Por Ignacio Muñoz
En 2025 casi todas las conversaciones estratégicas sonaron parecido: IA generativa, automatización, datos, “experiencias digitales” y presión por hacer “algo” antes que la competencia. Se lanzaron pilotos, se compraron licencias, se armaron squads.
Pero al cerrar el año, los tiempos de respuesta, los costos y las quejas de clientes siguen siendo casi los mismos. Lo que cambió no fue el Excel, sino la ansiedad tecnológica.
La tesis de este texto es simple: 2026 va a separar a las organizaciones que innovan con propósito de las que siguen coleccionando proyectos aislados. Las primeras están alineando estrategia, datos, arquitectura y modelo operativo; las segundas siguen persiguiendo “hype” sin conseguir resultados sostenibles.
Escribí este blog con el objetivo de ayudar a directorios y C-levels a leer los aprendizajes de 2025 y convertirlos en decisiones concretas para 2026, especialmente en industrias como banca, retail y seguros en Chile y Latinoamérica.
Qué nos dice 2025: datos que no podemos ignorar
No es que falte presupuesto ni discurso. El problema es dónde se está poniendo el foco.
- Según IDC, el gasto mundial en iniciativas de transformación digital alcanzará los 3,9 billones de dólares en 2027, con una tasa de crecimiento anual de 16,1%. No es falta de inversión; es falta de retorno claro.
- En la HLB Survey of Business Leaders 2025, 71% de los ejecutivos de América Latina señala la eficiencia operativa como principal motor de crecimiento, seguida por reducción de costos (55%) y adopción de nuevas tecnologías (55%). El mensaje es consistente: la tecnología ya no se evalúa solo por “innovar”, sino por su efecto en productividad y margen.
- El Índice Latinoamericano de Inteligencia Artificial 2024 sitúa a Chile como líder regional en IA, con 73,07 puntos sobre 100, destacando infraestructura, talento y gobernanza. La capacidad existe; el problema ya no es “si se puede”, sino “dónde tiene sentido aplicar IA primero”.
- El reporte The Data Reality Check: 2025 Data and AI Adoption de DataArt indica que 82% de las organizaciones no está preparada, cultural ni operativamente, para soportar IA en producción, y que 73% de los expertos identifica la gobernanza como principal barrera para la implementación de IA.
- El informe State of Enterprise AI de ISACA muestra que 83% de las organizaciones ya usa IA en alguna parte del negocio, pero solo 31% cuenta con una política integral de uso de IA. Es decir, el uso crece más rápido que la capacidad de gobernarlo.
En paralelo, DataArt resume muy bien el momento en su reporte Data & AI Trends in 2026: 2025 fue el año de la experimentación masiva; 2026 será el año del “foundation-first”, donde la ventaja competitiva la obtendrán las empresas que inviertan en datos, gobierno y arquitectura antes que en más “features de IA”.
Para un banco, un retailer o una aseguradora esto se traduce en una pregunta incómoda:
¿Tu presupuesto 2026 está priorizando realmente capacidades estructurales (datos, arquitectura, governance, modelos operativos) o solo más proyectos vistosos de IA?
Problema central: innovación sin propósito y pilotos eternos
En 2025 vimos tres patrones repetirse en la región:
- Pilotos eternos
Casos de uso de IA que se prueban en sandbox, se presentan en comités… y nunca llegan a producción porque no hay datos limpios, dueño de proceso ni criterios claros de éxito.- Tecnología por presión competitiva, no por caso de negocio
Se implementan chatbots, asistentes de agente, scoring “con IA”, sin haber definido qué métrica concreta deben mover: ¿disminuir TMO? ¿reducir siniestralidad? ¿mejorar cross-sell?- Arquitecturas improvisadas
Integraciones punto a punto, múltiples lagos de datos sin gobierno, pipelines frágiles. Cada nuevo caso de uso es un proyecto artesanal, caro de mantener.Según Boston Consulting Group, solo alrededor del 5% de las organizaciones está generando valor a escala con IA, mientras que casi 60% declara ver poco o ningún impacto a la fecha. No es porque la tecnología no funcione, sino porque la mayoría de las empresas se queda en la fase “experimento + presentación” sin cerrar el círculo con procesos, personas y métricas de negocio.
En otras palabras: el problema ya no es la IA; es la disciplina alrededor de la IA.
