El próximo Índice Latinoamericano de Inteligencia Artificial abre una oportunidad para mirar más allá de la posición de Chile: qué capacidades llegan a las empresas, cómo se convierten en resultados y qué falta construir desde territorios como Los Ríos.
Cuando se publica un índice internacional, la conversación suele comenzar con una pregunta: ¿en qué lugar quedó Chile?
Es una pregunta legítima. Pero resulta insuficiente.
Una posición puede ayudarnos a entender el entorno en el que avanzamos. No nos dice, por sí sola, si una empresa de Valdivia está resolviendo mejor sus problemas, si una organización puede confiar en sus datos o si un equipo sabe utilizar inteligencia artificial sin agregar nuevos riesgos a su trabajo.
El ranking importa. Lo que hacemos con esa información importa todavía más.
El 15 de octubre, la CEPAL anunció que presentará junto con CENIA la cuarta edición del Índice Latinoamericano de Inteligencia Artificial, ILIA 2026. El lanzamiento está previsto para el martes 20 de octubre, entre las 9:15 y las 11:30 horas de Chile, en Santiago.[1]
Al cierre de este artículo, el anuncio consultado no entrega las puntuaciones ni las posiciones de esta edición. No corresponde anticiparlas.
Sí podemos preparar una lectura más útil.
QUÉ MIRARÁ EL NUEVO ÍNDICE
Según el anuncio oficial, el ILIA 2026 evaluará a 20 países de América Latina y el Caribe en tres dimensiones: Factores Habilitantes; Investigación, Desarrollo y Adopción; y Gobernanza. Incorporará, además, una comparación con cinco países externos a la región.[1]
Esa mirada reúne condiciones que conviene analizar juntas. Contar con tecnología, desarrollar capacidades y establecer reglas son partes de un mismo desafío.
Pero aquí aparece una distinción esencial: una comparación entre países no sustituye el diagnóstico de una empresa ni describe automáticamente la realidad de cada territorio.
Un buen resultado nacional puede convivir con dificultades locales. Una organización también puede avanzar en un proceso concreto aunque su entorno tenga brechas. Para saber cuál es su situación, necesita evidencia propia.
Por eso, proponemos leer el nuevo índice con cinco preguntas sobre la mesa.
¿LAS CAPACIDADES ESTÁN REALMENTE AL ALCANCE?
Que exista una herramienta no significa que una empresa pueda aprovecharla.
Antes de incorporar IA, conviene revisar si están disponibles los datos necesarios, si existe una persona responsable del proceso y si el equipo dispone de tiempo para aprender y evaluar los resultados.
Una pregunta más útil que «¿qué aplicación deberíamos contratar?» sería: «¿qué nos impide mejorar hoy este trabajo?».
La respuesta puede ser tecnológica. También puede estar en registros incompletos, criterios diferentes entre áreas o tareas que nadie ha definido con claridad.
¿ESTAMOS CONTANDO USUARIOS O COMPROBANDO MEJORAS?
Tener personas utilizando IA es una señal de adopción. No demuestra, por sí solo, una mejora del negocio.
Imaginemos una empresa que la incorpora para preparar cotizaciones. La prueba no debería terminar cuando el sistema genera un documento convincente. También necesita comprobar cuánto tarda el proceso completo, cuántas correcciones requiere y si los precios y condiciones están bien aplicados.
El punto de comparación es el trabajo anterior. Sin esa referencia, resulta difícil distinguir una mejora real de una impresión favorable.
El propio programa del lanzamiento del ILIA incluye una discusión sobre adopción y captura de valor.[1] Esa diferencia merece llegar también a las conversaciones de las pymes.
¿QUIÉN REVISA, DECIDE Y RESPONDE?
La gobernanza puede parecer un asunto reservado para grandes organizaciones. Sin embargo, comienza con decisiones muy concretas.
Qué información puede utilizarse. Qué acciones requieren aprobación. Quién revisa un resultado antes de entregarlo a un cliente. Cómo se registra un error y quién puede detener el proceso.
No se trata de diseñar un reglamento enorme antes de empezar. Se trata de que el entusiasmo por automatizar no deje responsabilidades sin asignar.
En un proceso de bajo riesgo, los controles pueden ser sencillos. Cuando aumentan las consecuencias de equivocarse, la revisión debe ser proporcional.
¿EL CONOCIMIENTO QUEDA EN LA ORGANIZACIÓN?
Una implementación debería dejar algo más que acceso a una plataforma.
Debería dejar criterios documentados, personas capaces de operar el proceso y una forma de evaluar si sigue funcionando cuando cambia una herramienta o un proveedor.
Si solo una persona entiende cómo funciona la solución, hay una dependencia que conviene reconocer. Si nadie puede explicar cómo se comprueba el resultado, también.
La autonomía no exige construir toda la tecnología. Exige conservar suficiente conocimiento para tomar decisiones sobre ella.
¿QUÉ BRECHA PODEMOS CERRAR DESDE EL TERRITORIO?
Para Los Ríos, proponemos convertir la lectura del ILIA en una conversación práctica entre empresas, instituciones de formación, sector público y organizaciones del ecosistema tecnológico.
