La adopción de IA en Chile no está frenada por la tecnología: está frenada por la implementación

La inteligencia artificial ya dejó de ser una promesa futura para las empresas chilenas.

La mayoría de los líderes empresariales entiende que la IA tendrá un impacto importante en sus organizaciones. Según el estudio Adopción de IA en las empresas chilenas, realizado por Entel Digital junto al Centro Nacional de Inteligencia Artificial y distintas instituciones académicas y gremiales, el 93% de las empresas considera que la inteligencia artificial tendrá un impacto positivo en su negocio.

El problema no está en convencer a las empresas de que la IA importa.

El problema aparece cuando se observa qué tan lejos llega esa intención en la práctica.

Más del 80% de las grandes empresas chilenas ya utiliza inteligencia artificial en algún proceso, mientras que entre las pequeñas y medianas empresas esa cifra baja al 70%. Pero la diferencia más importante no está solamente en quién utiliza IA, sino en quién logra integrarla dentro de sus procesos críticos.

Porque implementar inteligencia artificial no significa simplemente contratar una herramienta nueva. Significa cambiar la forma en que una organización captura información, toma decisiones y ejecuta tareas.

Y ahí es donde muchas empresas todavía están quedando atrás.

La brecha entre usar IA y transformar un negocio con IA

Uno de los errores más comunes al hablar de adopción de inteligencia artificial es tratarla como una decisión binaria:

“¿La empresa usa IA o no?”

La realidad es mucho más compleja.

No todas las organizaciones que utilizan inteligencia artificial están en el mismo nivel de madurez. Algunas comienzan usando IA como una herramienta de productividad individual para tareas puntuales, como generar contenido, resumir información o acelerar procesos administrativos.

El siguiente paso ocurre cuando la inteligencia artificial comienza a integrarse en procesos reales del negocio: automatización de reportes, análisis de grandes volúmenes de información, asistentes conectados a sistemas internos o agentes especializados que apoyan equipos completos.

Las empresas con mayor madurez avanzan un paso más: utilizan IA para rediseñar procesos completos y crear nuevas capacidades que antes no eran posibles, como atención personalizada a gran escala, decisiones comerciales basadas en datos en tiempo real o automatización de flujos completos de trabajo.

La diferencia no está en tener acceso a inteligencia artificial, sino en qué tan profundamente está integrada dentro de la operación.

El verdadero cuello de botella no es tecnológico

Cuando se les pregunta a las empresas chilenas que aún no incorporan IA, o que la incorporan de forma incipiente, qué es lo que más las frena, un 40% menciona la falta de capacitación de sus trabajadores como el principal obstáculo, seguido de cerca por la falta de gobernanza y políticas internas claras sobre el uso de datos e IA. Esto contradice una intuición bastante extendida en las gerencias, que suele asumir que el freno principal es el costo de licencias o la falta de infraestructura tecnológica. La realidad, según este estudio, es más incómoda, porque significa que el problema está adentro de la organización, no en el mercado de proveedores de tecnología.

La brecha de gobernanza se nota especialmente en las pymes. Mientras un 73% de las grandes empresas declara haber recibido asesoría en ciberseguridad relacionada con sus procesos de IA, solo un 28% de las pymes dice haber recibido ese mismo tipo de apoyo. Y respecto a la capacitación permanente en habilidades digitales, apenas un 39% de las pymes contaba con planes formales de formación en 2024, según un estudio previo de la misma serie de Entel Digital. Estos números importan porque explican por qué tantas empresas se quedan atascadas en el primer nivel de la matriz de adopción, usando IA como una herramienta suelta para tareas puntuales, sin nunca llegar a integrarla en procesos que muevan la aguja del negocio.

Por qué la gobernanza cuesta más que aprender a usar una herramienta

Capacitar a un equipo en el uso de una herramienta de IA generativa es relativamente rápido, se puede resolver con un par de talleres bien diseñados. Construir gobernanza de datos es otra cosa completamente distinta, porque implica decidir quién puede ver qué información, cómo se audita el uso de esa información, qué pasa cuando un agente de IA toma una decisión equivocada, y quién es responsable de corregirla. Son preguntas organizacionales, no técnicas, y por eso ninguna herramienta las resuelve sola, sin importar cuán avanzado sea el modelo que tenga detrás.

