antes de producir un total nacional.
Localización Método y cuatro gradientes de exposición
Consultar fuente originalS56Buffer or Bottleneck? Employment Exposure to Generative AI and the Digital Divide in Latin AmericaGmyrek, P., Winkler, H., & Garganta, S. · 2024aInvestigación de exposición laboral
Referencia
Gmyrek, P., Winkler, H., & Garganta, S. (2024a). Buffer or bottleneck? Employment exposure to generative AI and the digital divide in Latin America (ILO Working Paper No. 121). International Labour Organization. https://www.ilo.org/sites/default/files/2024-07/WP121_web.pdf
Período de referencia Capacidades evaluadas con método 2023; México SEDLAC 2018 y PIAAC 2017
Lectura Estima exposición de tareas y la contrasta con uso de computadora en el trabajo. Los resultados regionales distinguen automatización, complementación y una zona intermedia.
Límite Las cifras son exposición potencial, no despidos. Sus microdatos mexicanos son antiguos y los scores anteceden los modelos 2026; no usar el rango regional como porcentaje actual de México. El rango regional de 26–38% corresponde a los países comparados en la figura 7; excluye Argentina por cobertura de grandes ciudades (nota 23, p. 22).
Localización Métodos pp. 15–21; resultados pp. 22–33; tabla A1 p. 41; figura 10 p. 27
Consultar fuente originalS59Reproducibility package for Buffer or Bottleneck?Gmyrek, P., Winkler, H., & Garganta, S. · 2024bPaquete de reproducibilidad
Referencia
Gmyrek, P., Winkler, H., & Garganta, S. (2024b). Reproducibility package for Buffer or bottleneck? Generative AI, employment exposure and the digital divide in Latin America [Conjunto de datos y código]. World Bank. https://doi.org/10.60572/106f-pk97
Período de referencia Código del PRWP 10863 / ILO WP121
Lectura El catálogo contiene código y describe los insumos de armonización y exposición utilizados en el estudio OIT/BM.
Límite Una parte de los microdatos SEDLAC y OIT tiene acceso restringido y no se incluye. Acceder al código no significa haber replicado los resultados; las restricciones de acceso impiden repetir aquí todos los cálculos con sus datos originales.
Localización Reproducibility; Data; access policy
Consultar fuente originalS16Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AIHumlum, A., & Vestergaard, E. · 2026Estudio empírico con datos administrativos
Referencia
Humlum, A., & Vestergaard, E. (2026). Still waters, rapid currents: Early labor market transformation under generative AI (NBER Working Paper No. 33777, revisión de marzo de 2026). National Bureau of Economic Research. https://www.nber.org/system/files/working_papers/w33777/w33777.pdf
Período de referencia Primeros años de adopción en Dinamarca
Lectura Encuentra reorganización de tareas y movilidad junto con efectos medios pequeños en horas e ingresos durante el período estudiado.
Límite La ausencia de grandes cambios medios tempranos no demuestra ausencia de transformación futura ni se transporta sin ajuste a México. Las asociaciones de movilidad laboral no identifican por sí solas un efecto causal sobre horas, salarios o empleo mexicano.
Localización Resumen, diseño y resultados
Consultar fuente originalS04Censos Económicos 2024 · Resultados definitivosInstituto Nacional de Estadística y Geografía · 2025a, 24 de julioEstadística oficial
Referencia
Instituto Nacional de Estadística y Geografía (2025a, 24 de julio). Censos Económicos 2024: Resultados definitivos. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2025/ce/CE2024_def_RR.pdf
Período de referencia Actividad económica de 2023
Lectura 2.1% de las 1,266,352 unidades que emplearon herramientas digitales reportó sistemas de IA. El universo privado y paraestatal referido comprende 5,468,180 unidades.
Límite 2.1% no es el porcentaje de todas las empresas mexicanas ni una medición de uso de IA generativa en 2026. No equiparar unidad económica y persona ocupada.
Localización pp. 16–17: herramientas digitales; pp. 23, 27–36: organización, capacitación y estructura. Nota de corrección de cifras: 5 de septiembre de 2025.
Consultar fuente originalS75Encuesta Nacional sobre Uso del Tiempo (ENUT) 2024 · Reporte de resultadosInstituto Nacional de Estadística y Geografía · 2025b, 28 de agostoEstadística oficial de uso del tiempo
Referencia
Instituto Nacional de Estadística y Geografía (2025b, 28 de agosto). Encuesta Nacional sobre Uso del Tiempo (ENUT) 2024: Reporte de resultados. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2025/enut/enut2024_RR.pdf
Período de referencia 2024
Lectura La brecha por sexo en tiempo semanal de trabajo no remunerado doméstico, de cuidados, comunitario y voluntario es de 21.5 horas más para las mujeres; entre hablantes de lengua indígena, 27.3 horas.
Límite Población de 12 años o más. No equivale a horas de empleo ENOE, que usa otro universo y conceptos. No sumar categorías sin revisar simultaneidad y definiciones; los cuidados emocionales requieren atención en comparaciones temporales. Las brechas son contexto para disponibilidad de tiempo, no efectos de IA ni horas automáticamente liberables.
Localización Reporte 29/25; pp. 12–16, gráficas 8–12 y notas de población y tipo de trabajo
Consultar fuente originalS35ENDUTIH 2025 · microdatos definitivos y diccionarios de datosInstituto Nacional de Estadística y Geografía · 2026b, 16 de junioMicrodatos de estadística oficial
Referencia
Instituto Nacional de Estadística y Geografía (2026b, 16 de junio). ENDUTIH 2025: Microdatos definitivos y diccionarios de datos [Conjunto de datos]. https://www.inegi.org.mx/contenidos/programas/endutih/2025/datosabiertos/conjunto_de_datos_endutih_2025_csv.zip
Período de referencia 2025; levantamiento 25 agosto–17 octubre 2025
Lectura Permite reconstruir uso de internet para las 32 entidades. Estimación ponderada nacional 86.0526%, que redondea al 86.1% publicado. Coinciden las 5 entidades extremas del reporte.
