Loading...

IA en Reclutamiento 2026: Lo Que Funciona, Lo Que No, y Por Qué Latinoamérica Necesita Su Propio Camino

Emprendedor latinoamericano trabajando con laptop en una oficina sencilla, representando la digitalizacion de PYMEs

Balance Abril 2026

Inteligencia Artificial en el Reclutamiento: Lo Que Funciona, Lo Que No, y Por Que Latinoamerica Necesita Su Propio Camino

Un balance de lo aprendido entre 2021 y los primeros meses de 2026: datos verificados, estudios citados y la forma en que Trabajo24 enfoca el reclutamiento desde Latinoamerica.

Lo que aprendimos en los ultimos anos

A comienzos de 2026, la IA en recursos humanos dejo de ser una novedad para volverse parte del paisaje. Ya a finales de 2025, el 43% de las organizaciones a nivel mundial utilizaba inteligencia artificial en sus procesos de RR.HH., casi el doble del 26% del ano anterior (SHRM 2025 Talent Trends). Hoy, abril de 2026, la pregunta ya no es si se usa, sino como se esta usando.

Y el “como” importa. Los ultimos dos anos dejaron suficientes estudios, demandas, correcciones y casos documentados para hacer un balance menos entusiasta del que se escuchaba hace un par de anos: algoritmos que arrastran sesgos historicos, candidatos que nunca reciben respuesta y herramientas pensadas en ingles que se aplican sin adaptacion a mercados hispanohablantes.

En este articulo recogemos lo que la evidencia mostro entre 2021 y los primeros meses de 2026, senalamos que caracteristicas definen a una buena solucion y contamos como en Trabajo24 enfocamos el problema desde Latinoamerica. Si ya conoces la plataforma, puedes revisar nuestra guia de contratacion en 10 pasos.


1. El problema del sesgo algoritmico

El caso mas conocido ya tiene varios anos: en 2018, MIT Technology Review documento como una de las empresas tecnologicas mas grandes del mundo tuvo que cancelar su herramienta de reclutamiento con IA despues de descubrir que penalizaba automaticamente cualquier referencia a “mujeres” en un CV (desde “equipo de rugby femenino” hasta universidades exclusivamente femeninas). Habia sido entrenada con 10 anos de curriculos predominantemente masculinos y los ingenieros no pudieron corregir el sesgo.

Lo interesante es que, casi una decada despues, el problema sigue vigente. El ano pasado, un estudio de An et al. publicado por VoxDev (2025), que proceso cerca de 361.000 CVs ficticios a traves de cinco modelos de lenguaje actuales, encontro que los nombres asociados a candidatos blancos fueron seleccionados aproximadamente el 85% de las veces, frente a un 10% para nombres asociados a candidatos negros con CVs identicos. Brookings (2024) ya habia documentado patrones similares en el cruce de genero y raza, y en octubre de 2025 un estudio de Stanford detecto tambien sesgo de edad y genero contra mujeres trabajadoras mayores.

La leccion despues de varios anos de evidencia es clara: cuando un algoritmo aprende de datos historicos sesgados, no elimina la discriminacion, la automatiza a escala. Y “poner un humano en el loop” no es suficiente por si solo. En noviembre de 2025, un estudio de la Universidad de Washington (N=528) encontro que los reclutadores tienden a replicar las recomendaciones sesgadas del sistema de IA hasta en un 90% de los casos. La supervision humana solo funciona cuando se combina con modelos auditables y datasets representativos.

Profesional trabajando en su laptop con una taza de cafe en un espacio de trabajo real

Como lo aborda Trabajo24?

En Trabajo24 usamos un modelo human-in-the-loop apoyado en un backend de IA propio (un modelo de lenguaje self-hosted, no una API externa). El backend analiza el proyecto en lenguaje natural, genera preguntas contextuales, extrae habilidades y rankea a los proveedores semanticamente. Si el backend cae por mantenimiento o trafico, un modo de respaldo automatico toma el relevo con matching por base de datos, pero ese fallback es la excepcion, no el modo principal. En cualquiera de los dos casos, la IA nunca decide por el cliente: presenta candidatos con puntuaciones de compatibilidad explicadas y el cliente elige. No hay filtros ocultos que descarten profesionales antes de que un ser humano los vea.


