LAS IDEAS CLAVE
- 01
El ILIA mide un ecosistema; no demuestra el retorno de una empresa.
- 02
Conviene evaluar un proceso con datos de base, calidad y tiempo total de revisión.
- 03
La integración, el conocimiento del negocio y la formación práctica sostienen la adopción.
El ranking abre una conversación más exigente
Chile forma parte del grupo de países pioneros en inteligencia artificial de América Latina y el Caribe, junto con Brasil y Uruguay, según el ILIA 2025 presentado por CEPAL y CENIA el 3 de octubre de 2025. El índice evalúa preparación, adopción y gobernanza en 19 países. Es una referencia para entender el ecosistema; no equivale a una medición del retorno de cada empresa que compra una herramienta de IA. CEPAL, presentación del ILIA 2025.
Esa distinción cambia la decisión empresarial. Un entorno con investigación, talento e infraestructura puede facilitar nuevos proyectos, pero el resultado depende de cómo se organiza el trabajo dentro de cada compañía. Nuestra lectura es que el siguiente paso para las empresas chilenas consiste en convertir la experimentación individual en capacidades compartidas: información utilizable, procesos definidos y personas que puedan evaluar si el sistema está resolviendo el problema correcto.
La brecha que el promedio puede esconder
La ficha de Chile muestra contrastes. En el ILIA 2025 ocupa la primera posición en el indicador de IA generativa, mientras que en el indicador Industria figura en la posición 12, con 39,28 puntos frente a un promedio regional de 47,25. Son indicadores con metodologías específicas y no porcentajes de empresas usuarias. El contraste aconseja mirar las dimensiones del estudio antes de convertir un puesto general en una conclusión sobre madurez empresarial. CEPAL y CENIA, ficha de Chile, páginas 61–62.
Como interpretación editorial, esto sugiere una oportunidad para quienes sepan conectar herramientas con operaciones. Una persona puede redactar mejores correos con IA sin que cambie la capacidad de su organización para responder solicitudes, recuperar conocimiento o reducir errores. La adopción empieza a tener un significado operativo cuando existe un flujo repetible, un responsable y una forma de comprobar el resultado. El número de licencias activas, por sí solo, no describe ese cambio.
Elegir un problema que permita aprender
Proponemos comenzar por un proceso acotado: clasificar solicitudes internas, encontrar antecedentes en una base documental o preparar una primera respuesta que un equipo revise. Antes de elegir tecnología, conviene registrar cuánto tarda hoy el trabajo, qué errores aparecen y qué información falta. Esa línea base permite comparar el piloto con la operación existente. Si nadie puede describir cómo se reconocerá una buena respuesta, todavía falta definir el proyecto.
Para una empresa chilena de servicios, un caso ilustrativo sería asistir al equipo que recibe requerimientos comerciales. El sistema podría ordenar antecedentes y sugerir preguntas pendientes. La prueba debería incluir solicitudes ambiguas, documentos antiguos y situaciones en que corresponde derivar a una persona. Este ejemplo es una propuesta de diseño, no un caso de éxito observado. Su valor está en hacer visible lo que se pretende mejorar y el esfuerzo humano que sigue siendo necesario.
La capacidad local también se construye
El Ministerio de Ciencia describe una Política Nacional de IA acompañada por un Plan de Acción de 177 iniciativas coordinadas por 14 ministerios. Entre sus ejes aparecen infraestructura, formación, investigación y gobernanza. El alcance de esa agenda muestra que desarrollar capacidades involucra más que acceso a modelos. La existencia de una iniciativa pública, sin embargo, no prueba por sí misma su ejecución ni el impacto en una empresa particular. MinCiencia, inteligencia artificial.
En una organización, recomendamos traducir esa conversación a responsabilidades concretas. El área que conoce el proceso debe definir calidad; tecnología debe asegurar integración y operación; quien administra la información debe mantener sus fuentes. La formación puede concentrarse en tareas reales: detectar una respuesta sin respaldo, corregir una clasificación y documentar una excepción. Un curso general ayuda a empezar, pero no reemplaza la práctica acompañada sobre el trabajo diario.
Qué debería llegar a la próxima reunión de gerencia
Un buen primer reporte puede caber en una página: tarea elegida, volumen observado, calidad de las respuestas, tiempo total incluyendo revisión y principales fallos. También debe explicar el costo de operar el sistema y mantener sus datos. Proponemos comparar períodos y casos semejantes, evitando atribuir a la IA mejoras que también puedan venir de una nueva dotación, menor demanda o un cambio en las reglas del proceso.
La decisión de ampliar el proyecto debería apoyarse en esa evidencia. Si el piloto funciona, el siguiente paso es probar otra parte del mismo flujo y documentar lo aprendido. Si falla, el resultado útil es saber si el problema estaba en los datos, en el diseño o en la tecnología. Así, el liderazgo del ecosistema chileno puede convertirse en una ventaja concreta: empresas capaces de aprender con disciplina y repetir mejoras que han podido demostrar.
CON TEXTO Y CONTEXTO
Fuentes y referencias
- Presentación del ILIA 2025CEPAL · 2025-10-03
- ILIA 2025: fichas de país y aspectos metodológicosCEPAL y CENIA
- Inteligencia artificial: política y ejes de trabajoMinisterio de Ciencia de Chile
Contenido elaborado con asistencia de IA a partir de las fuentes enlazadas. Las recomendaciones corresponden al análisis editorial de Digital Dev. Cómo elaboramos y corregimos nuestros artículos.