El 74% de las empresas aumentó sus recursos destinados a inteligencia artificial, pero solo un 42% ya registra retornos positivos. La siguiente etapa exige controlar costos, medir productividad y escalar únicamente los proyectos que funcionan.
Chile se consolida como uno de los mercados latinoamericanos más activos en inteligencia artificial, con una inversión proyectada cercana a los US$1.000 millones durante 2026. El avance confirma el interés de las empresas por incorporar herramientas generativas, automatizar tareas y modernizar sus operaciones, aunque también abre una pregunta cada vez más relevante: cuánto valor económico está produciendo realmente ese gasto.
Durante el último año, el 74% de las organizaciones chilenas aumentó su inversión en IA, mientras que un 42% declara estar obteniendo un retorno positivo. Esto implica que una parte importante del mercado ya superó las primeras pruebas, pero todavía existe un grupo considerable de compañías que financia licencias, infraestructura y proyectos sin contar con resultados financieros claramente medidos.
El gasto corporativo promedio alcanza cerca de US$30 mensuales por cada usuario que utiliza estas herramientas. El monto puede parecer acotado cuando se analiza por trabajador, pero adquiere otra dimensión en empresas con cientos o miles de licencias activas, especialmente cuando algunas son utilizadas de manera esporádica o para tareas que no producen un ahorro comprobable.
Del entusiasmo tecnológico al control de costos
La primera etapa de adopción estuvo marcada por pilotos, asistentes para redactar documentos, generación de imágenes, análisis de información y automatización de respuestas. El nuevo ciclo obliga a revisar qué soluciones aportan productividad, cuáles pueden escalarse y cuáles deben ser modificadas o suspendidas.
Para las empresas, el problema ya no es solamente acceder a una plataforma de inteligencia artificial. La dificultad está en integrarla a los procesos, capacitar a los equipos y establecer indicadores que permitan comparar el costo de la herramienta con el resultado obtenido.
Una implementación puede considerarse eficiente cuando reduce tiempos de atención, disminuye errores, acelera procesos administrativos, mejora ventas o libera horas de trabajo para funciones de mayor valor. En cambio, contratar licencias sin modificar los flujos internos puede terminar aumentando el gasto tecnológico sin generar una mejora equivalente.
La medición tampoco debería limitarse al número de usuarios registrados. Las compañías necesitan determinar cuántas personas utilizan efectivamente las plataformas, qué tareas ejecutan, cuánto tiempo ahorran y si los resultados requieren posteriores correcciones humanas.
La economía de los tokens entra en los presupuestos
Las plataformas de inteligencia artificial generativa procesan instrucciones y respuestas mediante unidades conocidas como tokens. En algunos servicios, estos consumos se presentan como créditos incluidos en licencias o planes corporativos.
Cada consulta, documento procesado, imagen producida o interacción con un asistente utiliza parte de esa capacidad. Las instrucciones excesivamente extensas, las consultas repetidas y los procesos mal diseñados pueden elevar rápidamente los costos, especialmente en aplicaciones conectadas a grandes volúmenes de datos.
Por eso, la llamada economía de tokens comienza a transformarse en una materia presupuestaria. Las áreas de tecnología deberán controlar el gasto por aplicación, unidad de negocio y tipo de tarea, del mismo modo en que actualmente administran servicios en la nube, almacenamiento o licencias de software.
Este control no significa restringir automáticamente el uso. El objetivo es identificar qué modelo resulta suficiente para cada operación. No todas las tareas necesitan las plataformas más avanzadas y costosas. Procesos simples pueden ejecutarse mediante modelos más pequeños, automatizaciones tradicionales o herramientas ya incluidas en los sistemas corporativos.
Chile lidera, pero mantiene una brecha productiva
La posición regional de Chile se apoya en su conectividad, disponibilidad de datos, formación de capital humano, producción académica y políticas digitales. El país se mantuvo por tercer año consecutivo en el primer lugar latinoamericano en desarrollo de inteligencia artificial, con 70,5 puntos, por delante de Brasil y Uruguay.
