Guía de IA para América Latina y el Caribe. Del conocimiento regional al trabajo diario
El método combina información del país, conocimiento de la empresa y una tarea concreta. Los ejemplos regionales sirven para diseñar pruebas. Esta edición de revisión no presenta resultados de trabajo de campo.
Adrian Dunkley, presidente de la Caribbean AI Association. Noviembre de 2026, edición de revisión 1.2. Síntesis de políticas y propuesta de aplicación. El documento no presenta un nuevo estudio regional de campo.
Resumen ejecutivo. Empezar por el trabajo
La guía de Adrian Dunkley combina una instrucción de contexto regional, una base de conocimientos de la empresa y una tarea definida. Las guías por país y sector ayudan a identificar usos posibles. Las herramientas de seguridad preguntan quién puede actuar, qué puede fallar y qué pruebas justifican autorizar el servicio. [1–3]
Estos componentes forman un método propuesto para pequeñas empresas y sus organismos de apoyo. Una entidad pública, un docente o un inversor puede usarlo adaptando los controles a las personas y decisiones afectadas.
Financie y evalúe el proceso completo, con preparación, formación, revisión, corrección, supervisión y alternativa si la herramienta falla. Compárelo con la forma habitual de realizar la misma tarea.
El estudio usa las guías prácticas, la propuesta de evaluación regional y las herramientas de seguridad del Playbook. Los estudios externos aportan contexto. No prueban que el método funcione en todo país o sector. Los ejemplos ilustran posibles pilotos y no describen implantaciones terminadas. No se promete retorno financiero ni ahorro de tiempo o errores.
Los propietarios y gerentes pueden usar el plan piloto. Los organismos de apoyo encontrarán las prioridades institucionales. Los revisores técnicos deben examinar los requisitos de pruebas y permisos. En el original, evidencia regional p. 3, contexto, conocimientos y tareas p. 4, controles y pruebas pp. 5–6, apoyo institucional y piloto pp. 7–8, límites y fuentes p. 9.
Pregunta de investigación. ¿Puede un proceso de IA adaptado al contexto local y revisado por una persona reducir el tiempo total de la tarea sin superar un umbral acordado de error o daño? Compárese con la misma tarea en el proceso actual, contando revisión y repetición del trabajo.
1. Evidencia regional. Exposición y resultados
En 2024, la OIT y el Banco Mundial estimaron que entre el 26 y el 38 % de los empleos de América Latina y el Caribe podrían estar expuestos a IA generativa. Diferenciaron el potencial de mejora de productividad y el de automatización plena. Las barreras de acceso digital pueden impedir que muchos trabajadores se beneficien. [4]
Figura 1. Porcentaje del empleo según las estimaciones publicadas en 2024. Exposición total, 26–38 %. Transformación que mejora la productividad, 8–14 %. Potencial de automatización plena, 2–5 %. Escala, 0, 10, 20, 30 y 40 %. Fuente: Gmyrek, Winkler y Garganta, documento de trabajo OIT 121, 31 de julio de 2024. Son rangos publicados, no intervalos de confianza. Las dos subcategorías forman parte de la exposición y no suman el total. Son estimaciones modeladas de potencial. No miden adopción, mejoras efectivas ni pérdidas de empleo previstas, ni dan estimaciones separadas para cada economía caribeña.
Un propietario puede seleccionar tareas para una comparación controlada. Las cifras no justifican reemplazar personal ni aplicar a la empresa una calificación general de un proveedor. Para diseñar políticas, incluya acceso, formación y calidad del empleo en el mismo programa. Cuente quién puede y quién no puede usar el servicio. Cuando la muestra lo permita, informe por separado los resultados rurales y de islas pequeñas.
2. Método de trabajo. Dar instrucciones locales
Contexto regional. Incluya país, idioma, moneda, formas de pago, límites de entrega y autoridades pertinentes. Use datos de la operación concreta y evite suposiciones sobre toda la región.
