Tamaño y Participación del Mercado de Software de Recomendación de Inteligencia Artificial - Tendencias de Crecimiento y Pronóstico (2026 - 2031)

Tendencias e Información del Mercado Global de Software de Recomendación de Inteligencia Artificial

Demanda de Hiperpersonalización en el Comercio Digital

El mercado de software de recomendación de inteligencia artificial está siendo impulsado por un claro cambio desde la segmentación de audiencias amplias hacia recomendaciones en tiempo real adaptadas a usuarios individuales. Las empresas ahora tratan las preferencias declaradas, el comportamiento de navegación, el historial de compras y la actividad de fidelización como un conjunto de señales combinadas que puede respaldar decisiones de recomendación mucho más precisas. Esto ha trasladado el software de recomendación de una herramienta de apoyo a campañas a una capa central de la arquitectura del comercio digital, dando forma al descubrimiento, la retención y la expansión de la cesta de compra. El valor comercial de una personalización sólida sigue siendo visible en el crecimiento de los ingresos y los resultados para los clientes, aunque el mercado de software de recomendación de inteligencia artificial ahora se evalúa en función de un impacto empresarial más amplio que el simple aumento de clics. Los compradores esperan cada vez más que las herramientas de recomendación mejoren simultáneamente la conversión, la retención y la calidad de la experiencia, lo que aumenta el valor de las plataformas que pueden conectar datos, lógica de clasificación y ejecución en un único flujo. Este patrón mantiene firme la demanda en todo el mercado de software de recomendación de inteligencia artificial porque el beneficio ahora se extiende al descubrimiento de productos, la compra repetida y la gestión del valor de vida del cliente, en lugar de limitarse a un único canal aislado.

Comprensión de la Intención Liderada por IA Generativa

El mercado de software de recomendación de inteligencia artificial también está siendo moldeado por modelos de IA generativa que interpretan la intención en lugar de simplemente recuperar elementos similares de la actividad pasada. Shopify informó que su recomendador generativo trató las sesiones de los compradores como problemas de predicción secuencial y aumentó los pedidos de la tienda en un 0,94%, las tasas de clics de alta calidad en un 5% y la conversión en un 0,71% en pruebas A/B en vivo.^{[1]Shopify Engineering, "El Recomendador Generativo detrás del Motor de Comercio de Shopify," Shopify Engineering, shopify.engineering} Esto es relevante porque las empresas pueden usar una única arquitectura para leer consultas en lenguaje natural, gestionar señales de comportamiento escasas y explicar las recomendaciones de forma más directa. La investigación sobre el marco GenRec de JD.com mostró que los modelos generativos orientados a preferencias pueden respaldar la recomendación de producción a gran escala mediante el uso de señales de entrenamiento más densas y abordando la ambigüedad de recomendación de uno a muchos.^{[2]Y. Ma et al., "GenRec: Un Marco Generativo Orientado a Preferencias para Recomendación a Gran Escala," arXiv, doi.org} El mismo cambio también reduce una de las barreras más antiguas en el mercado de software de recomendación de inteligencia artificial, porque los nuevos usuarios y los nuevos productos ya no necesitan largos historiales de interacción antes de que las recomendaciones sean útiles. Los proveedores que pueden combinar estos modelos con flujos de trabajo confiables de reentrenamiento, clasificación y gobernanza están ganando terreno a medida que los compradores buscan sistemas que puedan escalar más allá de los simples motores de sugerencia de productos.

Clasificación en Tiempo Real para el Descubrimiento Omnicanal

El mercado de software de recomendación de inteligencia artificial está avanzando hacia sistemas de recomendación que pueden actualizar el contexto en puntos de contacto web, móviles, de tienda y conversacionales en tiempo casi real. Este cambio es importante porque una sola acción del cliente ahora necesita actualizar las superficies de recomendación en varios canales sin demora si la experiencia ha de mantenerse coherente. La calidad de la recomendación, por tanto, depende no solo del diseño del modelo, sino también de la transmisión de eventos, la actualización de características y la capacidad de preservar el contexto entre interacciones. Los lanzamientos de empresas en toda la pila de software de comercio en 2026 mostraron que los proveedores están construyendo herramientas de descubrimiento en torno a la interacción en lenguaje natural y bucles de respuesta más rápidos, lo que refleja el movimiento más amplio desde la búsqueda estática hacia el descubrimiento conversacional.^{[3]Equipo de Bloomreach, "Bloomreach presenta las funciones que inauguran la Era Agéntica del Marketing y el Comercio Electrónico," Noticias de Bloomreach, bloomreach.com} El Parlamento Europeo señaló que la Ley de IA de la UE se sitúa junto a otras normas digitales y subraya la necesidad de trazabilidad y documentación en los sistemas automatizados, lo que hace que el registro en tiempo real y las pistas de auditoría sean más importantes en los entornos de recomendación. Como resultado, el mercado de software de recomendación de inteligencia artificial está recompensando a los proveedores que pueden combinar la velocidad de clasificación con registros de explicabilidad y monitoreo operativo dentro de un único flujo de trabajo.