2. La trampa de la “caja negra”

Una de las frustraciones mas frecuentes, para candidatos y clientes por igual, es la opacidad de los sistemas de IA en reclutamiento. Ya en 2023, el Pew Research Center (N=11.004) encontro que el 71% de los estadounidenses se oponia a que la IA tomara decisiones finales de contratacion, y que un 66% preferiria no postular a una empresa que use IA en sus decisiones. Dos anos despues, la desconfianza se extendio tambien al lado de los reclutadores: segun una encuesta de CharityJob citada por HR Dive (2025), el 47% de los propios reclutadores dijo ser poco o muy poco probable que confie en las recomendaciones del software de IA que usa.

La razon es sencilla: la mayoria de estos sistemas funciona como caja negra.

  • El candidato postula y recibe un rechazo sin explicacion.
  • El reclutador ve un score numerico sin entender que lo determina.
  • No hay forma de auditar, cuestionar o corregir el algoritmo.

Mas alla de la experiencia de usuario, a esta altura de 2026 tambien hay un riesgo legal muy concreto. La Ley de IA de la Union Europea (EU AI Act), aprobada en 2024, clasifica las herramientas de IA para contratacion como “alto riesgo” y sus obligaciones de documentacion, supervision humana y auditorias entran progresivamente en vigor. Segun el Articulo 99 del Reglamento (UE) 2024/1689, las multas pueden alcanzar los 35 millones de euros o el 7% de la facturacion mundial anual del ejercicio anterior, lo que sea mayor.

Como lo aborda Trabajo24?

Cada busqueda con IA en Trabajo24 muestra cuatro capas de informacion al cliente:

  • Mapa de calor de habilidades: oferta y demanda de cada competencia en la plataforma, con comentarios de mercado generados por la IA.
  • Benchmarks de precio: tarifas promedio por hora y costos estimados para proyectos pequenos, medianos y grandes, con analisis y consejos de negociacion.
  • Puntuacion de compatibilidad explicada: cada proveedor recomendado incluye una explicacion de por que es relevante para el proyecto.
  • Cuatro tips personalizados: consejos practicos para optimizar la publicacion del proyecto y atraer mejores candidatos.

El cliente no solo ve a quien se recomienda, tambien entiende por que.


3. Keywords vs. comprension real

Los sistemas tradicionales de seguimiento de candidatos (ATS) son quiza el ejemplo mas claro de una IA que resta en lugar de sumar. La referencia mas citada en este campo sigue siendo el informe Hidden Workers: Untapped Talent publicado por Harvard Business School y Accenture en 2021, que encuesto a mas de 8.000 trabajadores y 2.250 ejecutivos en EEUU, Reino Unido y Alemania. Sus hallazgos marcaron el debate y se siguen confirmando cinco anos despues.

El costo real de los filtros automatizados
88%
de ejecutivos reconoce que los ATS descartan candidatos calificados de alto nivel
94%
lo reconoce tambien para puestos de nivel medio
43%
de organizaciones ya usan IA en procesos de RR.HH. en 2025
71%
de estadounidenses se opone a que la IA tome la decision final

El problema de fondo es simple: muchos de estos sistemas buscan coincidencias exactas o aproximadas de palabras clave, no competencias reales. Un candidato que escribe “gestion de proyectos” en lugar de “gerente de proyectos” puede terminar en la pila equivocada aunque sea perfectamente cualificado para el puesto.

Como lo aborda Trabajo24?

Nuestro Calculador IA no depende de keywords exactas en ningun momento. La columna vertebral es un backend de IA propio, un modelo de lenguaje self-hosted que corre en infraestructura dedicada (sin pasar por OpenAI, Anthropic ni Google) y que se encarga de las tres fases del proceso:

  1. Analisis del proyecto y extraccion de habilidades: el backend de IA lee la descripcion en lenguaje natural, identifica el contexto del proyecto y extrae las competencias requeridas. El sistema maneja 42 mapeos multilingues (espanol, ingles y aleman) con sinonimos y variaciones, asi que “diseno grafico”, “graphic design” y “Grafikdesign” se reconocen como la misma competencia.
  2. Ranking semantico de proveedores: el mismo backend de IA evalua la compatibilidad entre el proyecto y cada perfil registrado, ponderando experiencia, contexto y relevancia semantica. No es un calculo de keywords ni un score escondido en una hoja de calculo.
  3. Explicaciones generadas por la IA: cada proveedor recomendado viene acompanado de un texto, redactado por el modelo, que justifica por que fue seleccionado. El cliente ve el razonamiento, no solo un numero.