Límite Son estimaciones de encuesta. Se aplican factores de expansión; no se estimaron varianzas del diseño complejo. La conectividad no mide adopción de IA.
Localización tr_endutih_usuarios_anual_2025.csv: P7_1,FAC_PER,CVE_ENT; diccionario de usuarios; 57,810 registros
Consultar fuente originalS03ENDUTIH 2025 · Reporte de resultadosInstituto Nacional de Estadística y Geografía · 2026a, 16 de junioEstadística oficial
Referencia
Instituto Nacional de Estadística y Geografía (2026a, 16 de junio). Encuesta Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los Hogares (ENDUTIH) 2025: Reporte de resultados. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2026/endutih/ENDUTIH_25_RR.pdf
Período de referencia 2025
Lectura 86.1% de la población de seis años o más usó internet; 88.9% en ámbito urbano y 75.2% en rural. 78.3% de los hogares tuvo internet.
Límite Mide conectividad y usos de TIC, no integración productiva de IA. Brecha de 13.7 puntos porcentuales: cálculo propio por diferencia.
Localización Uso de internet y disponibilidad en hogares
Consultar fuente originalS05Indicadores de ocupación y empleo · julio de 2026Instituto Nacional de Estadística y Geografía · 2026c, 27 de agostoEstadística oficial
Referencia
Instituto Nacional de Estadística y Geografía (2026c, 27 de agosto). Indicadores de ocupación y empleo: Julio de 2026. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2026/iooe/IOE2026_08.pdf
Período de referencia Julio de 2026
Lectura Informalidad laboral: 56.2% de la población ocupada. Desocupación: 2.9% de la PEA. La PEA fue de 62.6 millones.
Límite Describe el mercado laboral. No identifica efectos causales de IA ni permite interpretar diferencias mensuales sin atender estacionalidad.
Localización Indicadores nacionales
Consultar fuente originalS12Key Questions on Energy and AIInternational Energy Agency · 2026, 16 de abrilEvaluación energética internacional
Referencia
International Energy Agency (2026, 16 de abril). Key questions on energy and AI: Executive summary. https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
Período de referencia Datos 2025 y escenarios hasta 2030
Lectura La AIE estima 485 TWh de electricidad global de centros de datos en 2025 y proyecta unos 950 TWh en 2030. Identifica restricciones de red y equipos; eficiencia por tarea y crecimiento de uso pueden actuar en sentidos opuestos.
Límite 485 TWh es una estimación de base; 950 TWh es una proyección global. No se reparte proporcionalmente entre países ni se considera toda esa demanda como IA.
Localización Resumen ejecutivo de Key Questions on Energy and AI, abril de 2026
Consultar fuente originalS57World Robotics 2025 · Industrial Robots · Executive SummaryInternational Federation of Robotics · 2025Estadística sectorial internacional
Referencia
International Federation of Robotics (2025). World robotics 2025: Industrial robots [Resumen ejecutivo]. https://ifr.org/img/worldrobotics/Executive_Summary_WR_2025_Industrial_Robots.pdf
Período de referencia Instalaciones industriales de 2024
Lectura Registra 5,594 instalaciones de robots industriales en México durante 2024, una reducción de 4% frente al año anterior.
Límite Instalaciones anuales, no stock ni puestos sustituidos. Robot industrial no equivale a robot con modelo fundacional o IA generativa; la fuente proviene de la industria.
Localización Página impresa 14 / página PDF 5
Consultar fuente originalS53AI 2027 · AI Goals ForecastKokotajlo, D. · 2025, abrilSuplemento conceptual de prospectiva
Referencia
Kokotajlo, D. (2025, abril). AI goals forecast. AI 2027. https://ai-2027.com/research/ai-goals-forecast
Período de referencia Hipótesis sobre objetivos de Agent-3
Lectura Distingue instrucciones escritas, intención del desarrollador y objetivos que puede aprender un agente; permite combinaciones y dependencia del contexto.
Límite Los porcentajes son juicios subjetivos de autores sobre un agente hipotético, no frecuencias empíricas; categorías no excluyentes no suman necesariamente 100%.
Localización Taxonomía; Weighted and If-Else Compromises; Rough guesses; apéndices A–C
Consultar fuente originalS52AI 2027 · Takeoff ForecastKokotajlo, D., & Lifland, E. · 2025, abrilSuplemento de prospectiva
Referencia
Kokotajlo, D., & Lifland, E. (2025, abril). Takeoff forecast. AI 2027. https://ai-2027.com/research/takeoff-forecast
Período de referencia Transición condicional desde SC hasta ASI
Lectura Modela una retroalimentación entre investigadores artificiales y progreso algorítmico, separando tiempo sin automatización y multiplicador de investigación.
Límite Condiciona el ejercicio a SC en marzo 2027; el salto a ASI tiene intervalos extremadamente amplios. No estima crecimiento del PIB ni adopción de organizaciones mexicanas.
Localización Summary; Methodology; Addressing common objections
Consultar fuente originalS20AI 2027Kokotajlo, D., Alexander, S., Larsen, T., Lifland, E., & Dean, R. · 2025, 3 de abrilProspectiva externa
Referencia
Kokotajlo, D., Alexander, S., Larsen, T., Lifland, E., & Dean, R. (2025, 3 de abril). AI 2027. AI Futures Project. https://ai-2027.com/
Período de referencia Escenario global originalmente narrado para 2025–2027
Lectura Explora un avance acelerado de agentes, automatización de investigación y decisiones de seguridad mediante un escenario narrativo.
Límite Es un escenario, no una cronología observada ni consenso científico. Sus fechas no se trasladan a México sumando una constante.
Localización Narrativa, bifurcación final y suplementos de investigación
Consultar fuente originalS76Q1 2026 Timelines UpdateKokotajlo, D., Lifland, E., & Halstead, B. · 2026, 2 de abrilPronóstico externo revisado
Referencia
Kokotajlo, D., Lifland, E., & Halstead, B. (2026, 2 de abril). Q1 2026 timelines update. AI Futures Project. https://blog.aifutures.org/p/q1-2026-timelines-update
Período de referencia Revisión de pronósticos de automatización de programación
Lectura La revisión modifica las fechas subjetivas del hito de programación automática tras nuevos resultados y cambios metodológicos y de juicio. Las medianas de los autores difieren.
