Por qué la mayoría de las empresas chilenas que ya usan IA todavía no logran escalarla

En junio de este año, Entel Digital y el Centro Nacional de Inteligencia Artificial, CENIA, publicaron un estudio hecho junto a ACTI, SOFOFA y varias universidades chilenas, con más de 526 ejecutivos encuestados. El resultado más citado del estudio fue que un 80% de las grandes empresas chilenas ya usa inteligencia artificial en su operación diaria, y un 70% de las pymes también lo hace. A primera vista, ese dato pinta un país que adoptó la tecnología con rapidez. Leído con más cuidado, el mismo estudio dice algo bastante distinto, que casi todas las empresas ya probaron la IA de alguna forma, pero muy pocas lograron llevarla más allá de un piloto o de un uso puntual dentro de un solo equipo.

Esa distancia entre probar y escalar es, según el propio estudio, más organizacional que tecnológica. Las barreras que los ejecutivos mencionaron con más frecuencia no fueron el costo de las licencias ni la disponibilidad de proveedores, sino el gobierno de datos y la falta de políticas internas claras sobre cómo y para qué se puede usar la IA dentro de la empresa. Un 40% de las empresas encuestadas señaló además que la falta de capacitación de sus propios trabajadores es la razón principal por la que todavía no adoptan la tecnología de forma más amplia.

El país tiene dos velocidades distintas

El estudio también encontró una brecha geográfica marcada. En la Región Metropolitana, la adopción de IA supera el 80%, mientras que en el resto de Chile se queda alrededor del 60%. Esa diferencia no se explica solo por acceso a tecnología, que hoy está disponible para cualquier empresa con conexión a internet, sino por la disponibilidad de equipos internos con la capacitación necesaria para implementar y sostener un proyecto de este tipo, algo que suele concentrarse en las regiones donde también se concentran las oficinas centrales de las empresas grandes.

Para una empresa mediana en regiones, esto tiene una implicancia práctica. El obstáculo principal para escalar IA no va a ser encontrar una herramienta que funcione, esas sobran, sino construir el proceso interno que permita que esa herramienta se use de forma consistente, con reglas claras sobre qué datos puede tocar, quién revisa sus resultados, y qué pasa cuando se equivoca.

Confiar en la IA no es lo mismo que saber gobernarla

Otro hallazgo del estudio conviene mirarlo con cuidado. Un 93% de los ejecutivos encuestados dijo confiar en que la IA traerá beneficios positivos para su empresa. Ese nivel de confianza es alto, más alto incluso que el nivel real de adopción escalada que el mismo estudio documenta. La brecha entre confiar en que algo va a funcionar y tener la estructura interna para que efectivamente funcione es, en el fondo, la misma brecha que separa un piloto exitoso de una implementación que se sostiene en el tiempo.

Esta confusión entre confianza y gobernanza aparece de forma parecida en estudios internacionales. Cuando una empresa reporta que ya tiene agentes de IA en producción, eso no equivale a decir que esa empresa sabe en todo momento qué está haciendo cada agente, con qué información trabaja, o qué decisiones toma sin supervisión humana directa. Son dos preguntas distintas, y la segunda suele quedar sin responder mucho después de que la primera ya se dio por resuelta.

Los errores más comunes no son técnicos

Cuando un proyecto de IA no logra escalar más allá de un piloto, rara vez es porque el modelo no funcionó. Casi siempre es porque nadie definió con claridad qué proceso de negocio específico se estaba tratando de mejorar antes de elegir la herramienta, porque el equipo que iba a usar la herramienta a diario no participó en su elección ni recibió capacitación suficiente, o porque no existía ninguna instancia formal para revisar los resultados y corregir el rumbo cuando algo no calzaba con la realidad del negocio.

Este patrón se repite tanto en empresas grandes como en pymes, aunque se manifiesta distinto. En una empresa grande, el problema suele ser que distintas áreas prueban herramientas de IA por su cuenta, sin coordinación, y terminan con media docena de soluciones parciales que nadie integra. En una pyme, el problema más común es lo opuesto, la falta de una persona o equipo con el tiempo y el conocimiento para sostener el proyecto una vez que termina el entusiasmo inicial de la prueba piloto.

Qué significa gobernar un proyecto de IA en la práctica

Gobernar no significa burocratizar cada decisión ni frenar la adopción con comités interminables. En términos concretos, significa que alguien dentro de la empresa puede responder, en cualquier momento, qué datos está usando cada herramienta de IA activa, qué tan bien está funcionando frente al objetivo original que motivó su implementación, y qué pasaría si esa herramienta se equivocara en una decisión que afecta a un cliente o a un proceso crítico del negocio.

Las empresas que el estudio de Entel Digital y CENIA identifica como más avanzadas en su adopción no son necesariamente las que probaron más herramientas distintas, sino las que definieron esas tres respuestas antes de escalar el uso de cualquier herramienta más allá de un equipo piloto. Esa disciplina, más que el modelo de IA elegido, parece ser lo que separa a las empresas que logran escalar de las que se quedan atrapadas repitiendo el mismo piloto exitoso sin nunca convertirlo en algo sostenido.

