El Informe sobre Desarrollo Humano 2025 del PNUD, publicado en mayo de 2025, abre con un diagnóstico que no deja margen para la comodidad: el progreso en desarrollo humano está experimentando su desaceleración más pronunciada desde 1990. Excluyendo los años de crisis de 2020 y 2021, el avance proyectado para 2024 es el más débil en 35 años. Y las desigualdades entre países de IDH bajo y muy alto llevan cuatro años consecutivos aumentando, revirtiendo décadas de convergencia que la comunidad internacional consideraba prácticamente consolidada. Al mismo tiempo, según el PNUD, la IA alcanzó 1.200 millones de usuarios en apenas tres años, casi el 70% de ellos en países en desarrollo. Dos curvas con pendientes opuestas. Eso es lo que tenemos sobre la mesa.
La lectura cómoda de este dato es la más peligrosa
El optimismo tecnológico tiene una narrativa bien ensayada: si la IA crece tan rápido, eventualmente llegará a todos, los mercados se ajustarán y la brecha se cerrará sola. Los datos muestran otra cosa. El informe Digital Progress and Trends 2025 del Banco Mundial documenta que, a junio de 2025, los países de renta alta concentraban el 77% de la capacidad mundial de centros de datos de coubicación; los de renta media alta, el 18%; los de renta media baja, el 5%, y los de renta baja, menos del 0,1%. El PNUD añade que, mientras en algunas economías de renta alta dos de cada tres personas ya usan herramientas de IA, en muchos países de renta baja el uso ronda el 5%. La IA no se está difundiendo de forma orgánica hacia los contextos más vulnerables: se concentra donde ya existen infraestructura, capacidad técnica y datos localmente relevantes.
El error de análisis más frecuente en el sector de cooperación es tratar la IA como una herramienta neutral que solo necesita acceso. El PNUD advierte en el IDH 2025 que su impacto real dependerá de las decisiones políticas, institucionales y de diseño que se adopten en los próximos años. La tecnología no tiene agenda propia. La agenda la ponen quienes diseñan los sistemas, los proyectos y las condiciones de adopción, y eso incluye, directamente, a los equipos de cooperación internacional que formulan intervenciones en países de renta media y baja.
La brecha también tiene una dimensión de género
La evidencia más reciente obliga a sumar otra variable. En marzo de 2026, la Organización Internacional del Trabajo publicó un análisis basado en microdatos armonizados de 84 países: alrededor del 29% de las ocupaciones con mayoría de mujeres está expuesto a la IA generativa, frente al 16% de las ocupaciones con mayoría de hombres. Casi el doble. La propia OIT precisa que el efecto más extendido probablemente recaerá sobre la calidad del empleo más que sobre la cantidad: cambios en las tareas, mayor intensidad de trabajo, más supervisión o menos autonomía. Exposición no equivale a sustitución, pero la diferencia importa, porque las mujeres siguen concentradas en trabajos administrativos y de apoyo con tareas más automatizables.
Por eso la perspectiva de género no puede entrar a un proyecto con IA como un anexo decorativo. Tiene que formar parte del diagnóstico y del diseño, porque una misma herramienta puede distribuir sus efectos de manera muy desigual entre las personas que la usan.
No hay ventana de oportunidad sin condiciones habilitantes
Los mismos datos que documentan la brecha revelan también algo que no debe pasarse por alto: los países de renta media están impulsando buena parte de la adopción global. En abril de 2025, el 40% del tráfico mundial de ChatGPT provino de esos países, con Brasil, India, Indonesia y Vietnam entre los principales usuarios, y la demanda de competencias en IA generativa se multiplicó por nueve entre 2021 y 2024. La encuesta global del PNUD sobre IA y Desarrollo Humano, con más de 21.000 personas en 21 países, encontró que en los países de ingresos bajos y medios el 70% espera que la IA aumente su productividad. Esa disposición social es real, y es capital político y cultural que puede aprovecharse o desperdiciarse según cómo se diseñen las intervenciones.
Pero la disposición social no sustituye a las condiciones estructurales. El Banco Mundial organiza las condiciones habilitantes de la IA en cuatro dimensiones, las «4C»: conectividad (infraestructura digital y energética), cómputo (chips, centros de datos, nube), contexto (datos localmente relevantes) y competencias (capacidades digitales). En la práctica, estas dimensiones funcionan como un sistema: si una falla, limita a las demás. Una comunidad puede tener internet y un suministro eléctrico irregular; puede existir infraestructura digital sin datos en los idiomas locales; puede haber una herramienta avanzada sin personas capacitadas para interpretarla o mantenerla. Y el punto de partida es muy desigual: menos del 5% de la población de los países de renta baja tiene competencias digitales básicas, frente al 66% en los de renta alta.
Este marco tiene implicaciones directas para el diseño de proyectos. Un componente de IA insertado en un proyecto de salud o de agricultura sin haber verificado las 4C de ese contexto específico corre un alto riesgo de fracaso, por sofisticado que parezca. El PNUD documenta aplicaciones que funcionan precisamente porque parten del contexto: equipos de rayos X ultraportátiles con IA para detectar tuberculosis en Turkmenistán, una experiencia que el PNUD ha extendido también a Tayikistán y al Pacífico, y sistemas de trazabilidad del café con datos generados por IA para pequeños productores de Ecuador, Colombia y Costa Rica, ante el Reglamento europeo contra la deforestación. Lo que tienen en común es que responden a una necesidad verificada, operan dentro de las capacidades locales y generan un beneficio claro para la población.