Si un profesional describe su experiencia como “coordinacion de obras” y el proyecto pide “gestion de construccion”, el backend entiende que se trata de competencias equivalentes, justamente porque es un LLM y no un buscador de coincidencias.

Como red de seguridad, el sistema tiene un fallback automatico: si el backend de IA no esta disponible (mantenimiento, picos de trafico, fallos puntuales), el calculador degrada a un matching local por base de datos con extraccion por keywords. No es lo mismo, pero garantiza que el cliente siempre obtenga resultados. La IA es la regla, el matching local es la excepcion.

Honestidad sobre los tiempos: un analisis completo con nuestro backend de IA toma entre 1 y 3 minutos. No es instantaneo, y nos parece bien que no lo sea. Un LLM real esta leyendo de verdad la descripcion, comparandola con cada perfil registrado y redactando explicaciones para cada recomendacion. Las herramientas que devuelven resultados en 200 milisegundos casi siempre estan haciendo busqueda por keywords disfrazada de IA. Preferimos esperar dos minutos a una respuesta pensada antes que un segundo a una respuesta automatica.

4. El problema del idioma: cuando la IA no habla tu lengua

Este es quiza el punto mas relevante para nuestro mercado, y es el que mas se movio en los ultimos meses. Segun el proyecto Latam-GPT (CENIA Chile), presentado a finales de 2025 y confirmado por Brookings Institution:

  • El espanol representa alrededor del 4% de los datos usados para entrenar los grandes modelos de lenguaje.
  • El portugues apenas un 2%.
  • Las lenguas indigenas tienen una representacion practicamente nula.

Cuando una empresa en Colombia, Mexico o Argentina usa una herramienta de IA disenada en Estados Unidos, esta aplicando un sistema que:

  • No entiende las variaciones regionales del espanol (no es lo mismo “chamba” en Mexico que “laburo” en Argentina).
  • Falla al parsear CVs con formatos, titulos profesionales y estructuras distintas a las anglosajonas.
  • No comprende las dinamicas salariales, certificaciones ni marcos legales locales.
  • Penaliza acentos y patrones de comunicacion no anglosajones en entrevistas de video.

En febrero de este ano, el gobierno de Chile lanzo Latam-GPT, un modelo de lenguaje de codigo abierto entrenado con datos y contextos latinoamericanos. La iniciativa, respaldada por el CAF, AWS y mas de 60 organizaciones de 15 paises, es una de las senales mas concretas de que la region empezo a construir sus propias soluciones en vez de esperar a que los modelos anglosajones se adapten.

Cuando el espanol representa solo el 4% de los datos de entrenamiento de los grandes modelos, los candidatos latinoamericanos parten con desventaja antes de escribir una sola linea en su CV.

Trabajador experimentado sonriendo en su taller, representando las PYMEs y oficios de Latinoamerica

Como lo aborda Trabajo24?

Trabajo24 se construyo en espanol para el mercado latinoamericano. La IA procesa descripciones de proyectos directamente en espanol, con una extraccion de habilidades que reconoce 42 competencias en espanol, ingles y aleman de forma simultanea. La interfaz soporta 7 idiomas (espanol, ingles, aleman, portugues, frances, italiano y guarani), y los profesionales pueden registrarse como proveedor en 14 paises. El espanol no es una capa de traduccion agregada al final: es el idioma en el que la IA piensa, genera preguntas, produce tips y redacta analisis de mercado. Cuando el sistema comenta el mapa de calor de habilidades o sugiere ajustes para tu proyecto, lo hace en espanol, no en ingles traducido automaticamente.


5. Soberania digital: donde van los datos de tus candidatos?

La mayoria de las herramientas de IA en reclutamiento procesan datos personales en servidores estadounidenses operados por grandes proveedores cloud. Eso ya venia siendo un problema, y durante 2025 se volvio un frente regulatorio activo en toda la region:

  • Brasil (LGPD): la Agencia Nacional de Proteccion de Datos impuso, segun SecurePrivacy, mas de 12 millones de euros en multas solo en el primer trimestre de 2025, y su agenda para 2025-2026 apunta directamente a IA y datos biometricos.
  • Chile: la Ley 21.719, con entrada en vigor prevista para diciembre de este ano, crea una Agencia autonoma de Proteccion de Datos Personales alineada con el GDPR europeo.
  • Colombia, Mexico, Argentina y Peru endurecieron a lo largo de 2024 y 2025 los requisitos de consentimiento, alcance territorial y transparencia.

