Chile alcanzó 34 de 100 puntos en su primer índice de madurez empresarial en inteligencia artificial y permanece, en promedio, en una etapa de pilotaje. El diagnóstico muestra que las mayores brechas para avanzar no están únicamente en la tecnología: estrategia, gobernanza y capacidad de ejecución aparecen como factores decisivos para convertir la experimentación en resultados concretos.

Experimentar con inteligencia artificial se ha vuelto habitual en las empresas. Pruebas de concepto, licencias, capacitaciones y nuevos casos de uso se multiplican, pero esa actividad no necesariamente significa que la tecnología esté modificando la forma en que una organización toma decisiones, atiende a sus clientes o desarrolla sus procesos.

Esa distancia entre experimentar y transformar aparece reflejada en el Índice de Transformación Digital en Inteligencia Artificial (ITD-IA) 2026, elaborado por Corfo, la Cámara de Comercio de Santiago (CCS) y PMG Chile. A partir de una muestra de 740 empresas, el estudio situó la madurez promedio del país en 34 puntos sobre 100, correspondiente al nivel “Pilotear”, el segundo de una escala que avanza desde Explorar hasta Liderar.  

Para Sergio Bijman, director del Observatorio de Sociedad Digital y director académico del Diplomado en Gestión para la Transformación Digital en la Era de la Inteligencia Artificial, el problema no radica necesariamente en la falta de iniciativas.

“Los pilotos de IA se han convertido en una forma elegante de postergar decisiones. Permiten decir que la empresa ‘está trabajando en IA’ sin preguntarse qué procesos sobran, qué decisiones son demasiado lentas o qué gerentes están frenando el cambio”, sostiene.

Cuando experimentar no significa transformar

El diagnóstico nacional muestra que las empresas obtienen sus mejores resultados en las dimensiones de Estrategia y Cultura, ambas con 38 puntos. Más atrás aparecen Tecnología, con 31, y Gobernanza, con 27 puntos. Al comparar las organizaciones que permanecen en pilotaje con aquellas que ya consiguieron escalar, cinco de las seis variables que más las diferencian corresponden precisamente a Estrategia y Cultura; solo una está vinculada directamente con Tecnología.  

Bijman plantea que acumular iniciativas puede incluso entregar una imagen equivocada del avance de una organización. “Una organización puede tener cien pilotos IA y seguir funcionando exactamente igual que antes”, afirma.

El salto hacia una adopción más profunda, explica, exige intervenir la propia operación. Esto supone rediseñar procesos, determinar cómo se distribuye el trabajo entre personas y sistemas y establecer responsabilidades sobre las decisiones y eventuales errores.

“La empresa tiene que dejar de tratar la IA como un accesorio que se añade a una estructura intacta”, señala Bijman. El desafío, agrega, es que esas transformaciones también afectan ámbitos tradicionalmente sensibles dentro de las compañías, como el poder de decisión, los presupuestos y los espacios de responsabilidad de las distintas gerencias.

Desde esa perspectiva, escalar inteligencia artificial deja de ser exclusivamente una decisión tecnológica y se convierte también en una transformación organizacional.

¿Cómo saber si una empresa está avanzando realmente?

Distinguir entre adopción y transformación puede resultar especialmente complejo en un momento en que prácticamente cualquier organización puede incorporar nuevas herramientas de inteligencia artificial.

Para Bijman, el número de licencias adquiridas, las capacitaciones realizadas o la cantidad de pilotos desarrollados son indicadores insuficientes. La pregunta debería trasladarse hacia los efectos que esas iniciativas están produciendo. “¿Se toman mejores decisiones?, ¿cambió la experiencia del cliente?, ¿se eliminó trabajo que ya no aporta valor?”, plantea.

La diferencia es relevante porque obliga a pasar de indicadores de actividad –cuántas herramientas se incorporaron o cuántas personas fueron capacitadas– a resultados observables en la operación.

El propio ITD-IA apunta en esa dirección. Según sus conclusiones, la principal barrera para escalar la inteligencia artificial en las empresas chilenas no es tecnológica, sino de ejecución: transformar una visión general sobre IA en una hoja de ruta priorizada y asociada a retornos medibles.

Saber cuándo cerrar también es parte de innovar

Existe, además, una señal menos evidente de madurez: la capacidad de abandonar iniciativas que no generan resultados. “Una empresa que aprende sabe cerrar proyectos de IA. La que solo quiere parecer innovadora los mantiene todos vivos”, sostiene Bijman.

La afirmación introduce una dimensión distinta en la discusión sobre inteligencia artificial. Avanzar no necesariamente implica sumar permanentemente proyectos, herramientas y casos de uso, sino también establecer prioridades, medir resultados y decidir qué iniciativas merecen escalar y cuáles deberían terminar.

Con las empresas chilenas todavía situadas mayoritariamente en la etapa de pilotaje, el próximo salto podría depender menos de cuántos experimentos de inteligencia artificial sean capaces de iniciar y más de cuánto estén dispuestas a modificar la organización cuando esos experimentos demuestren que existe una mejor manera de trabajar.