Límite Juicios de los autores, no observación del hito ni fecha de IA general. Comparar versiones requiere igual definición y estadístico; no se aplica un desplazamiento automático a México.
Localización Actualización de Daniel y Eli; definición AC y cambios de entradas
Consultar fuente originalS21AI 2040 · Plan ALarsen, T., Dean, R., Halstead, B., Lifland, E., Greenblatt, R., & Kokotajlo, D. · s. f.Prospectiva normativa externa
Referencia
Larsen, T., Dean, R., Halstead, B., Lifland, E., Greenblatt, R., & Kokotajlo, D. (s. f.). AI 2040: Plan A. AI 2040. Recuperado el 18 de septiembre de 2026, de https://ai-2040.com/
Período de referencia Trayectoria normativa hacia 2040
Lectura El Plan A es una recomendación de coordinación; sus consecuencias son predicciones condicionadas a que se implemente. Su suplemento técnico explica decisiones de modelado y reconoce ajustes ad hoc para ciertos hitos de la cronología.
Límite Escenario condicional con recomendaciones normativas y decisiones elegidas por plausibilidad y deseabilidad. No representa una predicción calibrada ni aporta respaldo independiente a fechas compartidas con otros escenarios.
Localización Texto principal y suplementos plan-a-assumptions / takeoff-forecast; consultados el 19 de septiembre de 2026
Consultar fuente originalS23LatamGPT · equipo e instituciones colaboradorasLatamGPT · s. f.Registro del proyecto
Referencia
LatamGPT (s. f.). About us. Recuperado el 18 de septiembre de 2026, de https://latamgpt.org/en/about_us
Período de referencia Directorio institucional disponible al corte
Lectura El directorio incluye a SECIHTI, INAOE, INFOTEC, CentroGEO y AMITI, mostrando participación mexicana en una iniciativa regional.
Límite Figurar en un consorcio no permite atribuir el volumen de contribución, el desempeño del modelo ni impactos nacionales a cada participante.
Localización Entidades colaboradoras e instituciones firmantes
Consultar fuente originalS24Llama-3.1-70B-LatamGPT-SFT-1.0 · Model cardLatamGPT Team · 2026Documentación técnica primaria
Referencia
LatamGPT Team (2026). Llama-3.1-70B-LatamGPT-SFT-1.0 [Ficha de modelo]. Hugging Face. Recuperado el 18 de septiembre de 2026, de https://huggingface.co/latam-gpt/Llama-3.1-70B-LatamGPT-SFT-1.0
Período de referencia Modelo regional 1.0
Lectura Documenta preentrenamiento continuado y ajuste supervisado sobre Llama 3.1 70B con datos regionales, incluidos datos de México; mantiene la licencia de la base.
Límite Ficha del desarrollador; el informe técnico y la metodología de evaluación se anuncian como pendientes. No se auditó entrenamiento ni se reprodujeron pruebas. La evaluación cultural citada se documenta por separado en S25; no equivale a validación en empresas mexicanas.
Localización Model information, training data y limitations
Consultar fuente originalS70Ley Federal de Presupuesto y Responsabilidad HacendariaCámara de Diputados · 2026, 9 de abrilFuente normativa o comunicación oficial
Referencia
Ley Federal de Presupuesto y Responsabilidad Hacendaria. (2026, 9 de abril). Diario Oficial de la Federación. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFPRH.pdf
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura El Ejecutivo saliente elabora anteproyectos en apoyo al Presidente Electo e incluye sus recomendaciones. Existen contratos plurianuales sujetos a condiciones y adecuaciones presupuestarias reguladas.
Límite No presupone cancelaciones, renovación automática ni inmovilidad total.
Localización Artículo 43, pp. 36–37 del PDF; Artículo 50, p. 41 del PDF; Artículos 57–58, p. 44 del PDF
Consultar fuente originalS10Ley Federal de Protección de Datos Personales en Posesión de los ParticularesCámara de Diputados · 2025, 14 de noviembreTexto legal
Referencia
Ley Federal de Protección de Datos Personales en Posesión de los Particulares. (2025, 14 de noviembre). Diario Oficial de la Federación. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf
Período de referencia Texto vigente consultado al corte
Lectura La protección de datos personales ya impone obligaciones relevantes para sistemas que tratan información personal.
Límite No se presenta como una ley general de IA. El estado de iniciativas específicas debe comprobarse en su expediente antes de afirmar aprobación o entrada en vigor.
Localización Artículo 1 y texto consolidado
Consultar fuente originalS69Ley General de Instituciones y Procedimientos ElectoralesCámara de Diputados · 2026, 2 de junioFuente normativa o comunicación oficial
Referencia
Ley General de Instituciones y Procedimientos Electorales. (2026, 2 de junio). Diario Oficial de la Federación. https://www.diputados.gob.mx/LeyesBiblio/pdf/LGIPE.pdf
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura Diputados federales cada tres años; presidente y senadores cada seis; elecciones ordinarias primer domingo de junio. Proceso ordinario en septiembre del año previo; preparación desde primera sesión del Consejo General en la primera semana de septiembre.
Límite No son un calendario operativo de 2030 ya aprobado por el INE; revalidar ante reforma.
Localización Artículo 22.1, pp. 11–12 del PDF; Artículo 225.1 y 225.3, p. 126 del PDF; texto que recuperó vigencia tras invalidez de reforma de 2023
Consultar fuente originalS73Ley General de Protección de Datos Personales en Posesión de Sujetos ObligadosCámara de Diputados · 2025, 14 de noviembreFuente normativa o comunicación oficial
Referencia
Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados. (2025, 14 de noviembre). Diario Oficial de la Federación. https://www.diputados.gob.mx/LeyesBiblio/pdf/LGPDPPSO.pdf
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura Régimen de protección de datos personales de sujetos obligados públicos y definición de sujetos, responsables y derechosARCO.
