¿Cuál es el principal reto para escalar los pilotos de IA agéntica?
En Chile, el principal desafío está en la preparación de los datos. La brecha queda en evidencia en el reciente estudio “Índice de Transformación Digital en Inteligencia Artificial 2026” (ITD-IA Nacional 2026, Corfo, Cámara de Comercio de Santiago y PMG Chile): un 66% de las organizaciones está en fase de pilotaje, un 25% en exploración, un 8% en escalamiento y solo un 1% en liderazgo. El principal reto es contar con datos confiables, centralizados y preparados para llevar estas iniciativas desde el piloto hacia una capacidad real y escalable para el negocio.
Madurez de las empresas chilenas en IA (2026)
¿Qué rol cumplen la integración, calidad y gobernanza de los datos?
Son la base de la confianza en la IA. Los datos deben ser integrados, de calidad, trazables y estar disponibles cuando el negocio los necesite. La integración conecta las distintas fuentes; la calidad permite confianza en la información que entrega la IA; y la gobernanza establece reglas, responsabilidades y mecanismos de control.
Estar preparados para la IA no significa simplemente tener una herramienta disponible, sino construir una arquitectura capaz de entregar información confiable, integrada y gobernada. Esto es aún más relevante en la IA agéntica, donde los sistemas pueden interpretar información, tomar decisiones y ejecutar acciones.
¿Cómo construir una plataforma de datos preparada para la IA?
En Abisko Group, tenemos una mirada integral del ecosistema de datos, abordando el desafío desde la integración, gestión y gobernabilidad de los datos, ayudando a las organizaciones a cerrar la brecha entre los datos que tienen hoy y los que necesitan para generar valor con IA. La clave es construir un sistema de datos que responda a las necesidades actuales, pero que también pueda evolucionar con los futuros desafíos de IA.
¿Qué deberían priorizar las empresas para avanzar hacia una IA Agéntica segura y escalable?
Primero, deberían evaluar su nivel de preparación de datos antes de acelerar la incorporación de nuevos modelos o agentes. Es necesario saber: qué datos tiene la organización, dónde se encuentran, qué calidad y validez poseen, cómo están integrados, quién los gobierna, qué tan accesibles son y si están disponibles con la velocidad que requieren los procesos que se quieren automatizar.
A partir de ese diagnóstico, la prioridad debería ser construir una plataforma de datos que permita sostener la IA: integración, calidad, gobierno, seguridad, trazabilidad, accesibilidad y disponibilidad.
Esto también implica cambiar la lógica de implementación. No deberíamos construir una infraestructura de datos solamente para resolver un piloto, sino una capacidad que permita soportar diferentes casos de uso y evolucionar junto con el negocio y las nuevas tecnologías.
El objetivo no es avanzar más rápido a cualquier costo, sino construir las condiciones para hacerlo de manera confiable y sostenible. La IA suele ser el destino, pero los datos siguen siendo el camino.