¿Qué problemas se repiten? ¿Qué capacidades pueden compartirse? ¿Dónde tendría sentido probar una solución y documentar lo aprendido?
Estas son preguntas editoriales para la región; no son conclusiones territoriales del ILIA 2026.
Por ejemplo, podríamos evaluar procesos de atención en turismo, preparación de propuestas en servicios o gestión de registros en actividades productivas. Son posibilidades que deben validarse con las organizaciones involucradas, no proyectos comprometidos ni resultados ya obtenidos.
Para ARIA Los Ríos, esta lectura puede aportar a una agenda de articulación. Para VirtualPoint, permite llevar la discusión al terreno de la implementación: problema definido, equipo preparado, prueba acotada y resultado comprobable.
DEL INFORME A UNA DECISIÓN
Cuando se presente el índice, sugerimos un ejercicio sencillo: elegir un proceso, describir su problema y registrar cómo funciona hoy.
Después, definir una prueba con una persona responsable, un indicador de resultado y un criterio para continuar, corregir o detenerse.
Puede tratarse de reducir tiempo de respuesta sin aumentar errores. De mejorar la calidad de un registro. O de eliminar una tarea repetitiva sin perder trazabilidad.
La medida dependerá del problema. La disciplina de comprobarla debería mantenerse.
El próximo ILIA nos permitirá observar nuevas evidencias sobre el entorno regional de la inteligencia artificial. Nuestra tarea será evitar que la conversación termine en celebrar o lamentar una posición.
Porque la pregunta que debería acompañar al ranking es otra:
¿Qué decisión vamos a tomar con esta información para trabajar mejor?
Mientras los gobiernos discuten cómo nombrar a la inteligencia artificial, la pregunta de fondo sigue abierta: ¿quién decide hacia dónde va?
Esta semana Estados Unidos anunció la creación de una “Super Intelligence Force”, un organismo para coordinar su liderazgo en la materia [1]. Días antes se había instruido usar “super inteligencia” en lugar de “inteligencia artificial” en documentos oficiales [2]. Y el presidente Trump reiteró que no permitirá frenar el desarrollo de esta tecnología [3][4]: quien gane en IA, gana [5].
Hay una ironía en ese cambio de nombre. En una entrevista reciente, Daniel Kokotajlo, ex investigador de OpenAI, define superinteligencia como sistemas mejores que los mejores humanos en todo, además de más rápidos y más baratos [6]. Es decir, se está normalizando la palabra “super” para algo que, por definición, nos supera en todo. Cambiar el nombre es fácil. Hacerse cargo de lo que describe, no tanto.
Lo que cuenta alguien que estuvo adentro
Kokotajlo trabajó en OpenAI desde 2022 y renunció en 2024. Según su propio relato, al salir le ofrecieron un acuerdo que le impedía criticar a la empresa y que lo habría dejado sin su participación accionaria, unos 2 millones de dólares, cerca del 80% de su patrimonio de entonces. No firmó. El caso se hizo público y, según cuenta, la empresa terminó retractándose [6]. Cuando le preguntan por qué lo hizo, responde algo simple: el dinero es agradable, pero a veces conviene tomar una postura por principio.
Lo que describe sobre la estrategia de los laboratorios es lo que más me hizo pensar. Según él, empresas como OpenAI y Anthropic buscan automatizar primero su propia investigación: sistemas que mejoran a otros sistemas, hasta llegar a algo superior a los humanos en todo. La automatización masiva del trabajo vendría después, como tercer paso. Eso significa que cuando la mayoría perciba el cambio en su empleo, el proceso ya estaría muy avanzado [6].
Agrega algo que debería inquietar a cualquiera: estos sistemas no son software tradicional, son redes neuronales con billones de conexiones que nadie puede leer como se lee un código. Existe un campo de investigación, la interpretabilidad, que intenta entender qué pasa adentro, pero es un problema difícil y, por ahora, no resuelto [6].
Su estimación central para la superinteligencia es 2029, con mucha incertidumbre: podría ser antes o bastante después. Y sobre el riesgo, estima en 70% la probabilidad de que todo salga muy mal, de las cuales la extinción es solo una de varias posibilidades [6]. Puede equivocarse, y él mismo dice que sería feliz si sus predicciones fallaran. Pero la pregunta que plantea no depende de su cifra: si alguien construye sistemas que se mejoran a sí mismos, ¿dónde queda el control?
Frenar no es detenerse
Aquí es donde el debate se enreda. Frenar suena a renunciar. En la propuesta de Kokotajlo y su equipo, “AI 2040: Plan A”, significa otra cosa: dejar de entrenar modelos más poderosos por un tiempo, seguir usando los que existen, exigir transparencia total a los laboratorios para que la comunidad científica pueda revisar qué se está construyendo, y repartir la capacidad entre varios países y empresas en lugar de concentrarla en un solo proyecto. En ese escenario la superinteligencia llegaría hacia 2040 y no hacia 2030 [7][8].