Conocimiento empresarial. Use fichas aprobadas de productos, horarios, condiciones de servicio, precios y plantillas. Identifique responsable y fecha de revisión. Retire registros innecesarios.
Instrucción de tarea. Especifique resultado, lector, fuentes permitidas y decisión que conserva una persona. Indique qué hacer cuando falte información o sea contradictoria.
Mantenga una base pequeña. Si nadie sabe qué tarifa está vigente, la base se convierte en un riesgo. Empiece con pocos registros aprobados. Marque vigencia, versiones sustituidas y quién puede cambiarlas. Una instrucción de contexto puede evitar algunas suposiciones. La ley, aritmética e idioma requieren comprobación contra la fuente o por una persona cualificada.
Haga visible la incertidumbre. La herramienta debe señalar lo que falta antes de redactar para el cliente. No invente disponibilidad en reservas, tratamiento fiscal en cotizaciones ni logros en subvenciones. Mantenga los datos confidenciales de clientes y personal fuera de una herramienta general hasta aprobar el uso, acceso y conservación concretos.
Ejemplo de pensión. Redacte una respuesta con la lista de habitaciones vigente, tarifas aprobadas y política de cancelación. Use el idioma pedido y señale las fechas que falten. No reserve ni prometa reembolsos ni envíe la respuesta. El propietario verifica el borrador en el sistema de reservas. Es un proceso propuesto a partir de las guías de alojamiento y contexto, pendiente de evaluación.
3. Evaluación. Probar la tarea donde se realizará
La propuesta regional incluye idioma, contexto regional, tareas de pequeñas empresas, coste y funcionamiento con poco ancho de banda. Sirven para elegir pruebas. Para clasificar modelos se necesitan entradas, salidas, puntuaciones y procedimientos de revisión que puedan inspeccionarse. [2]
Figura 2, paso 1. Registre el proceso actual y su duración. Conserve ejemplos de resultados correctos y errores frecuentes. Defina lo aceptable antes del ensayo con IA.
2. Use casos representativos, incluidos trabajo rutinario, solicitudes ambiguas, información ausente y casos que se deban rechazar o remitir. Use registros autorizados o creados para pruebas.
3. Mantenga comparables dificultad y reglas de puntuación. Registre versión, instrucciones y parámetros. Separe familiarización y trabajo medido.
4. Cuente preparación, comprobación y corrección. Examine fallos por idioma, tarea y grupo afectado. Decida parar, revisar o ampliar. Secuencia propuesta a partir de las orientaciones de tareas y el diseño regional [1–2]. Carece aún de validación empírica.
Mida tiempo total por tarea aceptada, tasa de corrección y coste por resultado aceptado. Separe errores graves de ajustes menores de redacción. Una menor duración media no compensa daños. Revisores que conozcan la lengua y la tarea deben valorar las respuestas. Documente discrepancias y solución. Una nota de traducción no establece que una respuesta sea adecuada para un cliente.
4. Seguridad y responsabilidad. Limitar las acciones
El método educativo propuesto S4 de Adrian Dunkley organiza la revisión en cuatro fases: especificar, someter a pruebas exigentes, proteger y examinar. El índice ordinal de la herramienta se introduce manualmente y orienta la revisión. No representa la probabilidad de daño ni certifica seguridad. [3, 5]
Especificar. Registre objetivo, usuarios, datos, acciones permitidas y responsable. Ejemplo: autorice redactar respuestas y bloquee el envío.
Someter a pruebas exigentes. Registre casos, salidas, fallos y preguntas pendientes. Un documento externo no debe cambiar las instrucciones de pago.
Proteger. Registre límites de acceso, pasos de aprobación y opción manual probada. Restrinja el acceso a los registros necesarios para la tarea.
Examinar. Registre fechas de revisión, incidentes, cambios y resultados de nuevas pruebas. Repita las pruebas pertinentes tras cambiar de modelo o permisos.
