Nivel de adopción real
¿Cuál es el nivel de adopción y madurez de IA entre las organizaciones participantes en Paraguay, cuáles son sus principales casos de uso, barreras, riesgos y expectativas de inversión?
Metodología del estudio.
Cómo se define la población, se capta la muestra, se limpia el dataset, se calcula el índice de madurez y se publica cada cifra. Esta página es la referencia de transparencia del estudio.
Objetivo
Pregunta de investigación.
Profundidad y gobernanza
Qué tan profunda es la adopción (uso individual frente a integración en procesos); qué resultados se observan; qué barreras dominan; qué rol juegan los datos y qué planean a 12 meses.
Uso vs. Integración
El estudio separa «usar herramientas de IA» de «tener IA integrada a procesos empresariales». Esa brecha es uno de los hallazgos que el informe busca medir, sin presuponer su resultado.
Población
Quién participa.
Participantes con contexto empresarial real: founders, CEOs, directores, gerentes y líderes de operaciones, tecnología, datos, finanzas, administración, marketing y atención al cliente de organizaciones con operación en Paraguay.
Organizaciones con operación en Paraguay; respuestas de un rol con contexto sobre adopción de tecnología; una respuesta por organización en la medida de lo posible.
Individuos sin organización, respuestas duplicadas, incompletas, inconsistentes o demasiado rápidas, y organizaciones sin operación en Paraguay.
Objetivo inicial: 100+ organizaciones válidas. La captación es por conveniencia y se declara como tal; no se presenta como muestra representativa nacional.
Captación
Muestreo y distribución.
Distribución multisectorial
La distribución busca reducir sesgos por tamaño (micro, pequeña, mediana y grande), industria (retail, servicios, tecnología, telecomunicaciones, finanzas, educación, salud, logística, industria, agro, construcción y servicios profesionales) y cargo, evitando depender solo de la audiencia personal de Nova Labs. Canales: LinkedIn, clientes, leads, founders, comunidades, asociaciones, partners, universidades y networking.
Acceso anticipado
Quienes participan reciben acceso anticipado al informe consolidado. No se paga por respuestas, para no degradar la calidad del autoreporte ni distorsionar los datos de adopción.
Cuestionario
30 preguntas, 5–8 minutos, doce bloques.
Preguntas cerradas (selección única y múltiple), escalas y rangos de inversión. Sin preguntas abiertas obligatorias, para reducir ambigüedad y duración.
Perfil de la organización
Industria, tamaño, rol, ubicación y nivel de digitalización para describir y segmentar la muestra.
Ver preguntas
- A1. ¿Cuál es la industria principal de tu organización?
- A2. ¿Cuántas personas trabajan en tu organización?
- A3. ¿Cuál es tu rol principal dentro de la organización?
- A4. ¿Dónde está ubicada la operación principal de tu organización?
- A5. ¿Cómo calificarías el nivel general de digitalización de tu organización?
Adopción
Estado real del uso de IA y tipos de herramientas o capacidades utilizadas.
Ver preguntas
- B1. ¿Cuál de las siguientes opciones describe mejor el estado actual del uso de IA en tu organización?
- B2. ¿Qué tipos de herramientas o capacidades utiliza tu organización? (seleccioná todas las que apliquen)
Casos de uso
Áreas donde se aplica IA o automatización.
Ver preguntas
- C1. ¿En qué áreas se usa actualmente la IA o la automatización? (seleccioná todas las que apliquen)
Profundidad
Si la IA se usa como asistente individual o está integrada a procesos, sistemas y producción.
Ver preguntas
- D1. ¿Cómo se usa principalmente la IA en tu organización?
- D2. ¿La IA está conectada a los sistemas de la organización?
- D3. ¿La IA utiliza datos internos de la organización?
- D4. ¿Cuál es el estado de los sistemas de IA de la organización en producción?
Agentes de IA
Conocimiento, uso e intención respecto a agentes empresariales.
Ver preguntas
- E1. ¿Cuál es el nivel actual de uso de agentes de IA en tu organización?
- E2. ¿Tu organización planea implementar agentes de IA en los próximos 12 meses?
Datos
Calidad, centralización y accesibilidad de los datos como base de la IA.
Ver preguntas
- F1. ¿Cómo calificarías la calidad general de los datos de tu organización?