Lo más honesto es que sus autores presentan Plan A como una recomendación, no como una predicción [7][8]. En la entrevista, Kokotajlo dice que considera más probable el “Plan D”: que la carrera continúe casi sin regulación [6]. Y mientras tanto, la señal política de esta semana apunta en la dirección contraria: una fuerza, un zar y un cambio de nombre [1][4]. Hay quienes empujan lo opuesto, como el proyecto bipartidista en el Congreso (Lieu y Moran) que exigiría poder frenar o apagar sistemas avanzados [9]. La discusión existe. Lo que no existe, todavía, es una prioridad a la altura del tamaño de la pregunta.
Dinero, poder y sentido
Cuando la conversación llega al trabajo, Kokotajlo dice algo que me parece más profundo que cualquier cifra: qué trabajos sobreviven es más una cuestión política que técnica. Técnicamente, si el sistema puede hacer todo, puede hacer todos los empleos. Lo que quede dependerá de qué decidamos proteger: quizás cuidadores, quizás jueces que la ley obligue a ser humanos [6].
Plantea además que el trabajo nos da dos cosas: dinero y poder. Dinero para vivir; poder porque quien aporta a la economía tiene peso político. Si casi nadie aporta, salvo las empresas de IA y robótica, los gobiernos tendrían menos incentivos para escuchar a las personas. Por eso su propuesta incluye un “dividendo ciudadano” que, en su escenario, empezaría hacia 2033, y regulaciones para que las personas conserven voz y voto. Él mismo aclara que ese futuro es lo que recomienda y no lo que predice [6].
Aquí aparecen las preguntas que no se resuelven con un cheque. ¿Qué pasa con el sentido que muchas personas encuentran en lo que hacen? ¿Y con la creatividad? Kokotajlo señala que la creatividad suele juzgarse por el resultado y que, por el resultado, estos sistemas ya logran mucho [6]. Si es así, quizá lo que nos queda de propio es el proceso: la intención, el contexto, el porqué. Esa es mi reflexión, no la suya, y la dejo como pregunta.
Sí es suyo el consejo que le daría a su hija de seis años: más que prepararse para un empleo, intentar influir para que todo salga bien y, en lo personal, dedicarse a ser una buena persona y a hacer cosas valiosas por sí mismas [6]. Dicho por alguien que admite que esta conversación le pesa, tiene un peso humano que ninguna proyección económica captura.
El criterio humano
Si hay algo que me llevo de la entrevista es su mensaje final: dejar de preguntarnos si esto suena a ciencia ficción y mirar las tendencias. Informarnos, conversar, preguntarles a los candidatos qué piensan y votar en consecuencia. Para él, el problema central es que todavía no lo estamos tomando en serio [6].
Ahí el criterio humano sí tiene validez, y bastante. No porque pueda competir en velocidad, sino porque es lo único que puede decidir qué vale la pena, qué límites ponemos y para qué queremos esta tecnología.
Humano orquesta, IA ejecuta
Mi forma de entender esto cabe en una frase: humano orquesta, IA ejecuta. La IA puede tocar con una precisión que nosotros no alcanzamos. Pero alguien tiene que decidir qué se toca, para quién y por qué. Esa batuta no es un detalle técnico. Y solo se conserva si lo decidimos antes de que sea tarde.
También importa que las regiones tengamos voz. Estas decisiones parecen lejanas, cosas de Washington, Beijing o Bruselas, pero sus efectos llegan a todos los territorios. Esa conversación ya tiene un lugar en nuestra región. Desde ARIA Los Ríos, la Asociación Regional de Inteligencia Artificial de Los Ríos, la primera de su tipo en Chile y que tengo el honor de presidir, trabajamos para promover, articular y formar en inteligencia artificial desde el sur, con un enfoque sostenible, ético y humano. Porque si queremos que las decisiones sobre esta tecnología consideren a los territorios, necesitamos instituciones locales que se informen, dialoguen y propongan. En VirtualPoint trabajamos con tecnologías inmersivas e inteligencia artificial porque creemos en su potencial para ampliar la experiencia humana, no para reemplazarla. Esa convicción no es un eslogan. Es una decisión que se toma todos los días.
La pregunta queda abierta: ¿dónde ponemos el límite de velocidad?
El 23 de septiembre de 2026 ocurrió algo que probablemente tendrá más importancia con el tiempo de la que parece hoy.
Dario Amodei, CEO de Anthropic; Sam Altman, CEO de OpenAI; Yoshua Bengio y otros referentes de la inteligencia artificial participaron en una sesión del Consejo de Seguridad de Naciones Unidas dedicada a analizar las implicancias de la IA para la paz y la seguridad internacional.
El dato relevante no es solamente quién habló.
Es dónde ocurrió la conversación.
Durante años discutimos la inteligencia artificial principalmente como una tecnología capaz de aumentar productividad, automatizar tareas, transformar empresas o acelerar la investigación científica.
Ahora esa misma tecnología está entrando formalmente en uno de los espacios donde el mundo discute guerras, amenazas internacionales, armas, terrorismo y estabilidad global.
Eso cambia la escala del problema.
Respuesta corta
La inteligencia artificial de frontera está comenzando a ser tratada no solamente como una tecnología económica, sino también como una infraestructura estratégica cuya evolución puede afectar la seguridad internacional.
El desafío ya no consiste únicamente en regular aplicaciones.