Activación de Datos Propios en Entornos Cerrados

El mercado de software de recomendación de inteligencia artificial también se está beneficiando de la creciente importancia de los datos propios tras el declive del seguimiento basado en cookies de terceros. Las empresas están reconstruyendo los flujos de señales de recomendación en torno a interacciones de clientes con consentimiento, recopilación del lado del servidor y un control más estricto de sus propios activos de datos. Este cambio no está afectando a todos los sectores por igual, porque las empresas con ricos historiales de transacciones y relaciones directas con los clientes tienen una base más clara para el entrenamiento de modelos. Las organizaciones que invirtieron temprano en plataformas de datos de clientes y en un diseño de datos consciente del consentimiento están ahora mejor posicionadas para mantener una calidad de recomendación estable en todos los canales. Las que se incorporaron más tarde están lidiando tanto con la puesta al día técnica como con los cambios en los procesos internos, lo que ralentiza la implementación y mantiene alta la demanda de servicios en el mercado de software de recomendación de inteligencia artificial. El resultado es una brecha de rendimiento más amplia entre las organizaciones con madurez de datos y las que carecen de ella, lo que respalda la demanda de proveedores que pueden simplificar la activación, la resolución de identidades y la gobernanza dentro de una única pila de productos.

Fragmentación de la Privacidad de Datos y el Consentimiento

El mercado de software de recomendación de inteligencia artificial enfrenta una fricción creciente debido a las normas de privacidad fragmentadas y las prácticas de consentimiento desiguales entre regiones. Una investigación publicada en el International Journal of Computer Science and Engineering encontró que solo el 23% de los usuarios proporcionó un consentimiento integral para la publicidad, mientras que el 36% rechazó el procesamiento no esencial, dejando a los sistemas de recomendación trabajando con una profundidad de datos desigual entre cohortes.^{[4]Goldbach et al., "Impacto del Cumplimiento del RGPD en los Sistemas de Recomendación Publicitaria, Desafíos Algorítmicos, Soluciones de Preservación de la Privacidad y Compensaciones de Rendimiento," International Journal of Computer Science and Engineering, doi.org} Esa fragmentación debilita la coherencia del modelo porque algunos grupos de usuarios pueden ser perfilados con un historial rico mientras que otros no pueden. La misma investigación también señaló que los controles de cumplimiento añaden latencia a las solicitudes de recomendación, lo que importa en entornos que apuntan a tiempos de respuesta muy rápidos. El Parlamento Europeo declaró que la superposición entre la Ley de IA de la UE y otras normas digitales crea requisitos adicionales de documentación y evaluación para los sistemas automatizados, especialmente cuando se trata de perfilado o apoyo a la toma de decisiones. Esto mantiene altos los costos de cumplimiento en el mercado de software de recomendación de inteligencia artificial, favoreciendo a los proveedores que ya admiten el seguimiento del consentimiento, la auditabilidad y la gestión de políticas regionales.