De iniciativas aisladas a sistemas: cómo se ve la madurez
Las organizaciones que realmente avanzaron en 2025 comparten rasgos muy concretos:
- Hoja de ruta de datos y IA conectada al plan de negocio
Las prioridades de datos, automatización y modelos se derivan de metas claras: bajar costo por operación, reducir fraude, aumentar recurrencia de compra, mejorar NPS, etc.- Arquitectura definida, no colección de parches
Data lakes, warehouses, APIs, colas de eventos, herramientas de observabilidad y catálogos de datos están orquestados bajo un diseño claro, no por “lo que alcanzó el presupuesto de este año”.- Modelo operativo explícito
No se delega “la IA” al área de innovación. Se define cómo colaboran negocio, TI, riesgos y datos; quién decide qué se va a producción; quién responde por desviaciones.- Gobernanza pragmática
No se trata de llenar matrices, sino de asegurar trazabilidad, calidad de datos, revisión de modelos, gestión de sesgos y cumplimiento regulatorio con frameworks simples y aplicables.El reporte Data & AI Trends in 2026 insiste en este punto: las organizaciones que están viendo resultados son las que tratan los datos como un sistema vivo, con capas semánticas, modelos de dominio y gobierno continuo, no solo como un “repositorio” donde dejar información.
Análisis técnico orientado al negocio: fundaciones antes que fuegos artificiales
Hablar de “innovación con propósito” en 2026 implica descender a temas incómodos, pero críticos: arquitectura, integración, gobernanza y operación.
Arquitectura y datos: del lago caótico a la capa semántica
DataArt viene empujando un enfoque “foundation-first” en su informe Data & AI Trends in 2026: sin una base sólida de datos, cualquier iniciativa de IA a escala es frágil.
Esto se traduce en conceptos muy concretos:
- Plataformas de datos cloud-native que permitan ingestión en tiempo real, historización y acceso gobernado.
- Capas semánticas y modelos de dominio, que abstraen la complejidad técnica y permiten hablar en términos de “cliente”, “riesgo”, “operación”, “producto”, en lugar de tablas y campos sueltos.
- Calidad y linaje de datos, para saber de dónde viene cada dato, qué transformaciones ha sufrido y si es confiable para tomar decisiones o entrenar modelos.
En el reporte The Data Reality Check: 2025 Data and AI Adoption, DataArt documenta que 67% de las iniciativas de IA se estancan por problemas de calidad de datos y que 84% de los despliegues exitosos de IA se construyeron sobre infraestructura cloud-native.
Gobernanza y riesgo: IA sí, pero con reglas claras
El dilema ya no es “usar o no IA”, sino cómo usarla de forma segura, auditable y alineada con reguladores y clientes.
- El informe de ISACA ya mencionado muestra la brecha entre uso de IA (83%) y políticas integrales (31%).
- Para banca y seguros, esto se conecta directamente con gestión de sesgos, explicabilidad de modelos, tratamiento de datos personales y cumplimiento normativo.
Aquí la conversación deja de ser puramente técnica y pasa a involucrar a riesgo, legal, compliance y ética de datos. Las organizaciones maduras no improvisan: definen marcos de evaluación de modelos, revisan datasets de entrenamiento y documentan decisiones.
Capacidad de entrega: talento + frameworks + aceleradores
Finalmente, ningún roadmap de IA funciona si cada caso de uso se aborda como un proyecto aislado. DataArt, por ejemplo, ha anunciado un compromiso de 100 millones de dólares para fortalecer sus capacidades de datos e IA, con foco en estrategia de datos, ingeniería de plataformas y generative AI aplicada.
Esa inversión no es solo infraestructura: incluye marcos de trabajo, aceleradores y modelos comerciales que facilitan llevar casos de uso desde la idea hasta producción, reduciendo el costo de aprender “desde cero” en cada iniciativa. ACL, como parte de esa red, está extendiendo esos enfoques al contexto chileno y latinoamericano.
Innovar con propósito, no con ansiedad tecnológica
2025 nos dejó una lección clara: no gana quien hace más ruido con IA, sino quien logra conectar arquitectura, gobierno y operación con objetivos de negocio concretos.
DataArt está apostando fuerte en esa dirección, con un compromiso de 100 millones de dólares en datos e IA y una red global de expertos que ya están aplicando este enfoque foundation-first en múltiples industrias. ACL, como parte de esa red en Chile y la región, existe precisamente para traducir esa experiencia global al contexto regulatorio, cultural y operativo local.
Si estás revisando tu estrategia de innovación para 2026, mi recomendación es simple:
Empieza por las decisiones críticas, no por las tecnologías de moda. Asegúrate de que tus inversiones en IA y automatización estén ancladas en datos, arquitectura y modelos operativos que tu organización pueda gobernar y escalar.
Si quieres evaluar dónde estás hoy en ese camino y qué implicaría avanzar hacia un modelo foundation-first en tu banco, retailer o aseguradora, conversemos. En ACL powered by DataArt podemos ayudarte a revisar tu hoja de ruta de datos e IA para 2026–2027, con la mirada pragmática de quien está construyendo sistemas reales, no solo presentaciones.
.webp)
