Por: Mg. Andrés Alfaro Avalos, Director del Departamento de Ingeniería Informática y Ciencias de la Computación (DIICC) de la Universidad de Atacama (UDA)
Hace pocas semanas se presentó el estudio Índice de Transformación Digital en Inteligencia Artificial, ITD-IA 2026, desarrollado por PMG, Corfo y la Cámara de Comercio de Santiago. El diagnóstico analiza 740 empresas a partir de cuatro dimensiones: estrategia, tecnología, cultura y gobernanza y entrega una radiografía de la madurez de la inteligencia artificial en Chile.
El dato central es revelador: el 91% de las empresas se encuentra todavía en etapas tempranas de exploración o pilotaje. Esto revela que el reto no es probar, sino estacar con gestión y métricas. Dentro de ese grupo, un 66% ya está desarrollando pilotos activos, pero aún no cuenta con criterios claros para escalarlos ni con mecanismos para medir su retorno. En otras palabras, las empresas chilenas están probando inteligencia artificial, pero pocas han conseguido convertir esos experimentos en soluciones permanentes, integrándolas a sus procesos y capaces de generar productividad de manera sostenida. Solo un 9% ha logrado escalar o liderar.
Esto muestra que Chile no parte desde cero, pero que todavía está en la superficie. El problema aparece en el siguiente paso: cómo transformar un prototipo exitoso en una solución que opere continuamente, cuente con responsables, utilice datos confiables y produzca resultados medibles.
El estudio demuestra que este salto requiere, ante todo, gestión. Más que incorporar nuevas tecnologías, aumentar el presupuesto o adquirir mayor infraestructura, las empresas necesitan tener claridad sobre qué quieren conseguir con la inteligencia artificial y cómo van a hacerlo.
También se requiere medir. Actualmente, el 79% de las empresas no mide efectivamente el retorno de sus iniciativas y el 75% no tiene criterios definidos para escalar o descartar pilotos. Sin indicadores de productividad, ahorro, calidad o impacto, resulta difícil saber si una iniciativa está generando valor o simplemente prolongando la etapa de experimentación.
El estudio muestra que el 69% de las empresas no cuenta con infraestructura de datos centralizada y el 64 % trabaja con datos fragmentados, lo que limita el escalamiento de la IA. Sin datos accesibles, confiables y bien organizados, los pilotos no pueden pasar a producción ni sostenerse en el tiempo.
A esto se suma la gobernanza. El 85% de las empresas no cuenta con un comité de IA y el 82% carece de políticas éticas formalmente comunicadas. Incluso una empresa pequeña necesita reglas básicas: quién puede utilizar estas herramientas, qué datos pueden compartirse, quién valida sus resultados y quién responde frente a errores.
Las pymes de servicios demuestran que avanzar es posible aun con recursos limitados: un 32% ya escala o lidera, frente al 9% nacional. Su experiencia entrega algunas pistas sobre cómo avanzar: presentan una mayor comprensión ejecutiva de la IA, un uso más extendido de estas herramientas entre sus trabajadores, una mayor capacidad para evaluar y priorizar casos de uso y una cultura más orientada a la experimentación y al aprendizaje rápido.
Pasar de pilotos a valor real implica convertirlos en capacidades organizacionales.
Primero, realizar un diagnóstico de madurez en IA para identificar brechas y frenos.
Luego, priorizar casos de uso según su impacto y viabilidad.
Después, diseñar un roadmap de adopción con capacidades a desarrollar y pilotos a escalar.
Finalmente, definir qué iniciativa escalar, cuáles detener y cómo medir su retorno.