Brechas en la Explicabilidad del Modelo y la Gobernanza del Sesgo

El mercado de software de recomendación de inteligencia artificial también está limitado por la brecha entre la precisión del modelo y la explicabilidad del modelo en entornos regulados. El Banco de Pagos Internacionales señaló que los reguladores están revisando la guía de riesgo de modelos para abordar las expectativas de explicabilidad específicas de la IA a medida que las instituciones amplían el uso de la IA en el apoyo a la toma de decisiones y las tareas de recomendación. Esto crea un problema para los sistemas de aprendizaje profundo y de modelos de lenguaje de gran escala que funcionan bien pero siguen siendo difíciles de explicar a nivel de salida. En sectores como la atención médica, las finanzas y el gobierno, los compradores están extendiendo los ciclos de evaluación hasta que los proveedores puedan demostrar un registro más sólido, controles de equidad más sólidos y una documentación más sólida. El problema va más allá del cumplimiento normativo, ya que el sesgo de popularidad y las prácticas de clasificación opacas pueden erosionar la confianza en los resultados de las recomendaciones cuando los compradores no pueden rastrear por qué se promueven algunas opciones sobre otras. El mercado de software de recomendación de inteligencia artificial, por tanto, continúa recompensando a los proveedores que pueden equilibrar la precisión semántica, la transparencia y la preparación para la gobernanza en lugar de competir únicamente en la novedad del modelo.

*Nuestras previsiones consideran los impactos de impulsores y restricciones como direccionales, no aditivos. Las previsiones de impacto reflejan el crecimiento base, los efectos de mezcla y las interacciones entre variables.

Análisis de Segmentos

Por Componente: Las Soluciones Anclan los Ingresos Mientras los Servicios se Aceleran

Las soluciones representaron el 72,41% de la participación del mercado de software de recomendación de inteligencia artificial en 2025, lo que reflejó la escala de las licencias de software, las plataformas basadas en API y el análisis integrado en las pilas empresariales. Las empresas siguen gastando primero en el motor central porque la lógica de recomendación se encuentra dentro de los flujos de trabajo de búsqueda, comercio, contenido y compromiso con el cliente. Esto le da a las soluciones una clara ventaja en ingresos dentro del mercado de software de recomendación de inteligencia artificial, especialmente donde los compradores quieren una capa de plataforma directa que pueda conectarse a través de canales. Bloomreach introdujo Recommendations+ en mayo de 2025, con análisis de comportamiento en tiempo real basado en transformadores, lo que demuestra cómo los proveedores están añadiendo más inteligencia directamente en las ofertas de software empaquetado. El dominio de las soluciones también refleja el hecho de que muchas empresas prefieren asegurar el motor primero y luego construir servicios a su alrededor con el tiempo.

Se proyecta que los servicios crecerán al 21,84% hasta 2031, el ritmo más rápido entre los componentes del mercado de software de recomendación de inteligencia artificial. Los compradores a menudo necesitan ayuda con el diseño de canalizaciones de datos, la integración, el ajuste de modelos y los controles de gobernanza antes de poder producir resultados estables en producción. Esto es especialmente cierto cuando las empresas conectan plataformas de datos de clientes, almacenes de características, marcos de consentimiento y múltiples entornos de nube en una única configuración operativa. La presión regulatoria está añadiendo otra capa de demanda de servicios, ya que las implementaciones de recomendación ahora requieren más trabajo en explicabilidad, documentación y controles de procesos. El resultado es un vínculo más estrecho entre las ventas de software y el trabajo continuo de asesoramiento, integración y optimización gestionada en el mercado de software de recomendación de inteligencia artificial.

Por Tipo de Recomendación: El Descubrimiento Conversacional Remodela la Curva de Demanda

Las recomendaciones de productos representaron el 38,62% de los ingresos en 2025, convirtiéndolas en el tipo de recomendación más grande en el mercado de software de recomendación de inteligencia artificial. Su liderazgo provino del amplio uso en páginas de detalles de productos, flujos de pago, expansión de la cesta de compra y comunicación posterior a la compra. Estos casos de uso siguen siendo maduros, repetibles y fáciles de conectar con métricas de conversión, por lo que continúan anclando la demanda en los entornos de comercio. El largo historial de implementación de los widgets de recomendación de productos también le da a los proveedores una gran base instalada que es difícil de desplazar rápidamente. Esto mantiene la categoría central incluso cuando los modelos de descubrimiento más nuevos ganan impulso.

Se proyecta que las recomendaciones de búsqueda y descubrimiento crecerán un 22,19% hasta 2031, convirtiéndolas en el tipo de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. El crecimiento está vinculado al cambio desde la búsqueda estructurada por palabras clave hacia el descubrimiento conversacional, donde los usuarios describen sus necesidades en lenguaje natural y esperan orientación inmediata y relevante. Los proveedores están respondiendo vinculando más estrechamente la búsqueda, la recomendación y el análisis de relevancia, para que los equipos de comercialización puedan ver el impacto comercial con mayor claridad. Las recomendaciones de contenido siguen siendo importantes en los medios de comunicación, el entretenimiento y la publicación, lo que indica que la demanda de recomendaciones se está extendiendo a través de contextos de productos, contenido y búsqueda en lugar de permanecer confinada a un formato. Los compradores favorecen cada vez más a los proveedores que pueden admitir los 3 modos a través de una única arquitectura, ya que esto reduce la complejidad operativa y facilita la optimización entre canales.