- F2. ¿Dónde está la información clave de tu organización?
- F3. ¿La información está accesible para sistemas e integraciones (APIs, estructura)?
- F4. Si la adopción de IA en tu organización fuera más difícil de lo esperado, ¿cuál creés que sería el mayor obstáculo?
Seguridad y governance
Política, herramientas autorizadas, revisión humana y trazabilidad.
Ver preguntas
- G1. ¿Existe una política de uso de IA en tu organización?
- G2. ¿Están definidas las herramientas de IA autorizadas en tu organización?
- G3. ¿Existe revisión humana antes de tomar decisiones con IA?
- G4. ¿Existe registro (logs) de las acciones realizadas por sistemas de IA?
IA privada y soberana
Despliegue de modelos, residencia de datos e interés en IA privada.
Ver preguntas
- H1. ¿Qué tipo de despliegue de modelos utiliza tu organización hoy?
- H2. ¿Qué interés tiene tu organización en IA privada o soberana?
Inversión
Inversión anual actual y prevista, en rangos para reducir fricción.
Ver preguntas
- I1. ¿Cuál es la inversión anual aproximada de tu organización en IA (herramientas, APIs, desarrollo, consultoría)?
- I2. Para los próximos 12 meses, ¿cómo espera que evolucione esa inversión?
ROI y medición
Si se mide el impacto y qué efectos se han observado.
Ver preguntas
- J1. ¿Tu organización mide el impacto de la IA en resultados?
- J2. ¿Qué efectos ha observado tu organización por el uso de IA? (seleccioná todas las que apliquen)
Barreras
Principales obstáculos para adoptar IA.
Ver preguntas
- K1. ¿Cuáles son las principales barreras para adoptar IA en tu organización? (elegí hasta 5)
Futuro
Implementaciones planificadas para los próximos 12 meses.
Ver preguntas
- L1. ¿Qué implementaciones planea tu organización para los próximos 12 meses? (seleccioná todas las que apliquen)
El cuestionario completo en formato estructurado vive en src/lib/new-site/ai-study/questionnaire.ts (fuente canónica). Los valores de las opciones son estables entre ediciones para permitir comparaciones 2026 → 2027.
Definiciones
Términos que el estudio define.
Para que cada organización responda con el mismo criterio, el cuestionario define:
Inteligencia artificial (IA)
Sistemas que generan texto, clasifican, extraen, predicen o ejecutan tareas a partir de modelos y datos.
IA generativa
Sistemas que producen contenido nuevo (texto, imágenes, código) a partir de un modelo entrenado, como ChatGPT, Gemini o Copilot.
Agente de IA
Un sistema que ejecuta tareas dentro de permisos definidos (consulta sistemas, usa herramientas, propone o realiza acciones), no solo conversa. Para este estudio, un chatbot que solo responde sin ejecutar no se cuenta como agente.
RAG
Recuperación aumentada: la IA consulta documentos o fuentes autorizadas de la organización y muestra evidencia antes de responder.
Automatización
Reglas, integraciones o flujos que mueven trabajo sin intervención manual repetida. Puede incluir o no IA.
IA privada
Arquitecturas donde el dato, el modelo o el despliegue están bajo control de la organización (on-prem, nube privada o modelos propios), en lugar de depender solo de APIs públicas.
Governance de IA
Políticas, herramientas autorizadas, permisos, revisión humana y responsabilidades alrededor del uso de IA.
Producción
Un sistema de IA está en producción cuando opera con usuarios y datos reales de forma continuada, no en una prueba o demo.
Control de calidad
Reglas definidas antes del análisis.
Ninguna respuesta se modifica: el dataset limpio es una proyección que conserva los motivos de exclusión.
ReglaCriterioMotivo
DuplicadosMismo correo u organización + rolSe conserva la primera respuesta
Demasiado rápidoMenos de 3 minutos (30 preguntas)Respuesta sin lectura real
IncompletoMenos del 60% de preguntas respondidasDataset inválido por omisión
Inconsistente«No usamos IA» + herramientas o casos seleccionadosContradicción interna
SpamIDs de pregunta desconocidos o respondentId inválidoTráfico no humano
Versión de reglas de limpieza: 1.0.0. Al publicar el informe se documentará cuántas respuestas se excluyeron y por qué.