Consiste en responder una pregunta mucho más difícil:
¿cómo verificamos que sistemas cada vez más poderosos continúen siendo seguros cuando su desarrollo ocurre principalmente dentro de unas pocas empresas y avanza más rápido que las instituciones encargadas de supervisarlos?
Esa fue, en el fondo, una de las preguntas que Dario Amodei llevó al Consejo de Seguridad.
De herramienta tecnológica a asunto de seguridad internacional
La intervención de Amodei se desarrolló dentro de una conversación bastante más amplia.
La inteligencia artificial ya participa en ciberseguridad, investigación científica, sistemas militares, análisis de inteligencia, generación de software, automatización de decisiones y desarrollo biológico.
Su capacidad para beneficiar a la humanidad puede ser extraordinaria.
Pero precisamente por eso el alcance de sus fallas también comienza a crecer.
Amodei lo resumió ante el Consejo de Seguridad con una advertencia directa: si la inteligencia artificial se gestiona mal, podría convertirse en un riesgo para la humanidad.
No significa que una catástrofe sea inevitable.
Tampoco significa que debamos detener el desarrollo tecnológico.
Significa algo mucho más incómodo:
estamos construyendo sistemas cuyo potencial crece más rápido que nuestra capacidad colectiva para comprenderlos, supervisarlos y establecer reglas compartidas.
La velocidad es parte del problema
Para entender la preocupación de Anthropic hay que observar lo que está ocurriendo dentro de los propios laboratorios.
En mayo de 2026, más del 80% del código incorporado al repositorio de Anthropic había sido escrito por Claude.
Un año antes esa proporción era radicalmente menor.
No estamos hablando simplemente de una herramienta que completa líneas de programación.
Estamos comenzando a ver sistemas de inteligencia artificial participando directamente en el proceso de desarrollar la siguiente generación de sistemas tecnológicos.
Aquí aparece uno de los conceptos más importantes de esta discusión: la aceleración recursiva del desarrollo.
La IA ayuda a construir software.
Ese software mejora los sistemas de IA.
Los nuevos sistemas pueden volver a acelerar la investigación y el desarrollo.
Y el ciclo continúa.
Dario Amodei lleva tiempo utilizando una metáfora provocadora para describir hacia dónde podría conducir esta trayectoria: un “país de genios en un centro de datos”.
No es una predicción demostrada ni una fecha garantizada.
Es una manera de imaginar qué ocurriría si millones de agentes digitales alcanzaran capacidades comparables o superiores a las de especialistas humanos y pudieran trabajar simultáneamente sobre ciencia, programación, ingeniería, estrategia o investigación.
En 2025, Amodei situaba ese escenario potencial alrededor de 2026 o 2027, aunque reconocía explícitamente la incertidumbre de la proyección.
La discusión relevante, por tanto, no es si la metáfora se cumplirá exactamente.
La pregunta es qué instituciones necesitamos antes de descubrirlo.
Claude ya está participando en descubrimientos científicos
Mientras el debate sobre los riesgos avanzaba en Naciones Unidas, Anthropic presentó además un experimento que muestra el otro lado de esta historia.
Un equipo de investigación biológica de la compañía utilizó Claude para explorar grandes conjuntos de secuencias de ADN.
El sistema identificó un nuevo sistema enzimático asociado a secuencias repetidas de ADN con características que recuerdan ciertos mecanismos presentes en CRISPR.
El hallazgo fue posteriormente llevado al laboratorio para su evaluación experimental.
Todavía no sabemos qué función biológica tendrá este sistema ni si terminará convirtiéndose en una herramienta útil.
Ese punto es fundamental.
No estamos frente a una nueva terapia genética descubierta automáticamente por una IA.
Estamos frente a algo quizá más interesante: una señal temprana de un cambio en el propio método científico.
Claude pudo explorar información, detectar patrones poco evidentes, revisar literatura, formular hipótesis y proponer líneas de investigación que luego científicos humanos comenzaron a verificar experimentalmente.
La IA deja entonces de ser solamente una herramienta para redactar informes científicos.
Comienza a participar en el proceso de descubrir qué investigar.
Ahí aparece la paradoja
La misma capacidad que puede acelerar descubrimientos en medicina, genética o biotecnología puede reducir también las barreras de conocimiento para actividades peligrosas.
Por eso Amodei distingue al menos dos grandes categorías de riesgo.
1. Mal uso
Un sistema altamente competente puede entregar capacidades avanzadas a personas u organizaciones que antes no disponían del conocimiento necesario.
El ejemplo más sensible es la biología.
El problema no consiste en que un modelo “fabrique” automáticamente un arma biológica.
El riesgo es que pueda reducir progresivamente el conocimiento especializado, el tiempo y los recursos necesarios para que un actor malicioso avance en esa dirección.
La misma democratización del conocimiento que puede acelerar descubrimientos científicos puede democratizar capacidades peligrosas.
2. Pérdida de control
Este segundo riesgo es diferente.
No depende necesariamente de un atacante.
Surge cuando sistemas altamente autónomos desarrollan comportamientos que sus propios creadores no comprenden completamente o que resultan difíciles de dirigir.