Por Tecnología: La IA Generativa Interrumpe las Jerarquías de Modelos Tradicionales

El aprendizaje automático tradicional mantuvo una participación del 34,18% en 2025, convirtiéndolo en la base tecnológica más grande en el mercado de software de recomendación de inteligencia artificial. Su liderazgo provino del uso profundo en producción, el menor costo de inferencia y la mayor interpretabilidad en entornos donde la auditabilidad sigue siendo importante. Muchas empresas continúan confiando en estos modelos para las tareas de recomendación establecidas porque son bien comprendidos y más fáciles de gobernar. Esto le da al aprendizaje automático tradicional una base instalada estable incluso cuando los nuevos enfoques generativos ganan atención. El segmento, por tanto, sigue siendo importante para los compradores que priorizan el control operativo y el comportamiento de implementación predecible.

Se proyecta que los motores de recomendación de IA generativa crecerán al 26,73% hasta 2031, lo que los convierte en el segmento tecnológico de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. Shopify informó que su recomendador generativo de producción mejoró la tasa de clics de alta calidad en un 5% y la conversión en un 0,71%, lo que respalda el caso de las arquitecturas secuenciales y conscientes de la intención en entornos de comercio en vivo. La investigación sobre GenRec también mostró que los marcos generativos orientados a preferencias pueden manejar la recomendación industrial a gran escala mediante el uso de señales de gradiente más densas y la reducción de la ambigüedad de uno a muchos. El aprendizaje profundo y las redes neuronales todavía ocupan una posición intermedia práctica porque pueden ofrecer mejor precisión que los modelos más antiguos sin el peso operativo completo de las pilas generativas de frontera. Con el tiempo, el mercado de software de recomendación de inteligencia artificial está avanzando hacia sistemas que pueden combinar señales de texto, imagen y comportamiento en un único espacio de representación, lo que mejora el rendimiento en arranque en frío y reduce las limitaciones de los métodos basados en el historial de interacciones.

Por Función Empresarial: La IA Agéntica Eleva la Optimización de Campañas

La personalización del cliente representó el 31,24% del mercado en 2025, convirtiéndola en la función empresarial más grande en el mercado de software de recomendación de inteligencia artificial. Este liderazgo refleja la continua importancia de ofrecer el producto, contenido o mensaje adecuado a cada usuario a lo largo del ciclo de vida del cliente. La personalización sigue siendo el primer caso de uso que muchos compradores persiguen porque puede conectarse directamente con los resultados de conversión, retención y compromiso. También le da a las empresas una base sobre la que luego pueden añadir casos de uso de búsqueda, campaña y comercialización. Eso mantiene a la personalización del cliente en el centro del gasto incluso cuando el alcance del software de recomendación se amplía.

Se proyecta que la optimización de campañas de marketing crecerá al 21,46% hasta 2031, lo que la convierte en la función empresarial de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. Salesforce amplió sus capacidades de comercio agéntico y contenido en 2026, incluida la adquisición de Contentful, lo que alineó la lógica de recomendación más estrechamente con la orquestación automatizada de contenido y la ejecución de campañas. Esto refleja un movimiento más amplio hacia sistemas que pueden secuenciar ofertas, activos creativos y acciones de canal con menos intervención manual. La optimización de ventas e ingresos continúa cubriendo los casos de uso de siguiente mejor acción, venta cruzada, venta adicional y oferta dinámica, mientras que la optimización de comercialización e inventario incorpora señales de demanda en las decisiones del lado de la oferta. La pila de recomendación, por tanto, se está extendiendo más allá del diseño de la experiencia del usuario hacia la ejecución comercial, aumentando el peso estratégico del mercado de software de recomendación de inteligencia artificial dentro de los flujos de trabajo empresariales más amplios.