Separe contenido y autoridad. OWASP explica que instrucciones externas pueden llegar a través de una página web o archivo. Un asistente conectado puede encontrarlas durante su trabajo. Limite sus privilegios y exija aprobación independiente para acciones de consecuencias importantes. Una frase en una instrucción no controla el acceso. La aplicación debe imponer qué registros y herramientas están disponibles. [6]
Designe a quien puede suspender el proceso. Documente cómo retirar acceso, conservar registros pertinentes y volver al proceso manual. Proteja datos personales en los incidentes. El marco voluntario del NIST apoya una gestión contextual del riesgo durante el ciclo de vida. Aplique por separado obligaciones nacionales y sectoriales. [7]
Condición propuesta para autorizar el servicio. Mantenga bloqueada una acción importante si siguen pendientes su autorización, revisión o respuesta a fallos. Una nota media baja no compensa un fallo de control crítico.
5. Prioridades institucionales ante las restricciones reales
Organismos de apoyo empresarial. Ofrezcan sesiones prácticas en que el propietario llegue con un problema recurrente y se lleve un piloto delimitado. Ayuden a preparar registros aprobados, comparar el coste total y elegir la revisión. No cuenten demostraciones como resultados empresariales.
Gobiernos y reguladores. Publiquen requisitos de compra aplicables sobre datos, acceso, pruebas de desempeño, revisión humana y salida. Exijan demostraciones en los idiomas y la conectividad locales. Hagan claras las vías de queja y reparación. Una explicación del sistema no libera al organismo público de su decisión.
Educadores. Enseñen a definir tareas, examinar pruebas, reconocer errores y pedir ayuda. Evalúen el juicio independiente junto con la capacidad de obtener un resultado con IA.
Inversores y prestamistas. Soliciten pruebas de procesos concluidos. Examinen costes recurrentes, retención de clientes, esfuerzo de supervisión y dependencia de un proveedor. Distingan una demostración exitosa de un proceso repetible.
Instituciones regionales. Coordinen materiales de prueba reutilizables y formación de revisores. Mantengan entradas de cada país con fechas y enlaces a fuentes. Un formato común evita duplicación sin suponer leyes, infraestructura o expectativas uniformes.
Resiliencia y acceso. Incluyan acceso de bajo consumo de datos y opción sin conexión cuando sea viable. Alojar un modelo localmente puede reducir transferencias, pero requiere dispositivos seguros, mantenimiento, controles de acceso y pruebas por tarea. Un modelo pequeño no garantiza menor coste o mayor seguridad.
Empiece con un servicio que ya disponga de registros fiables y un volumen de revisión manejable, como consultas de reserva, descripciones de producto o formato de documentos. Excluya decisiones clínicas, crediticias y otras de consecuencias importantes del piloto inicial. Son propuestas sujetas a viabilidad y revisión legal local. No hay un sector que siempre deba empezar primero.
6. Aplicación. Un piloto que termine en una decisión
Semanas 1–2, definir. Seleccione una tarea y un responsable. Registre datos, permisos y desempeño manual inicial. Entregue alcance aprobado, registros de referencia, tope de gasto y condiciones de parada.
Semanas 3–4, preparar. Depure la base, forme revisores y reúna casos rutinarios y de fallo. Entregue fuentes fechadas, registro de pruebas y reglas de puntuación acordadas.
Semanas 5–8, comparar. Realice un ensayo limitado y supervisado. Registre tiempo de revisión, correcciones e incidentes. Conserve registros de tareas emparejadas o comparables y explique las exclusiones.
Semanas 9–12, decidir. Revise resultados y costes. Vuelva a probar los cambios. Detenga, corrija o amplíe. Documente decisión firmada, límites pendientes, próxima revisión y responsable de restaurar el proceso anterior.
