Adopción de IA en empresas chilenas: por qué los pilotos no escalan al negocio.
- Nelson Carrasco
- 15 ago
- 4 min de lectura
Actualizado: 17 ago
La inversión en inteligencia artificial dejó de ser una decisión exploratoria en las empresas grandes chilenas. Los presupuestos están asignados, los comités están formados y en la mayoría de las organizaciones hay al menos un piloto en curso o recién cerrado. Lo que sigue sin resolverse es el paso siguiente, que consiste en llevar ese piloto a producción y sostenerlo con el volumen real de la operación. Este artículo revisa por qué ese paso falla con tanta frecuencia y qué conviene verificar antes de comprometer una inversión mayor.
Casi todas las compañías en Chile tienen algún proyecto de IA en marcha. Bastante menos pueden identificar qué proceso quedó operando distinto una vez terminado.
La explicación habitual apunta al presupuesto, a la escasez de talento técnico o a la madurez de la tecnología. Pero la evidencia muestra que el punto de quiebre aparece antes y es considerablemente menos sofisticado: el piloto se ejecutó sobre un conjunto de datos que no refleja la realidad de la empresa, es decir un ambiente manipulado para que el piloto funcionara.
Mientras el alcance es reducido, ese trabajo manual permanece invisible. Un analista revisa los registros, corrige los campos inconsistentes y arma el conjunto con el que se entrena o se alimenta el sistema. Así, el piloto puede avanzar y mostrar resultados.
Al momento de escalar, no se puede replicar el procedimiento sobre el volumen completo de la operación y el sistema queda expuesto al dato tal como existe en la empresa. Ahí se detiene el proyecto.
El uso individual encubre el rezago organizacional
Un dato del último informe regional ilustra bien la distancia entre lo que se percibe y lo que ocurre.
El Índice Latinoamericano de Inteligencia Artificial 2025, elaborado por CENIA y la CEPAL, mide adopción de IA generativa y adopción de IA en el sector industrial como indicadores separados. Chile registra 78,70 puntos en el primero, el puntaje más alto de la región. En el segundo registra 39,30 y queda en el lugar 12 entre 19 países.
La primera cifra recoge comportamiento de personas, esto es, cuánta gente utiliza estas herramientas y con qué frecuencia. La segunda mide en qué grado la IA está incorporada a los procesos productivos de las empresas.
Esa diferencia de casi cuarenta puntos tiene una consecuencia práctica. En muchas compañías el uso individual es alto, los equipos ocupan estas herramientas a diario para redactar o resumir información y eso instala una percepción de avance que no tiene contrapartida en la operación. La gerencia observa equipos trabajando con IA. Los indicadores del negocio no registran variación. Ambas observaciones son correctas al mismo tiempo y la primera dificulta detectar la segunda.
Los tres puntos donde se interrumpe la escalabilidad
Cuando revisamos por qué un proyecto no pasa del piloto, el diagnóstico llega casi siempre a alguno de estos tres.
El dato no tiene responsable asignado. Un campo de cliente que tres áreas completan con criterios distintos no constituye un problema de calidad de datos, sino de responsabilidad por ese campo. Comercial lo usa para segmentar, servicio para identificar, finanzas para facturar y cada área lo completa de la manera que le resulta funcional. Mientras nadie responda por ese campo, cualquier sistema que se alimente de ahí va a producir salidas que después alguien corrige manualmente. El costo se traslada, no desaparece.
El proceso no se rediseñó. Automatizar un flujo mal diseñado entrega el mismo resultado en menos tiempo. Si en el flujo actual las excepciones se resuelven por correo y quedan fuera del sistema, la automatización cubre el escenario estándar y las excepciones permanecen en el correo. A los pocos meses el equipo opera con dos flujos en paralelo, el del sistema y el real.
El retorno no se definió al inicio. Cuando el criterio de éxito se discute recién en la revisión trimestral, el piloto termina evaluándose por su desempeño técnico. Habitualmente funciona. Eso no responde si modificó algún indicador del negocio y sin esa respuesta el directorio no aprueba el presupuesto para llevarlo a producción. El proyecto no se cancela formalmente, queda suspendido.
El referente local ofrece poca exigencia
Un detalle del mismo informe conviene tenerlo presente al momento de compararse. Chile lidera la región por tercer año consecutivo con 70,5 puntos, cifra que descendió cerca de tres puntos respecto de la medición anterior, que fue de 73,07. El liderazgo se mantiene porque el resto de la región tampoco avanzó.
Los países muestran mucho interés y ningún sentido de urgencia y pese a la evidencia sobre el impacto de la IA en productividad y empleo, no se aprecian cambios de tendencia.
Para una compañía chilena esto implica que compararse con su industria local va a resultar tranquilizador. La mayoría se encuentra en una posición similar. La referencia útil está en otro lugar, en si el proceso intervenido modificó su costo o su tiempo de ciclo.
Dónde empezar sin detener el proyecto
La conclusión inmediata sería ordenar la totalidad de los datos de la compañía antes de intervenir con IA. En la práctica ese camino consume meses y suele terminar en un inventario que nadie utiliza.
Lo que sí resulta es acotar el alcance. Seleccionar el proceso donde la IA va a intervenir, ordenar el dato y el flujo de ese proceso en particular, y postergar el resto para cuando corresponda. Antes de comprometer inversión, cuatro preguntas permiten evaluar si el proyecto está en condiciones de avanzar.
Qué problema del negocio se va a resolver, con nombre de proceso, de costo o de cliente.
Con qué información se va a alimentar el sistema y quién responde por su calidad.
Quién controla las decisiones que se automaticen y cómo se revierten, con un responsable identificable.
Cómo se va a medir el retorno y en qué plazo, definido antes de partir.
Si esas cuatro preguntas no tienen respuesta, lo que hay por delante no corresponde a un problema tecnológico y ninguna licencia va a resolverlo.
En Digital eXp ayudamos a empresas grandes a identificar dónde se está perdiendo el valor entre la tecnología que ya adquirieron y el proceso donde debería rendir.
Si tu organización lleva meses con pilotos que no escalan, conversemos.
Fuentes
Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025, CENIA y CEPAL, tercera edición, octubre de 2025. Medición sobre 19 países de América Latina y el Caribe, con más de 100 subindicadores en tres dimensiones: factores habilitantes; investigación, desarrollo y adopción; y gobernanza.