Límite No sustituir por LFPDPPP de particulares; ARCO no acredita por sí solo derecho general de apelación frente a cualquier decisión algorítmica.
Localización Artículos1–3, pp.1–4 delPDF
Consultar fuente originalS51AI 2027 · Timelines ForecastLifland, E., Jurkovic, N., & FutureSearch · 2025, abrilSuplemento de prospectiva
Referencia
Lifland, E., Jurkovic, N., & FutureSearch (2025, abril). Timelines forecast. AI 2027. https://ai-2027.com/research/timelines-forecast
Período de referencia Forecast de programador superhumano
Lectura Contrasta extrapolación de horizonte de tareas con benchmarks y brechas. Publica cambios de parámetros y reconoce un error de interpolación.
Límite El aviso de diciembre remite a un modelo renovado. El año del relato no equivale a consenso de autores ni a mediana de todas sus especificaciones. Es un antecedente histórico; la revisión de abril de 2026 se documenta por separado en S76.
Localización Resumen; Methods 1–2; Appendix: 2025 May 7 update (revisión de Eli Lifland); Intermediate speedups (nota de diciembre de 2025)
Consultar fuente originalS81Google Cloud announces its 41st cloud region in MexicoLopez, E., & Velazquez, J. · 2024, 4 de diciembreDocumentación comercial
Referencia
Lopez, E., & Velazquez, J. (2024, 4 de diciembre). ¡Hola Mexico! Google Cloud region in Querétaro now open. Google Cloud Blog. https://cloud.google.com/blog/products/infrastructure/google-cloud-announces-41st-cloud-region-in-mexico/
Período de referencia Apertura de región en Querétaro
Lectura Documenta otra opción de nube localizada en México, además de los proveedores ya registrados.
Límite Comunicación del proveedor. La región no acredita por sí sola GPU disponible, cuota de IA, procesamiento local de cada servicio ni gasto de inversión ejecutado.
Localización Anuncio de disponibilidad de la región
Consultar fuente originalS78Evaluation of GPT-5.6 SolMETR · 2026a, 26 de junioInvestigación primaria
Referencia
METR (2026a, 26 de junio). Evaluation of GPT-5.6 Sol. https://metr.org/blog/2026-06-26-gpt-5-6-sol/
Período de referencia Evaluación de tareas largas e integridad de la medición
Lectura El tratamiento de intentos de explotar el evaluador altera tanto la estimación del horizonte que los autores no consideran robusto un único valor.
Límite Evaluación de una configuración; no extrapolar a ocupaciones completas. Acceso bajo acuerdo de confidencialidad y revisión de comunicación por el proveedor. No usar el mayor horizonte como récord comparable.
Localización Resumen, variantes de puntuación y limitaciones
Consultar fuente originalS17Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer ProductivityMETR · 2025, 10 de julioExperimento aleatorizado acotado
Referencia
METR (2025, 10 de julio). Measuring the impact of early-2025 AI on experienced open-source developer productivity. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
Período de referencia Herramientas de principios de 2025
Lectura En 16 desarrolladores y 246 tareas de repositorios conocidos, usar herramientas de IA elevó el tiempo de finalización un 19%.
Límite Muestra pequeña y contexto especializado. No usar este resultado como efecto universal ni como evaluación de herramientas de 2026; leer la actualización S18.
Localización Diseño y resultados
Consultar fuente originalS79OpenAI / Hugging Face incident investigationMETR · 2026b, 26 de agostoInvestigación primaria
Referencia
METR (2026b, 26 de agosto). OpenAI / Hugging Face incident investigation. https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/
Período de referencia Investigación de un incidente de agentes en julio de 2026
Lectura El caso documenta coordinación de agentes y límites de control en una configuración concreta. Sustenta considerar permisos, recuperación y continuidad además de capacidad técnica.
Límite Seis días de investigación en instalaciones del proveedor; alcance temporal y acceso delimitados, con redacciones. No verifica toda la remediación ni permite estimar una frecuencia de ataques o pérdida general de control.
Localización Resumen, alcance del trabajo e información sobre acceso
Consultar fuente originalS55Task-Completion Time Horizons of Frontier AI ModelsMETR · 2026c, 8 de mayoMedición técnica primaria
Referencia
METR (2026c, 8 de mayo). Task-completion time horizons of frontier AI models. Recuperado el 18 de septiembre de 2026, de https://metr.org/time-horizons/
Período de referencia TH1.1 y mediciones hasta mayo 2026
Lectura El horizonte representa dificultad medida en tiempo humano a una fiabilidad especificada; la página distingue 50% y 80% de éxito.
Límite Predominan software, ML y ciberseguridad con tareas definidas; no mide horas autónomas universales. Advierte poca fiabilidad por encima de 16 horas y cobertura incompleta de modelos.
Localización Methodological Details; FAQ; Updates
Consultar fuente originalS62Time Horizon 1.1METR · 2026d, 29 de eneroActualización metodológica primaria
Referencia
METR (2026d, 29 de enero). Time horizon 1.1. https://metr.org/blog/2026-1-29-time-horizon-1-1/
Período de referencia Reestimación de modelos y tareas respecto a TH1.0
Lectura Amplía la batería a 228 tareas y cambia la estimación del tiempo de duplicación desde 2023: 165.3 días en TH1.0 y 130.8 en TH1.1.
Límite La composición y las versiones afectan la tendencia. Solo cinco de las 31 tareas de ocho horas o más tienen tiempo humano medido; no convertir esta curva en productividad nacional.
Localización Comparisons; Appendices: Data, Comparison of Old and New Estimates
Consultar fuente originalS18We are Changing our Developer Productivity Experiment DesignMETR · 2026e, 24 de febreroActualización metodológica
Referencia
METR (2026e, 24 de febrero). We are changing our developer productivity experiment design. https://metr.org/blog/2026-02-24-uplift-update/
Período de referencia Seguimiento con herramientas y participantes posteriores
Lectura El seguimiento apunta a posibles mejoras de velocidad, pero identifica sesgos que impiden una cuantificación fiable del efecto actualizado.