La investigación en alineación intenta precisamente responder a este problema:
¿cómo aseguramos que sistemas cada vez más capaces continúen persiguiendo los objetivos que realmente queremos?
No es necesario imaginar robots tomando el control del planeta.
El problema puede comenzar de manera mucho más mundana.
Un agente recibe un objetivo.
Encuentra una estrategia inesperada para cumplirlo.
Utiliza permisos que nadie había previsto.
Interactúa con otros sistemas.
Oculta información.
Optimiza una métrica equivocada.
Mientras más autonomía entregamos, más importante se vuelve nuestra capacidad para observar qué está ocurriendo.
La propuesta más interesante: inspectores dentro de los laboratorios
Aquí aparece probablemente una de las ideas más concretas de Amodei.
Anthropic anunció que permitirá que evaluadores externos independientes tengan acceso permanente comparable al de empleados para observar determinados procesos relacionados con entrenamiento, operación y seguridad de sus modelos.
Amodei lo compara con algo deliberadamente cotidiano:
un inspector de alimentos.
La analogía es poderosa.
No esperamos que un restaurante publique voluntariamente todos sus problemas sanitarios.
Creamos sistemas independientes de inspección.
No confiamos exclusivamente en que una institución financiera declare que todos sus procesos son correctos.
Existen auditorías.
No permitimos que un fabricante de aeronaves decida por sí solo cuándo un avión es suficientemente seguro para transportar pasajeros.
Existen certificaciones, estándares y verificadores.
La pregunta es por qué deberíamos aceptar un estándar menor para sistemas de inteligencia artificial potencialmente mucho más poderosos.
La propuesta de Anthropic consiste en avanzar desde la transparencia voluntaria hacia una forma de observabilidad verificable.
No solamente preguntar a una empresa:
“¿Su modelo es seguro?”
Sino permitir que alguien independiente pueda comprobarlo.
Los tres pilares que Amodei llevó a Naciones Unidas
Durante su intervención, Amodei planteó tres áreas concretas donde podría comenzar la cooperación internacional.
1. Acuerdos acotados sobre riesgos extremos
Intentar crear inmediatamente una regulación mundial completa para toda la inteligencia artificial probablemente sería inviable.
La alternativa es comenzar por ámbitos donde pueda existir un consenso más amplio.
Uno de ellos podría ser prohibir internacionalmente el uso de sistemas de IA para facilitar el desarrollo de armas biológicas.
No resolvería todos los riesgos.
Pero establecería una primera línea roja verificable.
2. Evaluación y verificación entre países
Los acuerdos internacionales sirven solamente si existe alguna forma de comprobar su cumplimiento.
Por eso el segundo elemento es construir sistemas de evaluación que permitan conocer las capacidades relevantes de los modelos de frontera.
Esto introduce una idea que podría transformarse en una de las palabras más importantes de la próxima etapa de la inteligencia artificial:
Verificación.
No basta con compromisos.
No basta con principios éticos.
No basta con declaraciones de buenas intenciones.
Necesitamos mecanismos capaces de entregar evidencia.
3. Estándares comunes y notificación de incidentes
La tercera propuesta apunta a establecer métodos compartidos para evaluar riesgos como pérdida de control, capacidades peligrosas o comportamientos inesperados.
También contempla mecanismos internacionales para reportar incidentes relevantes.
Algo parecido ya ocurre en otras industrias críticas.
Cuando existe un incidente aéreo, sanitario, financiero o nuclear, no se analiza solamente como un problema privado de una empresa.
Se convierte en información necesaria para mejorar la seguridad del sistema completo.
La inteligencia artificial probablemente necesitará aprender la misma lección.
Pero existe otro problema: ¿quién gobierna a quienes construyen la IA?
Aquí la conversación se vuelve más compleja.
Las empresas que desarrollan los sistemas más avanzados son también actores económicos que compiten entre sí.
Anthropic, OpenAI, Google, Meta, xAI y otras compañías tienen enormes incentivos comerciales para desarrollar modelos más capaces.
Por eso cualquier propuesta proveniente de estas empresas debe analizarse con dos ideas simultáneamente.
Primero: probablemente poseen conocimiento técnico indispensable para comprender los riesgos.
Segundo: también poseen intereses comerciales.
Ambas cosas pueden ser ciertas al mismo tiempo.
La gobernanza no puede construirse ignorando a quienes desarrollan la tecnología.
Pero tampoco puede depender exclusivamente de ellos.
Ese equilibrio probablemente definirá una parte importante de la política tecnológica mundial durante los próximos años.
La discusión no termina en Naciones Unidas
Sería fácil pensar que todo esto pertenece a gobiernos, laboratorios estadounidenses o instituciones internacionales.
Sería un error.
La misma lógica está comenzando a descender hacia empresas, universidades, instituciones públicas y organizaciones de todos los tamaños.
A otra escala, las preguntas son exactamente las mismas.
¿Qué sistemas de IA estamos utilizando?
¿Qué información pueden consultar?
¿Qué decisiones pueden tomar?
¿Qué permisos tienen?
¿Quién supervisa sus resultados?
¿Qué ocurre cuando se equivocan?
¿Existe registro de sus decisiones?
