Aunque México ya es un país ampliamente conectado por celular, la adopción empresarial de inteligencia artificial sigue concentrada en compañías medianas y grandes. Para millones de microempresas, pymes e informales, el salto hacia sistemas agentivos no depende solo de “usar IA”, sino de tener datos, procesos, infraestructura y presupuesto para integrarla.
México ya tiene una población conectada, pero eso no significa que tenga una economía lista para integrar inteligencia artificial en sus procesos productivos. Esa diferencia es clave para entender la siguiente brecha tecnológica del país: no la brecha entre quienes han usado o no un chatbot, sino entre las empresas que pueden conectar agentes a sus operaciones y aquellas que todavía trabajan con libretas o libros de contabilidad, mensajes de WhatsApp, efectivo, inventarios incompletos o procesos que dependen de la memoria del dueño.
De acuerdo con la ENDUTIH 2025, 86.1% de la población de seis años y más utilizó internet en México, equivalente a 104.9 millones de personas. El acceso, además, está profundamente marcado por el teléfono celular: 97.3% de las personas usuarias de internet se conectó mediante smartphone, mientras que solo 36.2% lo hizo mediante computadora. Ese dato importa porque la IA generativa puede entrar fácilmente por el celular, pero la IA empresarial requiere otra capa de infraestructura: sistemas, bases de datos, cuentas conectadas, permisos, historial de operaciones y procesos relativamente estables.
Los Censos Económicos 2024 muestran el tamaño del reto. En 2023, el sector privado y las empresas paraestatales concentraban 5.4 millones de unidades económicas; de ellas, las microempresas (negocios de hasta 10 personas) representaban 95.5% del total y empleaban a 41.5% del personal ocupado. En contraste, las grandes empresas eran apenas 0.2% de las unidades económicas, pero concentraban 29.3% del personal ocupado y 43.5% de los ingresos totales.
Esa estructura condiciona la adopción tecnológica. Según los resultados oportunos del Censo Económico 2024, entre 2018 y 2023 las unidades económicas que vendieron por internet pasaron de 3.0% a 5.5%. Pero la brecha por tamaño es enorme: entre los micronegocios, el porcentaje subió de 2.1% a 4.4%; entre las pymes, de 18.7% a 28.8%; y entre las grandes, de 24.0% a 32.9%. Es decir, incluso antes de hablar de agentes de IA, muchas unidades económicas todavía no han incorporado plenamente comercio digital básico.
El propio INEGI registró por primera vez el uso de tecnologías digitales en unidades económicas. En 2023, 1.4 millones de unidades emplearon internet para sus actividades, y de ellas 1.2 millones utilizaron herramientas de tecnología digital. Entre esas herramientas, los usos más frecuentes fueron buscadores y repositorios; los sistemas de inteligencia artificial aparecen mucho más abajo, con 2.1% dentro de ese conjunto de herramientas digitales reportadas.
Cuando se observa la adopción de IA por tamaño de empresa, la concentración se vuelve más clara. Un análisis de Centro México Digital y Select, elaborado con datos del Censo Económico 2024, estima que el uso general de IA en unidades económicas mexicanas ronda 0.5%. En las microempresas es de apenas 0.1%; en las pequeñas, 6.4%; en las medianas, 14.1%; y en las grandes, 17.3%. El dato no proviene directamente de un comunicado de INEGI, sino de un procesamiento especializado sobre la base censal, pero ayuda a dimensionar la desigualdad en la adopción.
La brecha no es únicamente tecnológica. También es organizacional. Para que un agente de IA funcione en una empresa no basta con que el dueño tenga acceso a ChatGPT o a una aplicación en el celular. Un agente necesita consultar información confiable, ejecutar tareas, actualizar registros, conectarse a sistemas de pago, inventario, facturación, atención al cliente o contabilidad. Sin datos estructurados, el agente puede ayudar a redactar mensajes o resumir información, pero difícilmente puede operar de forma autónoma sin aumentar el riesgo de errores.
Ahí aparece uno de los mayores límites para México: la informalidad. INEGI define como unidades económicas informales, para efectos censales, a las que tienen cinco personas ocupadas o menos, no pagan contribuciones patronales, no forman parte de una empresa con varias unidades, no tienen gastos por servicios contables, legales o administrativos, no pagan asesoría comercial y no usan sistema contable ni contador externo. En 2023, se contabilizaron 3.5 millones de unidades económicas en condiciones de informalidad, equivalentes a 64.3% del total.
Ese dato es central para entender por qué la integración de sistemas agentivos será mucho más complicada de lo que sugieren los discursos de automatización. La informalidad no solo implica operar fuera de ciertos marcos fiscales o laborales; también implica operar con menos trazabilidad, menos registros, menos sistemas y menos capacidad de delegar tareas a software. Si el negocio cambia precios de forma manual, recibe pedidos por mensajes dispersos, compra insumos en efectivo, no registra márgenes y no separa cuentas personales de cuentas del negocio, un agente no tiene una base estable sobre la cual actuar.