Límite No reemplazar un resultado estrecho antiguo por una magnitud nueva no identificada. El cambio ilustra la necesidad de versiones y reevaluaciones.
Localización Sesgos de selección y medición
Consultar fuente originalS27Lista de regiones de Azure: Mexico CentralMicrosoft · s. f.Documentación técnica
Referencia
Microsoft (s. f.). Azure regions list. Microsoft Learn. Recuperado el 18 de septiembre de 2026, de https://learn.microsoft.com/en-us/azure/reliability/regions-list
Período de referencia Catálogo de regiones consultado en la fecha de corte
Lectura El catálogo sitúa Mexico Central en Querétaro y señala disponibilidad de zonas de disponibilidad.
Límite La presencia regional no demuestra que todos los modelos o servicios estén disponibles allí; la residencia depende de la configuración, del servicio y del contrato.
Localización Fila Mexico Central, Querétaro State
Consultar fuente originalS71Ambassador Greer Issues Statement on the USMCA Joint ReviewOffice of the United States Trade Representative · 2026a, 1 de julioFuente normativa o comunicación oficial
Referencia
Office of the United States Trade Representative (2026a, 1 de julio). Ambassador Greer issues statement on the USMCA joint review. https://ustr.gov/about/policy-offices/press-office/press-releases/2026/july/ambassador-greer-issues-statement-usmca-joint-review
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura USTR comunica que EE.UU. no aceptó renovar el T-MEC en su forma actual en la revisión del1jul2026. El mismo comunicado dice que el tratado permanece vigente.
Límite Fuente primaria de posición comunicada por gobierno estadounidense; no identifica impactos económicos. No acredita por sí sola que no existan cambios posteriores.
Localización Cuerpo principal, párrafos 1–2, tras fecha July 01, 2026
Consultar fuente originalS33Declaración conjunta de la tercera ronda bilateral de revisión del T-MECOffice of the United States Trade Representative · 2026b, 23 de julioComunicado oficial
Referencia
Office of the United States Trade Representative (2026b, 23 de julio). Joint statement of Ambassador Jamieson Greer and Mexican Secretary of Economy Marcelo Ebrard. https://ustr.gov/about/policy-offices/press-office/press-releases/2026/july/joint-statement-ambassador-jamieson-greer-and-mexican-secretary-economy-marcelo-ebrard
Período de referencia Negociación bilateral de julio de 2026
Lectura La declaración identifica seguridad económica, cadenas regionales y prácticas de no miembros entre los asuntos de la revisión. Anuncia una cuarta ronda en Washington para septiembre de 2026.
Límite La convocatoria no confirma que esa cuarta ronda haya concluido. Tampoco demuestra una regla futura específica sobre IA, nube o modelos de origen chino: esos vínculos se plantean como hipótesis geopolíticas.
Localización Tercera ronda; seguridad económica y cadenas regionales
Consultar fuente originalS19Mexico · Country and Trade ProfileOffice of the United States Trade Representative · s. f.Estadística y contexto comercial oficial
Referencia
Office of the United States Trade Representative (s. f.). Mexico. Recuperado el 18 de septiembre de 2026, de https://ustr.gov/countries-regions/americas/mexico
Período de referencia Participación exportadora 2024; comercio 2025
Lectura USTR indica que en 2024 más de 80% de las exportaciones mexicanas de bienes se dirigió a Estados Unidos. Reporta USD 964.1 mil millones de comercio bilateral de bienes y servicios para 2025.
Límite Son flujos comerciales agregados. No equivalen a participación estadounidense en la nube, las API, los modelos o el valor agregado mexicano de IA.
Localización Integración de cadenas y comercio
Consultar fuente originalS88A blueprint for building national compute capacity for artificial intelligenceOrganisation for Economic Co-operation and Development · 2023Marco de medición y política pública · OECD Digital Economy Papers 350
Referencia
Organisation for Economic Co-operation and Development (2023). A blueprint for building national compute capacity for artificial intelligence (OECD Digital Economy Papers, No. 350). OECD Publishing. https://www.oecd.org/en/publications/a-blueprint-for-building-national-compute-capacity-for-artificial-intelligence_876367e3-en.html
Período de referencia Marco conceptual y evidencia reunida principalmente hasta 2022
Lectura Distingue infraestructura disponible de acceso efectivo al cómputo. Propone observar equipos y desempeño junto con habilidades, costos, ubicación, propiedad y cadenas de suministro. El cómputo accesible a un país puede estar alojado en el exterior.
Límite Marco de medición, no inventario mexicano de 2026. Los megavatios de centros de datos no identifican por sí solos capacidad especializada en IA, derechos de acceso o control nacional. Las afirmaciones históricas de falta de datos se refieren al momento del estudio.
Localización Documento oficial DSTI/CDEP/AIGO(2022)2/FINAL: pp. 29–35 sobre capacidad, acceso, propiedad y resiliencia; anexo B de indicadores
Consultar fuente originalS84Generative AI and the SME Workforce: New Survey EvidenceOrganisation for Economic Co-operation and Development · 2025aEncuesta empresarial comparada
Referencia
Organisation for Economic Co-operation and Development (2025a). Generative AI and the SME workforce: New survey evidence. OECD Publishing. https://doi.org/10.1787/2d08b99d-en
Período de referencia Encuesta del 14 de octubre al 6 de diciembre de 2024
Lectura Encuesta a 5,232 empresas de hasta 249 empleados, incluidas empresas unipersonales, en Austria, Canadá, Alemania, Irlanda, Japón, Corea y Reino Unido. El 31% declaró uso de IA generativa. Entre las usuarias, 83% no declaró cambios en sus necesidades totales de personal. México no participó.
Límite Respuestas empresariales de 2024, no efectos causales ni empleo verificado. Uso por alguna persona no equivale a integración de procesos. No permite estimar adopción, capacitación o despidos en México ni comparar directamente con CE2024 o EMAER.
