Los casos de IA generativa en Latinoamérica que publican los proveedores cloud permiten ver qué se hace en la práctica, más allá de las demostraciones. Esta lista reúne siete, cada uno tomado de una página de Google Cloud o de AWS leída completa. Se incluye solo lo que cada fuente afirma.
Cómo se eligieron estos casos
El criterio fue simple: una empresa de la región con nombre propio, un uso concreto de modelos de lenguaje o de IA generativa y una fuente del proveedor que lo describe. Quedaron afuera los casos sin nombre de empresa o sin una descripción clara del uso. Las cifras aparecen solo cuando el proveedor las publica, y se le atribuyen a él.
La fuente principal es la recopilación de 90 casos que Google Cloud publicó el 20 de marzo de 2025, más la página de AWS sobre Mercado Libre.
Para sumar más nombres, un texto de Medium trata sobre las principales empresas latinoamericanas que implementan soluciones en la nube.
Casos de IA generativa en Latinoamérica: siete ejemplos
1. Copel, energía (Brasil)
Según Google Cloud, desarrolló un agente con Gemini Pro 1.5 que interactúa con su sistema SAP ERP on-premises. Los funcionarios le hacen preguntas en lenguaje natural.
2. TIM Brasil, telecomunicaciones
Usa IA generativa de Google Cloud para transcribir los audios de las llamadas a atención humana y luego clasificar, resumir y calificar la demanda del cliente. El propósito, dice la publicación, es proponer respuestas más eficaces, ayudar a los operadores y devolver información al equipo para mejorar productos y servicios.
3. Suzano, manufactura (Brasil)
Aplica IA generativa para que los usuarios accedan con lenguaje natural, casi al instante, a la información de sus fuentes. Google Cloud cita a casi 50.000 funcionarios beneficiados.
4. NotCo, tecnología alimentaria (Chile)
Su chatbot de IA conversacional con Gemini facilita el acceso a los datos y permite que los colaboradores obtengan información en tiempo real para decidir mejor. Google Cloud dice que revolucionó el acceso a los datos, una valoración del proveedor y no una medición.
5. Mercado Libre, comercio electrónico (Argentina)
Según AWS, opera en 18 países y tiene más de 144 millones de usuarios activos. AWS cuenta que, junto con Mutt Data y Stability AI en Amazon Bedrock, la empresa desarrolló GenAds, una solución que automatiza la creación de imágenes de producto para vendedores, con un aumento promedio del 25% en la tasa de clics. Google Cloud, por su lado, la menciona por su búsqueda semántica con agentes de IA creados en Vertex AI, que mejoró las recomendaciones de productos.
6. Cia. Hering, retail (Brasil)
Su chatbot Herica usa Dialogflow y Gemini para personalizar mensajes y responder preguntas. Google Cloud atribuye a la implementación, que incluye búsqueda por imagen, un aumento de 16 puntos porcentuales en la tasa de clics y un ticket promedio 122% mayor.
7. Casa dos Ventos, energía eólica (Brasil)
Con Vertex AI, automatizó el análisis de documentos y la extracción de datos de imágenes, aceleró la búsqueda en grandes repositorios de documentos y puso a disposición de sus colaboradores una plataforma de respuestas. También automatizó la creación de archivos de instrucciones de proyecto, de modo que los desarrolladores documentan el código en minutos. Según Google Cloud, las primeras pruebas sumaron más de 100 accesos y el 80% de los usuarios expresó alta satisfacción.
Qué revisar antes de copiar un caso
Las cifras vienen de los proveedores, que cuentan casos de sus propios clientes. Sirven como referencia y no garantizan que otra empresa obtenga lo mismo. En Casa dos Ventos, por ejemplo, los 100 accesos corresponden a las primeras pruebas, no a un despliegue completo.
Copel, TIM Brasil y NotCo no traen cifras de resultado en la fuente, solo la descripción del uso. La muestra también tiene un sesgo: todos los casos salen de Google Cloud y AWS, y no representan a toda la región.
Conviene mirar también el punto de partida. Un agente que consulta un ERP exige datos ordenados y permisos claros, mientras que un chatbot de atención depende de la calidad de su base de conocimiento.
Una buena pregunta para cada caso: ¿qué proceso concreto cambió y quién lo validó? Si la fuente no lo dice, el resultado queda como dato de marketing.