La diferencia se ve también en la contabilidad. En 2023, solo 26.0% de las microempresas utilizó sistemas contables o pagó servicios de contabilidad externa, frente a 86.3% de las pymes y 97.3% de las grandes. Para una IA agentiva, esto importa porque la contabilidad no es solo un trámite: es una capa de datos. Sin esa capa, automatizar compras, inventario, precios, impuestos, pagos o márgenes se vuelve mucho más difícil.
El costo añade otra barrera. Con el tipo de cambio publicado por el DOF para el 9 de julio de 2026, 100 dólares equivalen a unos 1,760 pesos. Esa cifra puede parecer menor para una empresa grande, pero para una microempresa mexicana puede competir con renta, servicios, nómina parcial, inventario o herramientas básicas de operación.
Además, el gasto en IA empresarial no se reduce a “pagar tokens”. La página oficial de precios de OpenAI muestra que el costo por millón de tokens cambia según modelo, modalidad y prioridad de procesamiento; GPT-5.5, por ejemplo, aparece con precios que van desde dólares por millón de tokens de entrada hasta montos mucho mayores para salida o procesamiento prioritario. A eso hay que sumar hosting, base de datos, conectores, mantenimiento, limpieza de información, supervisión humana y corrección de errores.
Otro factor incómodo es que, en México, la automatización no siempre aparece como un ahorro evidente para las empresas pequeñas porque los salarios siguen siendo bajos y muchas personas trabajadoras ya absorben múltiples funciones por encima de lo que formalmente fueron contratadas para hacer. En el primer trimestre de 2026, 47.0% de la población ocupada percibió hasta un salario mínimo y otro 30.8% recibió más de uno y hasta dos salarios mínimos, según la ENOE de INEGI. A partir de enero de 2026, el salario mínimo general es de 315.04 pesos diarios, de acuerdo con la Conasami.
En ese contexto, una factura mensual de 100 dólares en tokens (unos 1,760 pesos) no compite contra salarios de economías de altos ingresos, sino contra estructuras laborales donde una sola persona atiende clientes, cobra, acomoda inventario, contesta WhatsApp, actualiza precios y resuelve problemas operativos sin que todas esas tareas se reconozcan como puestos separados. Por eso, para muchas microempresas, pagar IA no sustituye un costo alto de personal: se suma a una operación donde la explotación, la multitarea y los bajos salarios funcionan mejor para el empleador que sistemas de IA agentiva, aunque para el trabajador implique explotación y precariedad.
Por eso, para muchas pymes mexicanas, la primera fase de adopción no será un agente autónomo que “lleve el negocio”, sino herramientas más pequeñas y medibles: ordenar listas de precios, convertir mensajes de WhatsApp en pedidos estructurados, generar cotizaciones, comparar márgenes, resumir conversaciones con clientes, detectar productos de baja rentabilidad o preparar reportes simples para tomar decisiones. Esa IA asistiva puede funcionar como puente hacia una integración más profunda.
La pregunta de fondo no es si la inteligencia artificial llegará a las empresas mexicanas. Ya llegó, pero de manera desigual. En grandes compañías puede integrarse a sistemas de nube, analítica, finanzas, atención al cliente o logística. En pymes formales puede entrar por tareas concretas que reduzcan carga administrativa. En microempresas e informalidad, en cambio, su adopción dependerá menos del entusiasmo por la tecnología y más de resolver una deuda previa: digitalizar procesos básicos, ordenar datos, reducir costos de implementación y diseñar herramientas que no estén pensadas solo para empresas con áreas de TI.
Para que la IA se integre en las empresas mexicanas con la misma profundidad que en economías más desarrolladas, no basta con acceso a modelos avanzados. Se necesitan datos más estructurados, procesos más formalizados y un flujo de dinero suficiente para sostener la implementación. La IA agentiva requiere algo más que una suscripción: necesita inventarios actualizados, historiales de venta, sistemas contables, canales conectados, personal que supervise y presupuesto mensual para tokens, mantenimiento e infraestructura. En México, donde millones de negocios operan con márgenes estrechos, informalidad y baja digitalización, la brecha no está solo en la tecnología disponible, sino en las condiciones económicas y organizacionales necesarias para convertir esa tecnología en una herramienta operativa.
En ese punto aparece una alternativa posible para comercios pequeños e informales: no empezar por agentes autónomos, sino por herramientas que ayuden a ordenar la información mínima del negocio. MargenFlow Rescue parte justamente de esa necesidad: tomar listas de precios, inventarios dispersos, archivos CSV, notas de compra o registros hechos en WhatsApp para convertirlos en datos más estructurados sobre productos, costos, precios, márgenes y referencias de mercado. Su valor no está en prometer que la IA “reemplazará” la operación diaria, sino en crear una primera capa de organización para negocios que todavía no tienen sistemas formales. En un país donde muchas unidades económicas trabajan con información fragmentada, ese paso puede ser más importante que la automatización misma: antes de que un agente pueda operar, el negocio necesita saber qué vende, cuánto le cuesta, cuánto gana y dónde está perdiendo margen.