Localización Resumen ejecutivo; capítulo 1, metodología; capítulos 3 y 4
Consultar fuente originalS87Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government FunctionsOrganisation for Economic Co-operation and Development · 2025bAnálisis comparado de casos de uso público
Referencia
Organisation for Economic Co-operation and Development (2025b). Governing with artificial intelligence: The state of play and way forward in core government functions. OECD Publishing. https://www.oecd.org/en/publications/2025/06/governing-with-artificial-intelligence_398fa287/full-report/implementation-challenges-that-hinder-the-strategic-use-of-ai-in-government_05cfe2bb.html
Período de referencia Casos y análisis reunidos para la edición de 2025
Lectura Muchos casos públicos permanecen en experimentación. El análisis identifica dificultades de habilidades, acceso a datos de calidad, reglas aplicables y evaluación de resultados; costos inciertos y sistemas antiguos también limitan la ampliación de servicios.
Límite Selección internacional de casos y análisis institucional, no censo representativo de administraciones mexicanas ni estimación causal de retrasos. No permite atribuir un número de meses a una transición presidencial.
Localización Capítulo 3: retos de implementación; capítulo 2: análisis de 200 casos de uso gubernamental
Consultar fuente originalS85Job Creation and Local Economic Development 2024: The Geography of Generative AIOrganisation for Economic Co-operation and Development · 2024Estimación comparada de exposición ocupacional
Referencia
Organisation for Economic Co-operation and Development (2024). Job creation and local economic development 2024: The geography of generative AI. OECD Publishing. https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/11/job-creation-and-local-economic-development-2024_01a245c1/83325127-en.pdf
Período de referencia Empleo mexicano de 2023; clasificación tecnológica de exposición de 2023
Lectura Para México, estima alta exposición potencial a IA generativa en 34.1% del empleo urbano y 17.1% del rural. Combina ENOE con una clasificación de tareas: alta exposición significa que al menos la mitad de las tareas podría realizarse en la mitad del tiempo, manteniendo calidad, mediante modelos de lenguaje o software complementario.
Límite Potencial técnico del marco publicado en 2024, no adopción observada ni pérdida de empleos. La rúbrica ocupacional procede de trabajo estadounidense; las tareas reales pueden variar en México. La clasificación urbana/rural no es directamente comparable entre países. No proyecta fechas de materialización entre 2027 y 2030.
Localización Figura 3.15, página impresa 145 (PDF, página 147); definición en pp. 136–137 y anexo 3.A, pp. 188–189
Consultar fuente originalS36OECD Economic Surveys: Mexico 2026Organisation for Economic Co-operation and Development · 2026aAnálisis institucional y compilación estadística
Referencia
Organisation for Economic Co-operation and Development (2026a). OECD economic surveys: Mexico 2026. OECD Publishing. https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/02/oecd-economic-surveys-mexico-2026_9701d51d/8a7c0ac4-en.pdf
Período de referencia Corte de insumos 2026-02-09; estadísticas de 2023 y 2024 y análisis estructural
Lectura Reporta 21.9% de adultos 25–64 con educación terciaria en 2024 y gasto interno de I+D de 0.3% del PIB en 2023(redondeado). Examina barreras digitales, de habilidades y heterogeneidad territorial.
Límite El año de publicación no convierte todos los insumos en datos 2026. El cuadro básico compila bases oficiales; no es encuesta nueva. Sus propuestas de política no prueban efectos causales nacionales.
Localización Página 8 impresa(PDF p. 10): estadísticas básicas; capítulos 2 y 4; Box 4.1 y Table 4.1 sobre convergencia regional
Consultar fuente originalS89Skills in the AI ageOrganisation for Economic Co-operation and Development · 2026bSíntesis de evidencia y política de habilidades · OECD Artificial Intelligence Papers 60
Referencia
Organisation for Economic Co-operation and Development (2026b). Skills in the AI age (OECD Artificial Intelligence Papers, No. 60). OECD Publishing. https://doi.org/10.1787/972bd15e-en
Período de referencia Síntesis publicada en 2026 con estudios y estadísticas de varios años
Lectura Distingue capacidades especializadas para desarrollar IA de la comprensión práctica que necesita la mayoría para usarla y evaluar sus resultados. La formación requiere bases de lectura y razonamiento, además de acceso a aprendizaje continuo; los costos y el tiempo disponible pueden excluir a trabajadores vulnerables.
Límite Síntesis internacional, no evaluación de un programa mexicano ni estimación de su rendimiento. Sus cifras provienen de universos diferentes, incluidos registros digitales de empleo; no deben tratarse como mediciones representativas de toda la fuerza laboral mexicana.
Localización Capítulo 3, p. 18; capítulo 4, pp. 24–28, especialmente alfabetización en IA y desigualdad en formación
Consultar fuente originalS77Towards a Science of AI Agent Reliability · versión 3Rabanser, S., Kapoor, S., Kirgis, P., Liu, K., Utpala, S., & Narayanan, A. · 2026Investigación primaria
Referencia
Rabanser, S., Kapoor, S., Kirgis, P., Liu, K., Utpala, S., & Narayanan, A. (2026). Towards a science of AI agent reliability (Versión 3) [Prepublicación]. arXiv. https://doi.org/10.48550/arXiv.2602.16666
Período de referencia Evaluación de 15 modelos en dos pruebas
Lectura La mejora de exactitud media no implica una mejora equivalente de consistencia, robustez y predictibilidad de los agentes.
Límite Versión de autor aceptada en ICML 2026; evaluación de 15 modelos en dos pruebas. No determina fiabilidad en organizaciones mexicanas ni cuánto trabajo humano podrá retirarse.