¿Existe un procedimiento para reportar un incidente?
¿Sabemos qué modelos participan en procesos críticos?
Durante los próximos años, la gobernanza de inteligencia artificial probablemente dejará de ser un documento ético guardado en una carpeta.
Se convertirá en infraestructura operacional.
De la confianza a la evidencia
Quizá esta sea la transformación más importante detrás de la comparecencia de los líderes de IA ante Naciones Unidas.
Hasta ahora buena parte del ecosistema ha funcionado sobre confianza.
Confiamos en que las empresas prueban adecuadamente sus modelos.
Confiamos en que los desarrolladores conocen sus límites.
Confiamos en que los usuarios actuarán responsablemente.
Confiamos en que podremos intervenir si algo sale mal.
Pero cuando una tecnología comienza a participar en investigación científica, infraestructura, seguridad, información, economía y decisiones estratégicas, la confianza deja de ser suficiente.
Necesitamos evidencia.
Necesitamos evaluación.
Necesitamos trazabilidad.
Necesitamos mecanismos de supervisión.
Y probablemente necesitaremos instituciones que todavía no existen.
El verdadero desafío no es frenar la inteligencia artificial
Existe una falsa dicotomía que conviene superar.
Innovar o regular.
Avanzar o detenerse.
Optimismo o miedo.
La discusión real es bastante más sofisticada.
La humanidad probablemente querrá aprovechar sistemas capaces de acelerar descubrimientos científicos, mejorar diagnósticos médicos, aumentar productividad y resolver problemas extremadamente complejos.
Renunciar a esas posibilidades tendría también un costo.
Pero acelerar sin construir simultáneamente nuestra capacidad para comprender, evaluar y gobernar esos sistemas sería igualmente irresponsable.
La pregunta correcta no es cuánto podemos acelerar.
Es qué tan rápido podemos avanzar sin perder nuestra capacidad de decidir el rumbo.
Una nueva etapa
Que Dario Amodei haya hablado ante el Consejo de Seguridad de Naciones Unidas no significa que el mundo haya encontrado una solución.
De hecho, ocurre exactamente lo contrario.
Demuestra que recién estamos empezando a comprender la dimensión del problema.
La inteligencia artificial está dejando de ser únicamente una tecnología que utilizamos.
Está comenzando a convertirse en una capacidad capaz de modificar ciencia, economía, seguridad y poder.
Eso exige una evolución equivalente de nuestras instituciones.
Porque quizá el desafío más importante de esta década no sea construir inteligencia artificial cada vez más poderosa.
Será demostrar que nuestra capacidad colectiva para gobernarla puede evolucionar con la misma rapidez.
Y esa conversación no puede quedar limitada a Naciones Unidas, a los grandes laboratorios tecnológicos o a los centros de decisión de Estados Unidos, Europa o Asia.
También debe comenzar a construirse desde los territorios.
En ARIA Los Ríos hemos planteado precisamente la necesidad de avanzar hacia una adopción de inteligencia artificial que combine innovación, desarrollo productivo, formación, colaboración público-privada y gobernanza. No se trata solamente de lograr que más organizaciones utilicen IA, sino de generar capacidades regionales para comprenderla, evaluarla y participar activamente en las decisiones que acompañarán su desarrollo.
Regiones como Los Ríos tienen una oportunidad particularmente interesante: no necesitan esperar a que todos los modelos de gobernanza estén definidos desde el nivel central para comenzar a construir buenas prácticas, espacios de conversación, mecanismos de colaboración y una cultura de adopción responsable.
La gobernanza global necesita tratados y estándares internacionales.
Pero también necesita territorios capaces de transformar esos principios en prácticas concretas.
En VirtualPoint creemos que adoptar inteligencia artificial no consiste solamente en incorporar nuevas capacidades.
También significa construir criterio, trazabilidad, supervisión y gobernanza alrededor de ellas.
La transformación comienza con la tecnología.
La confianza comienza cuando podemos demostrar cómo la estamos utilizando.
Y quizá la verdadera madurez llegue cuando dejemos de preguntarnos solamente qué puede hacer la inteligencia artificial, para comenzar a decidir colectivamente qué queremos hacer nosotros con ella.
Fuentes consultadas
Naciones Unidas. Registro de la sesión del Consejo de Seguridad sobre inteligencia artificial y seguridad internacional, 23 de septiembre de 2026.
Anthropic. Claude discovers a novel enzyme system with CRISPR-like repeats, 23 de septiembre de 2026.
Anthropic. Investigación sobre mejora recursiva y uso de Claude en desarrollo de software.
Dario Amodei / Anthropic. Declaraciones sobre el concepto de un “country of geniuses in a datacenter”.
Associated Press. Cobertura de la sesión del Consejo de Seguridad, 23 de septiembre de 2026.
The Guardian. Cobertura de las intervenciones de Dario Amodei y Sam Altman ante Naciones Unidas.
Chile acaba de publicar la Ley 21.838 sobre transferencia de tecnología y conocimiento. Su propósito es acercar los resultados de la investigación a la sociedad y a la industria. Es un paso relevante, pero también plantea una pregunta incómoda: ¿cuánto conocimiento valioso existe hoy que no llega a quienes podrían utilizarlo?