Fije umbrales antes de empezar. Ajuste este calendario ilustrativo a riesgo, personal y disponibilidad de casos representativos. Defina precisión aceptable por tarea, error grave, carga máxima de revisión y presupuesto. Cubra los principales modos de fallo. No hay tamaño universal de muestra. Si la muestra no permite estimar daños raros, dígalo. Un periodo sin incidentes no demuestra seguridad.
Use un acta breve. Indique qué se probó, comparación inicial, fallos, qué se desconoce, quién se benefició y si alguien recibió más trabajo o riesgo. En una ampliación, especifique usuarios, datos y permisos añadidos. Compruebe si invalidan las pruebas anteriores.
Continúe solo si se cumplen los controles y la calidad pactados y hay beneficio suficiente después de verificación, corrección y gastos operativos. De lo contrario, revise el proceso o vuelva al anterior. Los ensayos locales documentados, con resultados comparables, aportarán nueva evidencia regional. Publicar fallos y condiciones límite evita repetir errores.
Fuentes y límites de la evidencia
La síntesis conceptual reúne el método contexto/conocimiento/tarea, el diseño de evaluación regional y S4. El gráfico de empleo reproduce estimaciones externas fechadas. Este trabajo no realizó experimento, revisión sistemática ni encuesta regional de adopción. Las afirmaciones de superioridad, ahorro universal y preparación nacional requieren validación aparte. Se usa el diseño regional sin sus tablas de desempeño no verificadas. Las fases y condiciones de autorización son recomendaciones del autor y carecen de condición regulatoria oficial.
[1] Guía práctica, plantilla de contexto y base empresarial mantenidas por el autor. Revisión del 11 de noviembre de 2026. Documentos originales: guide/README.md, guide/part-1.md, guide/context-prompt.md y guide/knowledge-base.md.
[2] Diseño del LAC Benchmark v0.1, abril de 2026, mantenido por el autor en rankings/lac-benchmark.md. Sus dimensiones sustentan la página 5 del original. Esta edición no reproduce ni valida sus puntuaciones. Disponible en la sección de clasificaciones del Playbook.
[3] Herramienta ordinal de cribado revisada por personas. Documentación y motor inspeccionados el 11 de noviembre de 2026.
[4] Publicación conjunta OIT–Banco Mundial del 31 de julio de 2024. Página primaria verificada el 11 de noviembre de 2026. La exposición modelada no mide pérdidas de empleo observadas.
[5] Marco S4 del autor y registro editorial de fuentes del 3 de noviembre de 2026. Método educativo propuesto sin afirmación de eficacia independiente. Se enlaza el número original.
[6] OWASP LLM01:2025, guía primaria sobre inyección de instrucciones. Verificada el 11 de noviembre de 2026.
[7] Orientación voluntaria del NIST de 2023 y 2024. La descripción consultada el 11 de noviembre de 2026 indicaba que AI RMF 1.0 estaba en revisión. Se incluyen la página del marco y el DOI del perfil.
El diseño original adapta a blanco y negro la jerarquía tipográfica, estructura A4 y elementos editoriales del libro blanco Learning on Our Terms de CAIA. No implica afiliación ni aval de las Naciones Unidas.
Referencias
- [1] Dunkley, A. AI Playbook for the Caribbean and Latin America.
- [2] Dunkley, A. The LAC Benchmark, version 0.1 (April 2026). Playbook repository document rankings/lac-benchmark.md; see Playbook rankings.
- [3] Dunkley, A. AI Safety & Alignment Toolkit.
- [4] Gmyrek, P., Winkler, H. and Garganta, S. (2024). Buffer or Bottleneck? Employment Exposure to Generative AI and the Digital Divide in Latin America. ILO Working Paper 121.
- [5] Dunkley, A. S4 AI Safety Framework.
- [6] OWASP Gen AI Security Project (2025). LLM01:2025 Prompt Injection.
- [7a] NIST (2023). AI Risk Management Framework 1.0.
- [7b] NIST (2024). Generative Artificial Intelligence Profile, NIST AI 600-1.