Localización Resumen de la versión 3; marco de evaluación de fiabilidad
Consultar fuente originalS60Research Update: Algorithmic vs. Holistic EvaluationRein, D. · 2025, 13 de agostoEstudio exploratorio de evaluación
Referencia
Rein, D. (2025, 13 de agosto). Research update: Algorithmic vs. holistic evaluation. METR. https://metr.org/blog/2025-08-12-research-update-towards-reconciling-slowdown-with-time-horizons/
Período de referencia Agentes de principios de 2025
Lectura En 18 tareas de dos repositorios, pasar pruebas automáticas no aseguró que las soluciones pudieran incorporarse sin trabajo adicional de calidad.
Límite Muestra pequeña y repositorios exigentes; no generaliza a todas las herramientas o trabajos de 2026. Sustenta distinguir rendimiento en benchmark y valor útil del resultado.
Localización Methodology; Results; Caveats
Consultar fuente originalS90Sobol · documentación de SciPy 1.17.0SciPy community · s. f.Documentación técnica primaria
Referencia
SciPy community (s. f.). scipy.stats.qmc.Sobol [Documentación de software]. SciPy v1.17.0 manual. https://docs.scipy.org/doc/scipy-1.17.0/reference/generated/scipy.stats.qmc.Sobol.html
Período de referencia Método computacional utilizado en el diseño de sensibilidad
Lectura Documenta secuencias Sobol con tamaños potencia de dos y mezcla LMS más desplazamiento digital; el diseño conserva esas propiedades al usar 8,192 puntos sin eliminar el primero.
Límite La calidad del diseño numérico no valida rangos económicos, distribuciones triangulares ni probabilidades de los escenarios mexicanos.
Localización random_base2; parámetros scramble/seed; Notes y Warning
Consultar fuente originalS39Plan de Desarrollo del Sector Eléctrico 2025–2039 · diagnóstico y anexos históricosSecretaría de Energía · 2025, 17 de octubreEstadística histórica oficial contenida en instrumento de planeación
Referencia
Secretaría de Energía (2025, 17 de octubre). Plan de Desarrollo del Sector Eléctrico 2025–2039. Diario Oficial de la Federación. https://sidof.segob.gob.mx/notas/docFuente/5770297
Período de referencia Observaciones históricas 2010–2024; planeación 2025–2039
Lectura Consumo final SEN 2024: 304,011 GWh; consumo bruto SEN: 359,807 GWh. El SIN registra 285,218 y 338,994 GWh, respectivamente. Las tablas contienen la serie anual 2010–2024.
Límite Estos valores son históricos, no los pronósticos del capítulo 3. SEN incluye sistemas de Baja California; SIN no. El consumo bruto incorpora conceptos adicionales al consumo final. No describe margen de conexión nodal.
Localización Secciones 2.1.1 y 2.1.4; tablas A1.1 y A1.4 del anexo
Consultar fuente originalS06ILIA 2025 · Fichas de país y aspectos metodológicosSoto, Á., Durán, R., Moreno, A., Adasme, S., Rovira, S., Jordán, V., & Poveda, L. (Coords.) · 2026Índice regional compuesto
Referencia
Soto, Á., Durán, R., Moreno, A., Adasme, S., Rovira, S., Jordán, V., & Poveda, L. (Coords.) (2026). Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025: Fichas de país y aspectos metodológicos (Documentos de Proyectos, LC/TS.2026/16). Comisión Económica para América Latina y el Caribe; Centro Nacional de Inteligencia Artificial. https://indicelatam.cl/wp-content/uploads/2026/03/ILIA-2025.-Fichas-de-pais-y-aspectos-metodologicos.pdf
Período de referencia Edición ILIA 2025 · insumos de distintas fechas
Lectura México: 47.03 puntos, octavo entre 19 países. Factores habilitantes: 51.80; investigación, desarrollo y adopción: 48.91; gobernanza: 36.75.
Límite Puntos de índice, no porcentajes de adopción. La metodología cambia entre ediciones: no construir una tendencia 2024–2025 sin armonizar componentes.
Localización Ficha México, pp. 121–128; nota de comparabilidad
Consultar fuente originalS30AI Index Report 2025: costos de inferenciaStanford Institute for Human-Centered Artificial Intelligence · 2025Síntesis de indicadores tecnológicos
Referencia
Stanford Institute for Human-Centered Artificial Intelligence (2025). The 2025 AI Index report. https://hai.stanford.edu/ai-index/2025-ai-index-report
Período de referencia Noviembre de 2022 a octubre de 2024
Lectura El costo de inferencia para un nivel de desempeño comparable a GPT-3.5 cayó más de 280 veces entre noviembre de 2022 y octubre de 2024.
Límite Es una comparación histórica a desempeño equivalente. No describe el costo total de implantar IA en México ni autoriza extrapolar esa misma tasa hasta 2030.
Localización Top Takeaways: The cost of AI is falling
Consultar fuente originalS58AI Index Report 2026 · Technical PerformanceStanford Institute for Human-Centered Artificial Intelligence · 2026Síntesis técnica con datos públicos
Referencia
Stanford Institute for Human-Centered Artificial Intelligence (2026). The 2026 AI Index report. https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf
Período de referencia Datos 2025 y comparaciones hasta marzo 2026
Lectura Documenta mejora de agentes y una diferencia variable entre modelos abiertos y cerrados; OSWorld alcanza 66.3% en el modelo reportado frente a 72.35% humano.
Límite OSWorld es una batería de tareas, no una tasa general de trabajo automatizable. Los puntos de Arena no son una escala de productividad cardinal ni comparan costos de implantación.
Localización Cap. 2, pp. 76–77: pesos abiertos/cerrados; p. 113: OSWorld. Lectura selectiva del capítulo, no integral de todo el informe.
Consultar fuente originalS65T-MEC · Capítulo 19 · Comercio digitalUSTR · texto del T-MEC · s. f.Documento oficial
Referencia
Agreement between the United States of America, the United Mexican States, and Canada: Chapter 19, digital trade. (s. f.). Office of the United States Trade Representative. Recuperado el 18 de septiembre de 2026, de https://ustr.gov/sites/default/files/files/agreements/FTA/USMCA/Text/19-Digital-Trade.pdf
Período de referencia Marco de cooperación y comercio norteamericano al corte
Lectura El texto regula transferencias de información, ubicación de instalaciones de cómputo, protección de datos y cooperación cibernética dentro de su ámbito de aplicación.