La tendencia es clara: la soberania de datos reemplazo al flujo libre de datos como paradigma dominante. Enviar informacion personal de candidatos a servidores extranjeros sin garantias es un riesgo regulatorio, pero sobre todo una cuestion de confianza.

Como lo aborda Trabajo24?

Nuestra IA funciona sobre un backend propio desplegado en infraestructura dedicada. No usamos APIs de OpenAI, Anthropic, Google ni otros proveedores externos para procesar datos de usuarios. Eso significa que:

  • Los datos de proveedores y clientes no salen de nuestra infraestructura.
  • No alimentamos modelos de terceros con informacion de nuestros usuarios.
  • Mantenemos control sobre el modelo, los prompts y la logica de matching.
  • Cumplimos con LGPD, Ley 21.719 (Chile) y las regulaciones regionales de proteccion de datos.

El sistema tambien cuenta con un modo de respaldo automatico: si el backend de IA no esta disponible, las funciones degradan de forma transparente a logica local (matching por base de datos, extraccion por keywords, tips predefinidos). Asi evitamos tener un punto unico de falla.


6. El costo de la “eficiencia”: herramientas que solo las grandes pueden pagar

Las plataformas de IA para reclutamiento mas conocidas tienen modelos de precios pensados para corporaciones multinacionales:

Tipo de herramienta Costo anual tipico
Plataformas de video-entrevista con IA desde USD $35,000
Plataformas de talent intelligence USD $50,000 – $250,000+
Chatbots de reclutamiento enterprise desde USD $10,000 – $50,000+
Trabajo24 (IA integrada) Free / Basic $9.99 / Pro $29.99 por mes

Estas cifras estan fuera del alcance de las PYMEs latinoamericanas, que representan alrededor del 99% del tejido empresarial de la region y cerca del 61% del empleo formal (CEPAL). La paradoja es clara: las empresas que mas necesitan ayuda para reclutar son las que menos pueden pagar estas herramientas.

Como lo aborda Trabajo24?

Nuestro modelo de suscripcion se penso para la realidad economica latinoamericana, donde la decision entre trabajo temporal y contratacion fija suele ser clave para las PYMEs. El modelo tiene tres niveles:

  • Free ($0/mes): suficiente para probar la plataforma y publicar proyectos puntuales.
  • Basic ($9.99/mes): 5 busquedas con IA por mes, analisis completo de habilidades, benchmarks de precio, tips personalizados y soporte prioritario.
  • Pro ($29.99/mes): busquedas con IA ilimitadas, analisis avanzado de mercado, acceso a la API y soporte 24/7.

La diferencia entre planes es el volumen de busquedas con IA y el nivel de soporte, no el acceso a funciones exclusivas. Cada busqueda, en cualquier plan, incluye el paquete completo: analisis de proyecto, extraccion de habilidades, ranking de proveedores, mapa de calor, benchmarks de precio y tips personalizados. El paso a Pro tiene sentido cuando una PYME o un recruiter necesita hacer varias busquedas por semana; para un uso puntual, Free o Basic suelen alcanzar.


7. El ghosting automatizado: cuando la IA deshumaniza el proceso

Uno de los efectos menos visibles de la automatizacion sin supervision es el ghosting masivo de candidatos. El State of Job Hunting Report de Greenhouse (2024), basado en una encuesta a 2.500 trabajadores en EEUU, Reino Unido y Alemania, dejo dos datos que envejecieron bien:

  • El 61% de los candidatos dijo haber sido ghosteado incluso despues de una entrevista, un aumento de 9 puntos porcentuales frente al relevamiento anterior de 2024.
  • El 66% de los candidatos historicamente subrepresentados reporto haber sido ghosteado tras una entrevista, frente al 59% de los candidatos blancos. En otras palabras, la automatizacion no afecta a todos por igual.

A esto se suma el uso creciente de entrevistas realizadas directamente por IA. Ya en 2024, una encuesta de ResumeBuilder mostraba que el 24% de las empresas encuestadas usaba IA para conducir el proceso de entrevista completo, con un 29% proyectando hacerlo para fines de 2025. La eficiencia que promete esta dinamica pierde sentido cuando deteriora la experiencia del candidato al punto de eliminar el contacto humano.

Como lo aborda Trabajo24?