Por Modo de Implementación: Las Arquitecturas Híbridas Reflejan las Realidades del Cumplimiento

La implementación en la nube representó el 68,53% del mercado de software de recomendación de inteligencia artificial en 2025, confirmándola como el modelo de implementación dominante. La nube lideró porque admite el escalado elástico de inferencia, las actualizaciones gestionadas por el proveedor y una menor carga de infraestructura para las empresas sin equipos profundos de operaciones de IA. También se alinea con los modelos de entrega basados en suscripción y API que se han vuelto comunes en las plataformas de recomendación. Esto convierte a la nube en el punto de entrada más fácil para muchos compradores que desean una implementación más rápida y una menor fricción operativa. Como resultado, la nube continúa estableciendo la línea de base para la implementación convencional en el mercado de software de recomendación de inteligencia artificial.

Se proyecta que la implementación híbrida crecerá al 20,82% hasta 2031, lo que la convierte en el modo de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. El auge del híbrido refleja las necesidades de las organizaciones de servicios financieros, atención médica y gobierno que desean control local sobre los datos sensibles pero aún valoran el entrenamiento y la orquestación basados en la nube. Una investigación publicada en las actas del IEEE informó que los modelos de recomendación implementados en el borde mediante aprendizaje federado redujeron la latencia en un 30%, mejoraron la precisión contextual en un 20% y ofrecieron una eficiencia de privacidad de datos del 95% en comparación con las alternativas híbridas y de nube en el diseño del estudio. Las implementaciones en las instalaciones siguen siendo relevantes donde la arquitectura heredada, los controles de propiedad intelectual o las preocupaciones de soberanía de datos todavía dan forma a las elecciones tecnológicas. Esto significa que el mercado de software de recomendación de inteligencia artificial no se está moviendo hacia un único patrón de implementación universal, sino hacia una combinación en la que los requisitos de cumplimiento y latencia determinan la arquitectura.

Por Tamaño de Empresa: La Democratización del Software como Servicio Impulsa la Adopción en las PYME

Las grandes empresas mantuvieron una participación del 64,79% en 2025, convirtiéndolas en el grupo de clientes más grande en el mercado de software de recomendación de inteligencia artificial. Su liderazgo refleja datos más profundos, equipos de IA dedicados y la capacidad de respaldar contratos de software plurianuales y programas de implementación complejos. Las grandes organizaciones también se benefician más rápidamente de los sistemas de recomendación porque operan a mayor volumen de transacciones y pueden entrenar modelos con historiales de interacción más ricos. Esto les da una ventaja natural en precisión, experimentación y preparación para la gobernanza. La base de gasto de las grandes empresas, por tanto, sigue siendo un ancla importante para el mercado de software de recomendación de inteligencia artificial.

Se proyecta que las pequeñas y medianas empresas crecerán al 22,41% hasta 2031, convirtiéndolas en el segmento de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. La OCDE señaló en diciembre de 2025 que la escasez de habilidades y las limitaciones financieras siguen siendo barreras importantes para la adopción de IA entre las PYME, pero los modelos de IA como servicio basados en la nube están ayudando a reducir ambas presiones. Bloomreach lanzó Loomi AI para Shopify en abril de 2026 con activación sin código, lo que mostró cómo los proveedores están reduciendo el umbral técnico para los comerciantes más pequeños. Los modelos de precios basados en resultados y los modelos de implementación simplificados también están haciendo que el software de recomendación sea más fácil de justificar para las empresas con presupuestos más ajustados. Esto está ampliando el mercado direccionable para el software de recomendación de inteligencia artificial y desplazando parte del crecimiento futuro hacia formatos de software más accesibles.

Por Usuario Final: El Comercio Minorista Lidera, Pero la Trayectoria de Crecimiento de la Atención Médica es más Pronunciada

El comercio minorista y el comercio electrónico representaron el 26,84% del mercado en 2025, manteniendo su posición como el segmento de usuario final más grande en el mercado de software de recomendación de inteligencia artificial. Este liderazgo refleja el largo historial del comercio minorista con la clasificación de productos, la expansión de la cesta de compra, la relevancia de la búsqueda y la promoción personalizada. El comercio minorista también sigue siendo el sector donde el rendimiento de las recomendaciones puede medirse más directamente en relación con los ingresos y los resultados de conversión. Ese claro camino de retorno le ha ayudado a mantenerse como el entorno de implementación más establecido. Como resultado, el mercado de software de recomendación de inteligencia artificial todavía toma muchas de sus señales comerciales y técnicas de la práctica minorista.