Esto explica también por qué la brecha regional que muestra el estudio, con más del 80% de adopción en la Región Metropolitana frente a un 60% en el resto del país, no se explica solo por acceso desigual a la tecnología. Una vez que una empresa fuera de Santiago adopta IA, la usa con un nivel de sofisticación similar al de una empresa metropolitana. La diferencia real está en el momento de arrancar, en tener claridad sobre cómo estructurar el proceso desde el principio, con roles definidos, políticas de acceso y un plan de capacitación que no dependa de la buena voluntad de un par de entusiastas dentro del equipo.

Cómo se ve la gobernanza aplicada, en la práctica

Un ejemplo concreto de por qué la gobernanza no es un capítulo aparte, sino parte del diseño mismo de un buen agente de IA, es el Auditor de Gastos Reembolsables de AgentLayer. El agente audita el 100% de los comprobantes de gastos que recibe, en vez de la muestra parcial que suele revisar un equipo financiero con recursos limitados, y clasifica cada gasto en aprobado, en revisión o rechazado según las políticas internas de la empresa, dejando trazabilidad completa y evidencia auditable para cumplimiento y control. Esa trazabilidad no es un agregado posterior, es la razón de ser del producto, porque un agente que toma decisiones financieras sin dejar rastro de por qué las tomó no es una herramienta útil para una empresa que necesita responder ante una auditoría o un directorio.

Este tipo de diseño, donde cada decisión automatizada queda registrada y es revisable, es exactamente el tipo de condición habilitante que el estudio de Entel Digital identifica como faltante en la mayoría de las empresas rezagadas. No basta con que la IA funcione, tiene que poder explicarse y auditarse después de que actuó. Por eso, en AgentLayer, cada agente pasa por una fase de diagnóstico y validación antes de implementarse, donde se mapea el flujo de trabajo real y se definen justamente esas reglas de acceso y control, en vez de instalar una herramienta genérica y esperar que la gobernanza aparezca sola con el uso.

La capacitación no es un evento, es un proceso continuo

El otro hallazgo que merece atención es que la capacitación, cuando existe, suele tratarse como un evento único, una charla de lanzamiento cuando se implementa una nueva herramienta, en vez de un proceso continuo que acompañe la adopción real. El estudio muestra que el 70% de los trabajadores chilenos se percibe en un nivel intermedio de habilidades digitales, mientras considera que su empresa está en un estado más avanzado que ellos mismos, una brecha de percepción que suele traducirse en baja adopción real de las herramientas que la empresa sí compró e instaló. Además, existe una brecha generacional relevante, un 73% de los trabajadores jóvenes se siente competente o avanzado en habilidades digitales, frente a solo un 48% de los trabajadores adultos.

Esta brecha generacional tiene una implicancia práctica para cualquier gerencia que esté por incorporar un agente de IA a un proceso de trabajo. No basta con anunciar la herramienta y asumir que el equipo la va a adoptar orgánicamente. Se necesita un proceso de acompañamiento que reconozca que distintos integrantes del equipo parten de puntos distintos, con capacitación presencial cuando sea posible, y con canales de retroalimentación abiertos durante las primeras semanas de uso real, no solo en el lanzamiento.

Lo que un gerente general debería preguntar antes de aprobar el próximo proyecto de IA

La conclusión práctica de todo esto no es que haya que frenar la adopción de IA hasta tener una gobernanza perfecta, porque eso nunca va a pasar, y las empresas que esperan ese momento ideal terminan rezagadas frente a las que aprenden haciendo. La conclusión es que antes de aprobar el próximo proyecto de IA, conviene hacer tres preguntas simples, quién tiene acceso a qué información dentro de este flujo, cómo queda registrada cada decisión que tome el agente, y quién en el equipo está a cargo de acompañar la adopción durante las primeras semanas, no solo el día del lanzamiento. Las empresas que ya responden estas preguntas antes de firmar un contrato con un proveedor de IA son, casi siempre, las mismas que logran pasar del primer nivel de la matriz de adopción, usar IA como herramienta suelta, al nivel donde la IA realmente cambia cómo se hace el trabajo.