Privacidad y consentimiento
Tratamiento de datos.
Uso anónimo
Este estudio es realizado por Nova Labs (novalabs.com.py), empresa paraguaya de inteligencia artificial aplicada, automatización y software B2B. Su objetivo es medir la adopción, madurez, inversión, barreras y planes de IA en organizaciones paraguayas. Sus respuestas se tratan de forma confidencial y se publican únicamente de manera agregada y anónima, sin identificar organizaciones ni personas. El correo que proporcione (opcional) se usa solo para control de duplicados, acceso anticipado al informe y contacto posterior si usted lo autoriza; se almacena por separado del dataset analítico y no se publica. Puede abandonar el cuestionario en cualquier momento. Al enviar, confirma que acepta el tratamiento descrito. Contacto: [email protected].
Datos separados
El correo (opcional) se usa solo para duplicados, acceso anticipado y contacto autorizado; se almacena separado del dataset analítico y no se publica.
Resultados agregados
Se publican datos agregados y anónimos, nunca respuestas individuales identificables, salvo consentimiento explícito de quien responde.
Nova AI Maturity Index
Scoring reproducible y documentado.
Componentes y pesos (suma 100)
ComponentePesoQué mide
Adopción institucional20Qué tan extendido está el uso de IA más allá de individuos.
Profundidad de uso15Si la IA se usa como asistente o dentro de procesos, sistemas y acciones.
Integración a sistemas15Conexión con sistemas centrales y estado de producción.
Infraestructura de datos10Calidad, centralización y uso de datos internos como base de la IA.
Automatización10Automatización de procesos con y sin IA.
Agentes de IA5Uso de agentes con permisos y trazabilidad.
Gobierno y políticas10Política formal, herramientas autorizadas y revisión humana.
Observabilidad10Logs, trazabilidad y medición de impacto.
Medición de resultados5Efectos observados y medidos de la IA.
Cada componente se puntúa 0–100 con reglas explícitas sobre las respuestas. El puntaje final es la media ponderada de los componentes respondidos (los no respondidos se excluyen y su peso se redistribuye).
Nivel 4 exige integración ≥ 60, profundidad ≥ 60 y adopción ≥ 50. Nivel 5 exige governance ≥ 70, observabilidad ≥ 70 e integración ≥ 80. Sin esas condiciones reales, el nivel queda limitado aunque el puntaje sea alto.
Sin adopción
No existe utilización significativa de IA.
Experimentación
Uso exploratorio o individual.
Adopción asistida
Uso institucional en tareas específicas.
Workflow Integration
IA integrada a workflows y sistemas.
Operational AI
Automatización, APIs, agentes, datos internos, evaluación y monitoreo.
AI-Native Operations
IA integrada estructuralmente a operaciones con governance, observabilidad y mejora continua.
Versión de scoring: 1.0.0. El índice es un marco desarrollado por Nova Labs para este estudio, no un instrumento estadístico validado. Antes de publicar se ejecutan casos de prueba (organizaciones ficticias), se revisan edge cases y se documentan las limitaciones. Si cambia una variable, un peso o un gate, se incrementa la versión y se re-ejecuta todo el análisis.
Denominadores
Toda cifra indica su muestra.
Regla de denominadores
No se publica «el X% de las empresas paraguayas»: se publica «X% de las N organizaciones participantes que respondieron esta pregunta». Las frecuencias, porcentajes y medianas se calculan con denominadores explícitos, y las respuestas incompletas se informan por separado. Como el muestreo no es probabilístico, no se calculan intervalos de confianza representativos a nivel nacional.
Limitaciones
Limitaciones declaradas.
Muestreo por conveniencia, no probabilístico; no representa a todo el tejido empresarial paraguayo.
Autoreporte: la adopción, integración, governance y medición declaradas no se auditan.
Posible sobrerrepresentación de sectores más conectados a tecnología o a la red de captación.
Respuestas captadas en un período acotado; el estado del mercado puede cambiar.
Las definiciones de IA, agente y RAG pueden interpretarse distinto pese a la guía provista.
Versionado
Diseñado para comparaciones anuales.
La metodología, el cuestionario, el scoring y las reglas de limpieza se versionan. La edición 2027 reutilizará el mismo pipeline para medir cambios año contra año, siempre que no exista una razón metodológica documentada para cambiar algo.