En Trabajo24 la IA es un acelerador de descubrimiento, no un portero. Ayuda al cliente a encontrar al proveedor adecuado mas rapido, pero no reemplaza el contacto directo. Para los profesionales, saber como crear un perfil que gane propuestas sigue siendo igual de importante. Nuestro chat integrado permite comunicacion directa entre cliente y proveedor desde el primer momento, con varias capas de seguridad:

  • Escaneo antivirus (ClamAV) en cada archivo compartido por chat.
  • Verificacion de enlaces via Google Safe Browsing antes de que el usuario los abra.
  • Sello T24 Verificado en todos los archivos adjuntos escaneados.
  • Soporte para imagenes, PDFs, documentos Office y video con limites de tamano razonables.

La IA conecta, el humano decide y la plataforma se encarga de que la conversacion sea segura.


Pantalla mostrando codigo y algoritmos, representando la tecnologia detras de la inteligencia artificial

Como funciona nuestra IA: el pipeline completo

Para entender la diferencia entre “tener IA” y “usar IA de verdad”, vale la pena mostrar como funciona nuestro sistema paso a paso:

1
El cliente describe su proyecto
En lenguaje natural, sin formularios rigidos ni campos obligatorios de keywords.
2
La IA analiza y genera 5 preguntas contextuales
No son preguntas genericas. El modelo lee la descripcion y genera preguntas especificas para refinar los requisitos del proyecto.
3
Extraccion inteligente de habilidades
La IA extrae competencias requeridas del texto en 3 idiomas (espanol, ingles, aleman) con 42 mapeos de sinonimos.
4
Ranking semantico de proveedores
El modelo evalua compatibilidad real entre proyecto y profesionales, genera scores y una explicacion escrita para cada recomendacion.
5
Mapa de calor del mercado
Analisis de oferta vs. demanda por habilidad: escasez, equilibrio o abundancia, con comentarios de mercado generados por la IA.
6
Benchmarks de precio con analisis
Tarifas reales de la plataforma, costos estimados por tamano de proyecto, y consejos de negociacion generados por el modelo.
7
4 tips personalizados
Consejos practicos y especificos para el proyecto del cliente, generados por la IA en espanol.
8
El cliente ve todo y decide
Resultados transparentes con toda la informacion. Sin cajas negras. Sin filtros ocultos. La decision es humana.
Tiempo total esperado: entre 1 y 3 minutos por busqueda completa, segun la carga del backend. La mayor parte de ese tiempo es inferencia real del modelo de lenguaje. Es lento porque es honesto.

Arquitectura de respaldo: cada uno de estos 8 pasos tiene un modo de degradacion transparente. Si el backend de IA no esta disponible, el sistema cambia automaticamente a logica local: preguntas predefinidas, extraccion por keywords, matching por base de datos y tips genericos. El cliente siempre obtiene resultados. La IA los mejora, pero no es un punto unico de falla.


Equipo de startup en oficina casual planificando estrategia, representando el ambiente real de trabajo en PYMEs

Comparativa: IA generica vs. IA disenada para Latinoamerica

Desliza horizontalmente para ver mas →
Aspecto Herramientas genericas Enfoque Trabajo24
Sesgo algoritmico Entrenados con datos historicos sesgados Human-in-the-loop: IA asiste, humano decide
Transparencia Score numerico sin explicacion Heatmaps, benchmarks, tips y explicaciones por candidato
Matching Keywords exactas (76% de rechazos) Backend de IA propio (LLM) con fallback local automatico
Idioma English-first (4% espanol en datos de entrenamiento) IA en espanol con 42 mapeos multilingues
Datos Procesados en cloud de EEUU Backend propio, sin APIs externas
Precio USD $10,000 – $250,000+/ano Free / $9.99 / $29.99 por mes
Experiencia candidato 66% ghosteados, 0 feedback Chat directo, escaneo antivirus y contacto humano
Resiliencia Sistema caido = 0 resultados Fallback automatico multinivel, sin punto unico de falla

Lo que viene: IA transparente, local y humana

A dos anos vista del boom inicial, la pregunta ya no es “IA si” o “IA no”, sino que tipo de IA. La evidencia acumulada entre 2021 y 2026 muestra que la inteligencia artificial puede democratizar el acceso al talento, eliminar fricciones y crear mercados laborales mas justos, pero solo cuando se disena con prioridades claras:

  1. Transparencia sobre opacidad: cada decision deberia ser explicable.
  2. Supervision humana sobre automatizacion total: la IA amplifica el juicio humano, no lo reemplaza.
  3. Soberania de datos sobre dependencia externa: los datos de candidatos latinoamericanos deberian estar protegidos bajo marcos legales latinoamericanos.
  4. Accesibilidad sobre exclusividad: la tecnologia de reclutamiento inteligente no tiene por que ser privilegio de las corporaciones mas grandes.
  5. Contexto regional sobre modelos universales: una IA que no entiende el mercado laboral latinoamericano dificilmente puede servir al mercado laboral latinoamericano.