Sin embargo, el liderazgo general contrasta con la penetración de estas tecnologías en la industria. Chile aparece en el puesto 12 entre 19 economías analizadas cuando se mide la adopción industrial, una señal de que las condiciones tecnológicas todavía no se traducen plenamente en mayor productividad.
La brecha resulta especialmente relevante para sectores como minería, energía, agroindustria, construcción, comercio, logística y manufactura. Estas actividades pueden utilizar inteligencia artificial para mantenimiento predictivo, optimización de rutas, control de inventarios, reducción del consumo energético, prevención de fallas y análisis de demanda.
El potencial económico será limitado si las soluciones se concentran únicamente en tareas administrativas o en grandes compañías. La siguiente etapa requiere extender herramientas útiles hacia proveedores, empresas regionales y pequeñas y medianas empresas, donde los costos de implementación y la falta de personal especializado siguen siendo barreras importantes.
Cómo medir si una inversión está funcionando
El retorno no siempre se expresa de inmediato como mayores ingresos. También puede observarse mediante menores costos, reducción de pérdidas, disminución de tiempos o una mejor utilización de los recursos disponibles.
Entre los indicadores que las empresas pueden revisar se encuentran:
- Horas de trabajo ahorradas por proceso.
- Disminución de errores y tareas repetidas.
- Reducción de costos operacionales o tecnológicos.
- Aumento de ventas, productividad o capacidad de atención.
- Cantidad de usuarios activos frente a licencias contratadas.
- Costo mensual por tarea procesada.
- Tiempo necesario para recuperar la inversión inicial.
- Incidentes de seguridad, filtraciones o resultados incorrectos.
La evaluación debe realizarse antes de ampliar un proyecto. Un piloto que no tiene un objetivo de negocio, un responsable y una medición definida puede mantenerse durante meses sin demostrar si aporta valor.
Las organizaciones con mayor rendimiento administran sus iniciativas de IA como un portafolio de inversiones. Esto supone asignar recursos a proyectos prioritarios, revisar periódicamente sus resultados y detener aquellos que no muestran avances verificables.
Seguridad, datos y uso no autorizado
El crecimiento de la inteligencia artificial también aumenta los riesgos asociados al manejo de información interna. Trabajadores que utilizan cuentas personales o plataformas abiertas pueden introducir contratos, bases de clientes, datos financieros, códigos informáticos o antecedentes confidenciales sin conocer las condiciones bajo las cuales serán procesados.
Las empresas necesitan establecer herramientas autorizadas, niveles de acceso, criterios para utilizar datos sensibles y mecanismos de revisión humana. También deben definir quién responde cuando un sistema entrega información incorrecta, genera contenido discriminatorio o toma una decisión que afecta a un cliente o trabajador.
La gobernanza no debería entenderse como un freno a la innovación. Una política clara permite ampliar el uso con menor exposición legal, operacional y reputacional.
La ventaja regional deberá reflejarse en productividad
Chile cuenta con infraestructura, conectividad, talento y un mercado empresarial dispuesto a invertir. Esa combinación entrega una posición favorable frente a otros países de la región, pero el monto desembolsado por sí solo no garantiza liderazgo económico.
El resultado dependerá de la capacidad de transformar herramientas aisladas en procesos integrados, capacitar a los trabajadores y medir el impacto real. También será necesario evitar la duplicación de plataformas, controlar las licencias sin uso y priorizar aplicaciones vinculadas con problemas concretos del negocio.
La discusión comienza a desplazarse desde cuántas empresas utilizan inteligencia artificial hacia cuánto producen, ahorran o mejoran gracias a ella. En esa etapa, la eficiencia y la rentabilidad serán más importantes que el volumen de inversión anunciado.