En las regiones, esta distancia se vuelve concreta. Una universidad puede estudiar un problema ambiental; una pequeña empresa puede estar intentando resolverlo; un municipio puede necesitar evidencia para decidir. Los tres actores comparten territorio, pero no necesariamente información, lenguaje ni tiempos de trabajo.
Del resultado científico al problema real
La ley reconoce que las instituciones de educación superior deben prestar atención a los desafíos sociales, ambientales y económicos de los territorios donde se encuentran. También promueve la colaboración con empresas, organismos públicos y organizaciones de la sociedad civil.
Ese enfoque importa porque transferir conocimiento no consiste simplemente en publicar un estudio o entregar una tecnología. Requiere entender quién enfrenta el problema, qué evidencia existe, qué resultado puede aplicarse y bajo qué condiciones. Sin esa traducción, incluso una buena investigación puede quedarse lejos de la decisión que necesita mejorar.
Abrir información no basta
La norma crea un Repositorio Nacional de Conocimiento e Información Científica y Tecnológica, a cargo de ANID, concebido como un espacio público y gratuito. Podrá reunir información sobre proyectos financiados con fondos públicos, publicaciones y datos científicos.
Es una infraestructura prometedora, pero todavía hay una diferencia entre que la información esté disponible y que alguien pueda encontrar en ella una respuesta útil. Un listado de proyectos no muestra por sí solo qué problema territorial aborda cada uno, qué resultados son aplicables o con quién corresponde conversar.
Ahí aparece una tarea para las plataformas de inteligencia: conectar fuentes verificables con necesidades concretas, conservar el contexto y mostrar también las limitaciones de la evidencia. La inteligencia artificial puede ayudar a ordenar y explorar esas relaciones, pero no debería reemplazar la revisión humana ni presentar como solución comprobada lo que todavía es una posibilidad.
La oportunidad regional
La ley también pone atención en las pequeñas y medianas empresas dentro de los procesos de transferencia. Para ellas, el obstáculo no siempre es la falta de innovación: muchas veces es no saber qué conocimiento existe, cómo acceder a él o si sirve para su situación particular.
Imaginemos una herramienta que parta de una necesidad —por ejemplo, mejorar un proceso productivo o enfrentar un cambio ambiental— y permita recorrer la evidencia disponible, los proyectos relacionados, sus responsables y las condiciones para una eventual colaboración. Su valor no estaría en prometer respuestas automáticas, sino en hacer visible un camino que hoy suele estar fragmentado.
La Ley 21.838 abre un marco para que el conocimiento circule. Convertirlo en capacidades, mejores decisiones e impacto territorial exigirá algo más: instituciones dispuestas a colaborar, información confiable y herramientas diseñadas alrededor de problemas reales.
El Gobierno ingresó el 1 de septiembre un proyecto para correr la Ley 21.719 al 1 de diciembre de 2027. Mientras el Congreso no lo apruebe, la fecha que obliga sigue siendo el 1 de diciembre de 2026. Y aunque se apruebe, el trabajo que hay que hacer es exactamente el mismo.
Hay una diferencia que conviene tener clara antes de tomar cualquier decisión en su empresa: anunciar no es aprobar, y aprobar no es estar vigente. Confundir esas etapas es lo que va a dejar a varias organizaciones de la región con un problema en diciembre.
Lo que pasó exactamente
La Ley 21.719, que regula la protección y el tratamiento de los datos personales y crea la Agencia de Protección de Datos Personales, se publicó en diciembre de 2024 con una vacancia legal de dos años. Su entrada en vigencia quedó fijada para el 1 de diciembre de 2026.
El problema no fue el texto, fue la instalación. La Agencia nunca alcanzó a tener Consejo Directivo: el Senado rechazó la terna en mayo de 2026 y en junio venció el plazo legal para nombrar a los consejeros. Sin agencia no hay fiscalizador, y sin fiscalizador la ley entra en vigencia en el vacío.
El 1 de septiembre de 2026 el Ejecutivo ingresó al Senado el boletín 18623-07, con suma urgencia, radicado en las comisiones de Hacienda y Constitución. Propone tres cosas: postergar la entrada en vigencia al 1 de diciembre de 2027, aumentar el Consejo Directivo de la Agencia de tres a cinco integrantes con dedicación exclusiva, y obligar a que la primera designación de consejeros ocurra a más tardar doce meses antes de la vigencia. El núcleo de la ley no se toca.
Al cierre de este artículo el proyecto está en tramitación. No ha sido votado, no ha sido aprobado, no se ha publicado ninguna ley modificatoria. En términos prácticos: la fecha legalmente exigible sigue siendo el 1 de diciembre de 2026 y lo será hasta que aparezca una norma nueva en el Diario Oficial.
Por qué esta es, en la práctica, la ley de IA que ya rige en Chile
El proyecto que regula los sistemas de inteligencia artificial (boletín 16821-19) sigue en segundo trámite en el Senado. Su último movimiento oficial es del 1 de septiembre de 2026 y consiste, otra vez, en una renovación de urgencia. La indicación sustitutiva que el Ejecutivo anunció para septiembre todavía no ingresa. No hay ley de IA en Chile y no la habrá pronto.