En Trabajo24 intentamos que cada decision tecnica vaya en esa direccion. Desde la eleccion de un modelo de IA self-hosted hasta el matching semantico multilingue con respaldo automatico, el criterio que usamos al evaluar cambios suele ser el mismo: si esto no ayuda al profesional latinoamericano, probablemente no deberia estar aqui. Es parte de nuestra mision, y se extiende a temas como los derechos laborales del trabajador independiente en la region.


Fuentes y referencias

Todas las estadisticas citadas en este articulo enlazan directamente a su fuente primaria. Este es el listado consolidado, con ano de publicacion y metodologia cuando esta disponible:

  1. MIT Technology Review (2018): Reportaje sobre el caso Amazon y el sesgo de genero en la herramienta de reclutamiento con IA.
  2. An et al. / VoxDev (2025): Estudio con aproximadamente 361.000 CVs ficticios procesados por 5 modelos de lenguaje; nombres asociados a candidatos blancos fueron seleccionados alrededor del 85% de las veces frente al 10% de nombres asociados a candidatos negros.
  3. Brookings Institution (2024): Sesgo interseccional de genero y raza en el screening de CVs con modelos de lenguaje.
  4. Stanford University (2025): Sesgo de edad y genero en LLMs contra mujeres trabajadoras mayores.
  5. University of Washington (2025, N=528): Los reclutadores tienden a replicar las recomendaciones sesgadas de los sistemas de IA hasta en un 90% de los casos.
  6. Pew Research Center (2023, N=11.004): 71% de los estadounidenses se opone a que la IA tome decisiones finales de contratacion; 66% preferiria no postular a empresas que usan IA en la contratacion.
  7. CharityJob / HR Dive (2025): 47% de los reclutadores dice ser poco o muy poco probable que confie en las recomendaciones del software de IA que usa.
  8. SHRM 2025 Talent Trends Report: 43% de las organizaciones a nivel mundial usaba IA en procesos de RR.HH. en 2025, frente al 26% del ano anterior.
  9. Fuller et al. / HBS & Accenture, Hidden Workers: Untapped Talent (2021): Encuesta a mas de 8.000 trabajadores y 2.250 ejecutivos en EEUU, Reino Unido y Alemania. 88% de ejecutivos reconoce que los ATS descartan candidatos calificados de alto nivel; 94% lo reconoce para puestos de nivel medio.
  10. Greenhouse, 2024 State of Job Hunting Report: Encuesta a 2.500 trabajadores en EEUU, Reino Unido y Alemania. 61% ghosteado tras una entrevista (+9pp vs. abril 2024); 66% de candidatos historicamente subrepresentados ghosteados tras una entrevista.
  11. ResumeBuilder (2024): 24% de las empresas usa IA para conducir el proceso completo de entrevista; 29% proyectado para fines de 2025.
  12. Reglamento (UE) 2024/1689, Articulo 99 (EU AI Act): Multas de hasta 35 millones de euros o el 7% de la facturacion mundial anual.
  13. Herohunt AI, analisis del EU AI Act aplicado al reclutamiento.
  14. Proyecto Latam-GPT (CENIA Chile, 2025): Motivacion del modelo y representacion de idiomas en datasets de entrenamiento (aprox. 4% espanol, 2% portugues).
  15. Euronews (2026): Lanzamiento de Latam-GPT por Chile y la red de 60+ organizaciones de 15 paises.
  16. SecurePrivacy (2026): Multas de la Agencia Nacional de Proteccion de Datos de Brasil bajo LGPD.
  17. SecurePrivacy: Ley 21.719 de proteccion de datos personales en Chile.
  18. CEPAL (Comision Economica para America Latina y el Caribe): MiPYMEs representan aproximadamente el 99% de las empresas y el 61% del empleo formal en la region.

Probar Trabajo24?

Publica tu proyecto gratis y deja que nuestra IA te conecte con el proveedor adecuado para tu negocio.

Publicar un proyecto gratis

Compartir este artículo:

Deja tu comentario

Regístrate gratis →