Honduras sin infraestructura ni talento avanzado en inteligencia artificial

La inteligencia artificial (IA) ya dejó de ser ajena para muchos hondureños. Hasta hoy, ha servido para crear imágenes, organizar tareas o agilizar procesos en la industria, empresas u otros rubros. Su uso avanza, pero Honduras todavía carece de suficiente talento especializado e infraestructura para llevar esta tecnología a otro nivel en los negocios.

Esa distancia entre usar inteligencia artificial y tener capacidad para desarrollarla constituye uno de los principales desafíos del país.

Un análisis de LA PRENSA Premium a los datos del Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025 revela que Honduras muestra avances en adopción industrial, pero permanece rezagada en condiciones necesarias para desarrollar y escalar esta tecnología.

Honduras ocupa el puesto 17 de 19 países en la clasificación general y permanece dentro del grupo de los denominados “exploradores”. Su desempeño en adopción industrial, sin embargo, muestra un escenario distinto.

En este indicador, el país alcanza 49.97 puntos, por encima del promedio regional de 47.25, pero se ubica en la séptima posición entre los países evaluados. En Centroamérica, únicamente Costa Rica obtiene un resultado superior, con 50.32 puntos.

El Salvador registra 41.92 puntos; Guatemala, 34.57; y Panamá, 30.27. La comparación no significa que Honduras cuente con un ecosistema de IA más desarrollado que esos países, sino que muestra un desempeño particular en el indicador relacionado con la adopción dentro de la industria.

A falta de una gobernanza sobre IA a niveles público y privado, Honduras presenta un comportamiento que permite identificar que las herramientas comienzan a incorporarse como una solución antes de que el país termine de construir las condiciones necesarias para desarrollar un ecosistema tecnológico más sofisticado.

LA PRENSA Premium buscó conocer la posición del Gobierno sobre los retos que enfrenta Honduras para impulsar la inteligencia artificial y las acciones previstas en esta materia, pero hasta el cierre de esta edición no fue posible obtener una respuesta.

Los datos del ILIA también muestran hacia dónde se dirige parte del consumo hondureño de estas tecnologías. La generación de texto concentra 66% del uso identificado, mientras el contenido multimedia representa 20%. Los asistentes personales o agentes de IA alcanzan 7% del tráfico hacia este tipo de herramientas, frente a un promedio regional de 4%.

El patrón apunta principalmente hacia herramientas accesibles que permiten generar contenido, automatizar tareas o apoyar actividades cotidianas. El informe identifica además restricciones económicas que favorecen el uso de soluciones gratuitas o de bajo costo, en lugar de implementaciones empresariales de mayor complejidad.

La Cámara de Comercio e Industrias de Cortés (CCIC) mencionó que hasta el momento no existen informes o reportes públicos que permitan cuantificar con precisión cuántas empresas implementaron IA o cuánto invirtieron en ella. Sin embargo, se identifican aplicaciones en actividades automatizadas, omo banca y servicios, manufactura, maquila, logística y comercio.

En la industria manufacturera, por ejemplo, las aplicaciones pueden abarcar sistemas de visión por computadora para identificar defectos y herramientas de mantenimiento predictivo.

En logística pueden emplearse algoritmos para optimizar rutas o anticipar necesidades de inventario. La existencia de esas aplicaciones, no obstante, no permite establecer por sí sola qué proporción del sector empresarial hondureño alcanzó una adopción avanzada.

Para Diego Matute, docente de Ceutec en San Pedro Sula, consideró que los estudiantes cuentan con bases técnicas y teóricas, pero todavía existe una distancia cuando deben trasladar ese conocimiento a problemas reales.

El docente aseguró que las necesidades de la industria obligan a superar el aprendizaje basado únicamente en ejercicios, simulaciones o modelos que funcionan bajo condiciones controladas. La formación, sostuvo, debe acercarse a los sistemas que operan diariamente dentro de las empresas.

“Las empresas no buscan modelos de IA corriendo en simuladores o en la nube; ocupan automatización para problemas físicos en la planta. Nos falta que el estudiante general domine más los modelos de inteligencia artificial basados en inferencia local para incrustar esa inteligencia en los sistemas que operan las máquinas día a día”, señaló.

La diferencia resulta especialmente relevante en una zona industrial como el Valle de Sula. Un proyecto universitario puede desarrollarse bajo condiciones controladas, mientras una implementación industrial debe responder a problemas cotidianos como interrupciones eléctricas, disponibilidad de conectividad, funcionamiento de sensores y costos de operación.

“En las aulas estamos empujando fuerte el machine learning aplicado al hardware, pero a nivel del sistema universitario general necesitamos que los alumnos se percaten e involucren más con este nuevo paradigma”, sostuvo.Los datos regionales reflejan parte de esa brecha. Honduras obtiene 28.93 puntos en talento humano relacionado con IA y se ubica en la posición 15. En alfabetización en IA alcanza 56.22 puntos, pero el resultado disminuye a 21.46 en formación profesional.

El contraste es mayor cuando se observa la especialización: el país no registra puntos en talento humano avanzado, de acuerdo con los indicadores recopilados por el ILIA 2025. También contabiliza alrededor de 12.3 desarrolladores de software por cada millón de habitantes, frente a un promedio regional de 37.1.