Pero toda inteligencia artificial aplicada corre sobre datos, y ahí sí hay norma. La Ley 21.719 exige base de licitud para tratar datos, finalidad determinada y explícita, plazos de conservación, y —esto es lo crítico para cualquier modelo predictivo— regula las decisiones automatizadas que producen efectos jurídicos sobre las personas o las afectan significativamente.
Si su sistema prioriza quién recibe un beneficio, ordena una lista de espera, filtra postulantes, asigna un puntaje de riesgo o decide a quién se contacta primero, eso ya está regulado en Chile. No hace falta esperar la ley de IA. Las infracciones más graves llegan a 20.000 UTM y, en casos de reincidencia de empresas de mayor tamaño, hasta el 4% de los ingresos anuales.
Qué significa esto para Los Ríos
En nuestra región esos datos tienen cara. Son de pacientes de la red asistencial, de turistas que reservan una cabaña en Panguipulli, de trabajadores de plantas de proceso, de vecinos que hacen un trámite municipal en línea a las once de la noche porque no pueden ir en horario de oficina.
El anuncio de postergación crea el peor incentivo posible para una pyme regional o un municipio pequeño: parar la preparación y volver a mirarlo en un año. Es una decisión que se entiende, porque nadie quiere invertir horas en algo cuya fecha se mueve. Y es exactamente la decisión que después cuesta caro.
Un año más de plazo no reduce el trabajo. Lo aplaza. Y lo aplaza contra una fecha que, hoy, todavía no ha cambiado.
Las cuatro cosas que no conviene aplazar
Ninguna de estas requiere esperar al Congreso, ni comprar software, ni contratar a un estudio de abogados para partir.
1. Levante el inventario de tratamientos. Qué datos personales tiene su organización, dónde están, quién los ingresó, quién puede verlos y por qué existen. La mayoría de las empresas que acompañamos descubre en este paso bases de datos que nadie recordaba: planillas de un proyecto cerrado, correos de una campaña de 2021, formularios de contacto acumulados en el hosting.
2. Defina finalidad y plazo de conservación de cada uno. Para qué se recogió ese dato y hasta cuándo se justifica tenerlo. Guardar todo para siempre dejó de ser gratis.
3. Revise los contratos con proveedores de IA que procesan datos fuera de Chile. Casi toda herramienta de IA generativa que su equipo usa a diario envía información a servidores en otro país. Eso no está prohibido, pero sí exige saber qué se envía, bajo qué condiciones contractuales y con qué garantías. Si nunca ha leído esa cláusula, es el momento.
4. Deje por escrito qué decisiones toma un algoritmo y quién responde por ellas. Un nombre, un cargo, una persona. Si no hay alguien que pueda explicar por qué el sistema decidió lo que decidió, no tiene un problema regulatorio: tiene un problema de gestión que la regulación solo va a hacer visible.
El mismo inventario sirve para la ley de IA que viene
Este es el punto que más se pasa por alto. Ese inventario de tratamientos, esas finalidades escritas, ese registro de decisiones automatizadas son el mismo insumo que va a exigir cualquier versión de la ley de inteligencia artificial, sea la que está en el Senado o la que el Ejecutivo anunció para reemplazarla.
El debate público está en si Chile regula la IA con control previo, al modo europeo, o con sanción posterior, al modo estadounidense o singapurense. Es una discusión relevante. Pero en las dos versiones alguien va a tener que demostrar qué hace su sistema, con qué datos y bajo la responsabilidad de quién. Hacerlo ahora no es adelantarse a una ley: es dejar de improvisar.
Lo que está haciendo ARIA Los Ríos
ARIA Los Ríos, la primera asociación regional de inteligencia artificial de Chile, se constituyó justamente para que este tipo de discusión no llegue traducida desde Santiago tres años tarde. Su objeto estatutario es promover y articular el desarrollo de la inteligencia artificial desde la Región de Los Ríos con un enfoque sostenible, ético y humano, y eso incluye lo menos glamoroso del asunto: que una pyme de Valdivia o una municipalidad de Lago Ranco tengan a quién preguntarle qué significa esto para ellas.
El mensaje que la asociación sostiene con sus asociados es el contrario al que instala el anuncio de postergación. La incertidumbre regulatoria no es una razón para detenerse; es la razón para partir por lo que no va a cambiar. El inventario no va a cambiar. Las finalidades no van a cambiar. La pregunta de quién responde por una decisión automatizada no va a cambiar.
Como presidente de ARIA y desde VirtualPoint, la conversación que estamos teniendo con empresas y municipios de la región esta primavera es esa: no cuál herramienta comprar, sino qué datos tiene y qué está decidiendo con ellos. Es aburrido. También es lo único que sirve tanto si la ley entra en diciembre de 2026 como si entra en diciembre de 2027.
En VirtualPoint trabajamos con organizaciones chilenas en la adopción de inteligencia artificial partiendo por el problema de negocio, no por la herramienta. Si su empresa o servicio está usando IA sobre datos de personas y no tiene claro dónde está parada, conversemos: virtualpoint.cl