AgentLayer certifica hoy más de diez agentes repartidos en operaciones, comercial, marketing y finanzas, desde el Tracking de Despachos, que reconcilia WhatsApp con el ERP en tiempo real, hasta el Auditor de Gastos Reembolsables, que audita el 100% de los comprobantes contra la política de cada proyecto. Cada uno parte como un piloto acotado a un solo proceso, y solo se expande a otras áreas de la empresa una vez que el resultado se puede medir con un número concreto, la misma disciplina que, según el estudio de Entel Digital y CENIA, separa a las empresas que logran escalar de las que se quedan atrapadas en el piloto.

La capacitación importa tanto como la tecnología

El dato del 40% de empresas que señala la falta de capacitación como su principal barrera merece más atención de la que suele recibir. Es común que una empresa invierta en la herramienta y descuide el tiempo necesario para que su propio equipo aprenda a usarla, a cuestionar sus resultados, y a detectar cuándo un resultado no tiene sentido para el contexto real del negocio. Sin esa capacitación, hasta la herramienta mejor elegida termina subutilizada, operando muy por debajo de lo que podría aportar.

Para cualquier empresa chilena que está evaluando dar el salto de un piloto de IA a una implementación real, la lección del estudio es bastante directa. La tecnología ya está disponible y ya funciona razonablemente bien para una gama amplia de tareas. Lo que todavía falta, en la mayoría de los casos, es la estructura interna, la capacitación del equipo, y las reglas de gobernanza que permitan sostener esa tecnología en el tiempo sin perder de vista qué está haciendo exactamente dentro de la empresa.

Cómo se ve esto comparado con otros países

El patrón que documenta el estudio de Entel Digital y CENIA no es exclusivo de Chile. Encuestas internacionales sobre adopción empresarial de IA, hechas por firmas de consultoría con presencia global, muestran de forma consistente que la proporción de empresas que prueban IA en algún proceso supera ampliamente a la proporción de empresas que logran convertir esa prueba en un cambio estructural con impacto medible en sus resultados financieros. Lo que cambia entre países no es tanto la tecnología disponible, que hoy es prácticamente la misma en cualquier mercado con acceso a internet, sino la madurez de los procesos internos de gobernanza, la disponibilidad de talento capacitado para sostener esos procesos, y la claridad regulatoria sobre qué se espera de una empresa que usa IA para tomar decisiones que afectan a personas.

Chile tiene, en ese sentido, una posición particular. El país cuenta con una política nacional de inteligencia artificial y con instituciones como CENIA dedicadas específicamente a estudiar y acompañar esta transición, algo que no todos los países de la región tienen todavía en un estado tan avanzado. Ese marco institucional ayuda a que el debate sobre gobernanza de IA no dependa exclusivamente de cada empresa por separado, pero no reemplaza el trabajo interno que cada organización tiene que hacer para definir sus propias reglas de uso.

Qué debería preguntarse una empresa antes de escalar su siguiente proyecto de IA

Antes de ampliar el uso de una herramienta de IA más allá del equipo que la probó primero, conviene que una empresa se haga algunas preguntas concretas. La primera es si existe alguien responsable de revisar periódicamente qué tan bien está funcionando esa herramienta frente al objetivo de negocio que la motivó, y no solo frente a una sensación general de que está siendo útil. La segunda es si el equipo que usa la herramienta día a día recibió capacitación suficiente para cuestionar sus resultados cuando algo no calza con lo que esperaban, en lugar de aceptar cualquier salida del sistema sin revisión. La tercera es si existe un proceso claro, documentado y conocido por el equipo, para lo que ocurre cuando la herramienta se equivoca en un caso que afecta directamente a un cliente o a una decisión relevante del negocio.

Ninguna de estas tres preguntas depende del modelo de IA específico que la empresa haya elegido, ni de cuánto dinero se invirtió en la licencia. Dependen enteramente de decisiones organizacionales que la empresa puede tomar independiente de la tecnología, y que son, según lo que documenta el estudio de Entel Digital y CENIA, la diferencia real entre quedarse en un piloto exitoso y sostener una implementación que efectivamente cambia cómo opera el negocio.

La brecha que queda por cerrar

El estudio deja una imagen relativamente optimista sobre la disposición de las empresas chilenas a experimentar con IA, y una imagen bastante más cautelosa sobre la capacidad actual de esas mismas empresas para gobernar lo que ya implementaron. Cerrar esa brecha no depende de esperar la próxima generación de modelos, que seguirá mejorando de todas formas, sino de invertir en la misma disciplina organizacional que cualquier cambio operacional relevante siempre ha requerido, procesos claros, personas capacitadas, y una forma honesta de medir si la herramienta está cumpliendo lo que prometía cuando se decidió adoptarla.

Fuentes

Entel Digital y CENIA, estudio de adopción de IA en empresas chilenas, junio 2025