Límite El artículo 19.2 excluye compras públicas y, con una excepción, información gubernamental. No inferir de este capítulo libertad irrestricta para toda transferencia ni acceso garantizado a chips o servicios.
Localización Artículos 19.2, 19.8, 19.11, 19.12 y 19.15
Consultar fuente originalS72T-MEC, capítulo 34, disposiciones finalesUSTR, texto del tratado · s. f.Fuente normativa o comunicación oficial
Referencia
Agreement between the United States of America, the United Mexican States, and Canada: Chapter 34, final provisions. (s. f.). Office of the United States Trade Representative. Recuperado el 19 de septiembre de 2026, de https://ustr.gov/sites/default/files/files/agreements/FTA/USMCA/Text/34_Final_Provisions.pdf
Período de referencia Norma o comunicación vigente al corte del 19 de septiembre de 2026
Lectura Revisión anual si una parte no confirma extensión durante revisión sexenal; posible extensión posterior por confirmación de las partes. Retirada es mecanismo distinto y surte efecto seis meses después del aviso escrito.
Límite No confundir falta de extensión con expiración inmediata; no se pronostica retirada ni ruptura.
Localización Artículo 34.6, página34-2; Artículo 34.7, páginas34-2–34-3
Consultar fuente originalS29US natural gas pipeline exports to Mexico: serie mensualU.S. Energy Information Administration · 2026, 31 de agostoEstadística energética
Referencia
U.S. Energy Information Administration (2026, 31 de agosto). U.S. natural gas pipeline exports to Mexico [Serie de datos]. Recuperado el 18 de septiembre de 2026, de https://www.eia.gov/dnav/ng/hist/n9132mx2m.htm
Período de referencia Serie histórica; se extraen 2015, 2024, 2025 y enero–junio de 2026
Lectura La serie permite calcular el flujo por gasoducto desde Estados Unidos hacia México y su evolución histórica.
Límite No representa todo el consumo mexicano de gas ni la electricidad de los centros de datos. El flujo comercial no permite atribuir emisiones o consumo a IA sin información adicional.
Localización Tabla mensual, millones de pies cúbicos; próxima publicación indicada: 30 septiembre 2026
Consultar fuente originalS07México: evaluación del estadio de preparación de la inteligencia artificialUNESCO & Alianza Nacional de Inteligencia Artificial · 2024Diagnóstico institucional
Referencia
UNESCO & Alianza Nacional de Inteligencia Artificial (2024). México: evaluación del estadio de preparación de la inteligencia artificial. https://articles.unesco.org/sites/default/files/medias/fichiers/2024/07/M%C3%A9xico.%20Evaluaci%C3%B3n%20del%20estad%C3%ADo%20de%20preparaci%C3%B3n%20de%20la%20inteligencia%20artificial.pdf
Período de referencia Diagnóstico RAM 2024
Lectura Ofrece un diagnóstico multidimensional con participación de actores públicos, privados y académicos; orienta capacidades, gobernanza y derechos.
Límite Una consulta de actores no es una encuesta probabilística de empresas. La actualización de la página en 2026 no actualiza automáticamente sus datos.
Localización Informe RAM: pp. 2, 4–6; recomendaciones pp. 47–60. La actualización de la página del 19-01-2026 no cambia el año del informe.
Consultar fuente originalS37Gasto en investigación y desarrollo de México · WDI / UNESCO UISUNESCO Institute for Statistics · 2026Serie oficial internacional
Referencia
UNESCO Institute for Statistics (2026). Research and development expenditure (% of GDP): Mexico [Conjunto de datos]. World Development Indicators, World Bank. Recuperado el 18 de septiembre de 2026, de https://data.worldbank.org/indicator/GB.XPD.RSDV.GD.ZS?locations=MX
Período de referencia 2015–2024
Lectura Gasto interno bruto en I+D: 0.25372% del PIB en 2024; 0.41477% en 2015. La observación de 2023 (0.26746%) es consistente con el 0.3% redondeado del cuadro OCDE.
Límite Metadatos identifican a UNESCO UIS como productor. WDI distribuye la serie y puede revisarla. No corresponde al gasto exclusivo en IA, al presupuesto federal ni a inversión disponible en 2026.
Localización API WDI indicador GB.XPD.RSDV.GD.ZS, país MEX, años 2015–2025; valores no nulos hasta 2024
Consultar fuente originalS38PIB de México en moneda local corriente · WDIWorld Bank · 2026aSerie oficial internacional de cuentas nacionales
Referencia
World Bank (2026a). GDP (current LCU): Mexico [Conjunto de datos]. World Development Indicators. Recuperado el 18 de septiembre de 2026, de https://data.worldbank.org/indicator/NY.GDP.MKTP.CN?locations=MX
Período de referencia 2015–2025
Lectura PIB nominal 2025: 35,255,452,916,000 pesos; 2024: 33,506,846,910,000 pesos. Se divide por mil millones para presentar la escala.
Límite PIB a precios corrientes. No es crecimiento real ni permite aislar el efecto de IA. La serie está sujeta a revisiones de cuentas nacionales y tipo de fuente nacional.
Localización API WDI indicador NY.GDP.MKTP.CN, país MEX, años 2015–2025
Consultar fuente originalS22World Development Report 2026: The Promise of Artificial IntelligenceWorld Bank · 2026bSíntesis internacional
Referencia
World Bank (2026b). World development report 2026: The promise of artificial intelligence. https://www.worldbank.org/en/publication/wdr2026
Período de referencia Síntesis y mensajes de la edición 2026
Lectura Distingue adoptar, adaptar y avanzar, y vincula el aprovechamiento de IA con capacidades locales, interoperabilidad y complementos institucionales.
Límite Su diagnóstico general no estima parámetros de difusión para México. La política recomendada por el organismo no constituye una prueba causal de resultados nacionales.
Localización Mensajes principales y resúmenes de capítulos; no lectura integral del informe
Consultar fuente original