Tener un modelo de inteligencia artificial funcionando en una computadora no significa que una empresa esté preparada para incorporarlo a sus operaciones. Marlon Noriega, consultor y experto en IA, situó una de las principales brechas precisamente en el paso entre experimentar con la tecnología y convertirla en un sistema empresarial.

“Un piloto experimental es un borrador de prueba. Corre en la computadora de un desarrollador o con pocos datos de muestra. Busca probar si la idea funciona técnicamente, sin importar si falla o si es lenta”, explicó Noriega.

El escenario cambia cuando la herramienta debe incorporarse al funcionamiento cotidiano de una compañía.

“Una implementación en producción es el sistema real funcionando para el negocio. Está conectado a las bases de datos en vivo de la empresa, atiende a miles de usuarios simultáneamente, es seguro, rápido y genera un rendimiento económico o ahorro de tiempo medible”, señaló.

Para llegar a ese punto, Noriega identificó una barrera que comienza incluso antes de pensar en servidores o modelos avanzados: la información de las empresas.

La infraestructura representa otro obstáculo. Noriega argumentó que pocas universidades disponen de capacidad de cómputo suficiente para trabajar con modelos avanzados y que, en el entorno empresarial, las limitaciones también aparecen en el acceso a servicios tecnológicos.

Entre las barreras que identificó están las “conexiones de internet inestables fuera de las grandes ciudades, costo elevado de servidores en la nube y falta de centros de datos locales”.

A esas condiciones se suma la disponibilidad de profesionales capaces de implementar los sistemas, pues “hay poca oferta de profesionales locales que sepan desarrollar e implementar IA avanzada. La mayoría del talento capacitado migra o trabaja de forma remota para empresas extranjeras”.

Por ello, consideró que durante los próximos tres a cinco años los profesionales deberán desarrollar conocimientos que permitan llevar los modelos desde una prueba hasta los sistemas empresariales. Entre ellos mencionó operaciones de aprendizaje automático (MLOps), servicios de nube, ingeniería de datos, integración mediante interfaces de programación de aplicaciones (API) e inteligencia artificial generativa.

Advirtió que la decisión de incorporar IA tampoco debería comenzar por la tecnología. “Empezar por problemas reales, no por la moda”. Su planteamiento es identificar primero procesos repetitivos, lentos o costosos y determinar, posteriormente, si la inteligencia artificial puede resolverlos.

También aconsejó “usar herramientas existentes antes de construir desde cero” y recurrir, cuando resulte conveniente, a servicios y modelos comerciales ya disponibles en lugar de asumir inmediatamente el costo de desarrollar uno propio.

El error, advirtió, sería comenzar por comprar tecnología sin resolver previamente los problemas internos. “Implementar IA sobre bases de datos desordenadas, incompletas o duplicadas genera resultados erróneos o inútiles”, dijo.

También cuestionó que las empresas concentren toda la responsabilidad en sus departamentos tecnológicos, pues es un “error” tratar la inteligencia artificial como un asunto exclusivamente técnico, cuando su implementación debe responder a una estrategia del negocio.

El segundo desafío aparece cuando una empresa intenta transformar una prueba tecnológica en un sistema que forma parte de sus operaciones. Aseguró que ese punto es una de las brechas que separan la experimentación de una implementación empresarial.

Honduras registra una capacidad limitada de infraestructura digital y carece, según los indicadores incluidos en el documento analizado, de capacidad local relevante de computación de alto rendimiento y unidades de procesamiento gráfico para proyectos intensivos de IA.

Los datos recopilados por el índice indican que 58.3% de la población utiliza Internet y 51.4% de los hogares dispone de conexión, mientras la cobertura de redes móviles alcanza 93%. Apenas 16.5% de los hogares dispone de una computadora.

Estas diferencias importan porque una herramienta disponible mediante un teléfono móvil puede alcanzar rápidamente a usuarios individuales, mientras el desarrollo de soluciones empresariales complejas requiere servidores, procesamiento, almacenamiento, conectividad estable y personal especializado.

Ambos planteamientos de los expertos consultados convergen en un mismo punto desde perspectivas diferentes. La academia necesita formar profesionales capaces de trabajar con problemas y sistemas reales, mientras las empresas necesitan preparar sus procesos, datos e infraestructura antes de pretender automatizarlos mediante inteligencia artificial.

El avance empresarial ocurre mientras el país enfrenta limitaciones que trascienden a las compañías. Honduras no obtuvo puntos en el componente de visión e institucionalidad analizado por el ILIA, relacionado con elementos como estrategia, organización y conducción pública de la inteligencia artificial.

A ello se suma una inversión en investigación y desarrollo equivalente a 0.06% del Producto Interno Bruto (PIB), según los datos incorporados en el informe. La combinación reduce las posibilidades de desarrollar investigación, formar especialistas y construir soluciones tecnológicas propias a mayor escala.

El resultado es una paradoja: Honduras puede adoptar herramientas desarrolladas fuera de sus fronteras y encontrar aplicaciones productivas para ellas, pero tiene mayores dificultades para construir la infraestructura, el conocimiento especializado y las condiciones institucionales necesarias para avanzar hacia niveles superiores de desarrollo tecnológico.

La distancia entre probar inteligencia artificial y convertirla en una herramienta productiva permanente será, precisamente, el terreno donde Honduras deberá definir si continúa como consumidor de soluciones creadas fuera del país o desarrolla las capacidades necesarias para aprovecharlas, adaptarlas y escalarlas dentro de su propia economía.