Lo que esto le exige al diseño de proyectos: tres decisiones no delegables
El IDH 2025 formula tres llamados a la acción que, leídos desde el diseño de proyectos de cooperación, se vuelven exigencias operativas concretas. El primero: construir una economía donde personas e IA colaboren en lugar de competir. En términos de formulación, cualquier proyecto que incorpore automatización debe incluir una teoría de cambio explícita sobre cómo esa automatización amplía las capacidades humanas, y no solo cómo reduce costos o tiempos. La eficiencia importa, pero desde el desarrollo también importa qué capacidades genera, quién puede usarlas y qué ocurre cuando el proyecto termina.
El segundo llamado: integrar la agencia humana en todo el ciclo de vida de la IA, desde el diseño hasta el despliegue. Para quienes gestionamos proyectos, la comunidad o población objetivo no puede aparecer solo en la fase de implementación. Debe estar en el diagnóstico, en la validación de la solución y en la definición de los indicadores de éxito. Un sistema diseñado sin sus usuarios finales, y presentado en una sesión de socialización al final, difícilmente será apropiado por quienes debían beneficiarse de él.
El tercero: modernizar los sistemas de educación y salud, con la IA como herramienta para ampliar capacidades. Aquí el Banco Mundial destaca la llamada «Small AI»: aplicaciones más asequibles, capaces de funcionar en dispositivos cotidianos sin la infraestructura de los grandes modelos, especialmente útiles en agricultura, salud y educación. No todo proyecto necesita infraestructura de nube empresarial; necesita la solución adecuada a su contexto.
Mi postura es directa: los equipos de formulación no pueden seguir delegando las decisiones sobre IA a los proveedores tecnológicos o a asesores contratados al final del ciclo. Esas decisiones deben tomarse en el diseño, a partir de preguntas concretas: qué necesidad se quiere resolver, si la IA aporta una ventaja real frente a otras alternativas, qué infraestructura y qué datos requiere, quién usará la herramienta, qué decisiones quedarán bajo responsabilidad humana, qué pasa con los datos al terminar y si la solución puede sostenerse después del financiamiento inicial. Las respuestas deben quedar articuladas en el marco lógico, con indicadores que permitan verificar si la tecnología amplía capacidades o crea nuevas dependencias. El proyecto debe definir qué tecnología necesita, y no al revés.
La pregunta que el sector no se está haciendo con suficiente seriedad
El IDH 2025 advierte que el desarrollo de la IA está superando las respuestas regulatorias. Eso es cierto a nivel global, pero hay un nivel más cercano: muchas organizaciones de cooperación que trabajan con comunidades en países de renta media y baja todavía no tienen una política interna de uso de IA. No tienen criterios claros sobre qué datos pueden alimentar sistemas automatizados, qué decisiones pueden apoyarse en algoritmos, dónde debe mantenerse la supervisión humana ni quién responde por las decisiones tomadas con apoyo de la IA. Si la gobernanza global va lenta, la institucional va más lenta aún.
Lo que está en juego es si la cooperación internacional seguirá siendo relevante en un mundo donde la brecha tecnológica redefine qué significa quedarse atrás. Las dos curvas (progreso humano estancado e IA en expansión acelerada) no guardan una relación causal automática, pero tampoco pueden leerse por separado: la IA está entrando en economías, instituciones y comunidades que ya arrastran profundas diferencias. El PNUD insiste en que esa divergencia no es inevitable: invertir en las personas, en gobernanza responsable y en infraestructura digital inclusiva puede cambiar la trayectoria. La cuestión es qué capacidades deja cada proyecto cuando termina.
Si tu organización está evaluando si está lista para incorporar IA de forma responsable, el Checklist de Preparación en IA es un buen punto de partida. Y si necesitas ir más a fondo, con diagnóstico, estrategia y formulación con IA integrada desde el diseño, hablemos en Consultoría.
Fuentes
- PNUD (mayo 2025): Human Development progress slows to a 35-year low
- PNUD (2025): Informe sobre Desarrollo Humano 2025. A Matter of Choice: People and Possibilities in the Age of AI
- PNUD (2025): Encuesta global sobre IA y Desarrollo Humano
- PNUD Asia-Pacífico (diciembre 2025): The Next Great Divergence: Why AI May Widen Inequality Between Countries
- Banco Mundial (noviembre 2025): Digital Progress and Trends Report 2025: Strengthening AI Foundations
- Banco Mundial (noviembre 2025): Strengthening AI Foundations: Emerging Opportunities for Developing Countries
- Banco Mundial (2025): Digital Progress and Trends Report 2025: Visualizations
- OIT (marzo 2026): Gen AI, occupational segregation and gender equality in the world of work
- OIT (5 marzo 2026): New ILO data confirm women face higher workplace risks from generative AI than men
- PNUD Turkmenistán (diciembre 2025): UNDP implements artificial intelligence technology for X-ray analysis to expand tuberculosis screening
- PNUD (2025): The Choice of Sustainable Development in the Age of AI