Se proyecta que la atención médica y las ciencias de la vida crecerán al 21,37% hasta 2031, lo que las convierte en el grupo de usuarios finales de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. Un estudio publicado en Nature npj Digital Medicine informó que un sistema de IA agéntica para generar recomendaciones farmacogenómicas logró una precisión de extracción de entidades del 91,9% y superó a los modelos de lenguaje de propósito general de frontera en claridad clínica y concordancia con las directrices. Esto respalda la opinión de que los sistemas de recomendación están yendo más allá del uso del consumidor y adentrándose en el apoyo a la toma de decisiones clínicas, la farmacogenómica y la correspondencia de pacientes con ensayos clínicos. El sector de Banca, Servicios Financieros y Seguros (BFSI) continúa utilizando herramientas de recomendación para la correspondencia de productos y la orientación de carteras, mientras que las TI y las telecomunicaciones las aplican a la gestión de la rotación de clientes y la venta adicional, y los medios de comunicación y el entretenimiento las utilizan para la curación de contenido y la retención de audiencia. La atención médica impulsa un crecimiento más sólido, pero también plantea expectativas más estrictas en cuanto a explicabilidad y control del sesgo, lo que seguirá dando forma a los requisitos de los proveedores en todo el mercado de software de recomendación de inteligencia artificial.

Análisis Geográfico

América del Norte mantuvo el 36,42% de la participación del mercado de software de recomendación de inteligencia artificial en 2025, convirtiéndola en el mayor contribuyente regional. La región se beneficia de una densa oferta de software empresarial, una infraestructura de nube madura y una inversión temprana en sistemas de datos propios. Los Estados Unidos siguieron siendo el principal centro de demanda, mientras que Canadá continuó desarrollando la adopción en servicios financieros y comercio minorista. México también añadió relevancia a medida que las operaciones de proximidad en el comercio minorista y los servicios financieros respaldaron programas de implementación rentables. Los compradores de América del Norte se movieron cada vez más desde herramientas de personalización independientes hacia sistemas de comercio agéntico más integrados, que vincularon la lógica de recomendación más estrechamente con los flujos de trabajo de búsqueda, contenido y servicio al cliente.

Se proyecta que Asia-Pacífico crecerá al 23,68% hasta 2031, lo que la convierte en la geografía de más rápido crecimiento en el mercado de software de recomendación de inteligencia artificial. El crecimiento en China, India, Corea del Sur y el Sudeste Asiático está siendo respaldado por el alto volumen de comercio digital y por las empresas de plataformas que ya gestionan grandes flujos de datos de comportamiento. Rakuten Group lanzó Recomendaciones de Descubrimiento en la aplicación Rakuten Ichiba en noviembre de 2025, utilizando IA propia para mostrar imágenes de productos personalizadas, videos y páginas de contenido de casi 500 millones de artículos en más de 50.000 tiendas. Esto mostró cómo los operadores de plataformas en la región están impulsando la entrega de recomendaciones más allá de los carruseles de productos tradicionales y hacia un descubrimiento más rico liderado por contenido. Los ecosistemas de superaplicaciones en el Sudeste Asiático también están aumentando la demanda de capas de recomendación que puedan funcionar en comercio, alimentación, logística y productos financieros dentro de una única sesión de usuario.

Europa se mantuvo como el tercer mercado regional más grande para el software de recomendación de inteligencia artificial en 2025. Alemania, el Reino Unido y Francia continuaron liderando la adopción empresarial porque combinan una fuerte demanda de software con una inversión activa en cumplimiento normativo. El RGPD y la Ley de IA de la UE están aumentando la complejidad de implementación para los sistemas de recomendación, especialmente en atención médica y servicios financieros, pero también favorecen a los proveedores con una documentación, auditabilidad y diseño de gobernanza más sólidos. Oriente Medio y África se mantuvieron en una etapa más temprana, con la adopción centrada en los estados del Consejo de Cooperación del Golfo y Sudáfrica, donde los programas de IA soberana y la actividad de medios minoristas están creando una demanda inicial. América del Sur, liderada por Brasil y Argentina, continuó expandiéndose desde una base instalada más pequeña, dejando espacio para los proveedores de software como servicio, aunque los costos de integración y la madurez regulatoria todavía moderan la velocidad de implementación.