Ingresar
5 min
La IA puede ser una palanca de transformación profunda. Pero sin una dirección estratégica que priorice la diferenciación sobre la moda, corre el riesgo de ser una distracción costosa.
Cuando hablamos de Inteligencia Artificial (IA), la conversación suele centrarse en sus capacidades funcionales. Modelos generativos como ChatGPT ya transforman tareas administrativas y de programación. Sin embargo, la evolución hacia la “IA agencial” —sistemas capaces de ejecutar acciones autónomas, perseguir objetivos de largo aliento y ajustar decisiones ante cambios en el entorno— amplía radicalmente el horizonte de riesgo y oportunidad.
¿Qué implica esto en la práctica? En seguros, un agente de IA podría realizar una gestión de siniestros end-to-end: desde analizar evidencia documental hasta autorizar pagos o coordinar peritos, desplazando el juicio humano hacia la periferia.
En la banca, la detección de fraude evolucionaría de la señalización a la ejecución: el sistema bloquea transacciones y reconfigura patrones de riesgo de forma independiente. En la intermediación de valores, un agente de IA podría gestionar márgenes de forma autónoma: detectar la caída de valor de una garantía, calcular el requerimiento adicional y, ante la falta de respuesta oportuna del cliente, liquidar posiciones para cubrir el riesgo; todo sin que un ejecutivo humano intervenga en la decisión.
El potencial de productividad es evidente. Pero desde la perspectiva de la estrategia competitiva, la productividad es una condición necesaria pero insuficiente.
La trampa del “Technology Push Bias”
Los patrones recientes de adopción de la IA son consistentes con un fenómeno de technology push bias: una difusión impulsada por la disponibilidad y visibilidad de la tecnología, más que por una tesis estratégica claramente articulada sobre la creación de valor. La IA constituye un terreno fértil para este sesgo.
La narrativa de una transformación ineludible y la presión competitiva pueden inducir a las organizaciones a adoptar soluciones antes de haber definido con claridad la fuente de valor económico que esperan capturar.
En la práctica, este sesgo se manifiesta en proyectos impulsados desde el área técnica sin una tesis económica clara, o en pilotos que confunden la experimentación táctica con la transformación del modelo de negocios. Como planteó Eric Abrahamson (1991), muchas innovaciones se difunden por la búsqueda de “legitimidad social” —parecer moderno ante el mercado— más que por una eficiencia demostrada.
La evidencia empírica otorga cierto respaldo a esta cautela, y de hecho se ha vuelto más elocuente. El informe State of AI de McKinsey (noviembre 2025) muestra que la adopción ya es casi universal —cerca del 88% de las organizaciones usa IA de forma regular—, pero la concentración de valor real se ha vuelto todavía más escasa: solo un 39% atribuye algún impacto en el EBITDA a la IA, y apenas un 5,5% de las firmas —los verdaderos “high performers”— reporta que más del 5% de su EBITDA y un valor “significativo” son atribuibles a su uso. La brecha entre adopción y creación de valor, lejos de cerrarse, se ha ampliado.
Esta disonancia sugiere que la IA, en su etapa actual, está operando mayoritariamente en el ámbito de la efectividad operacional. Pero como advirtió Michael Porter, la tecnología por sí sola tiende a la homogeneización competitiva. Si las mejoras que introduce la IA son imitables y accesibles para todos los actores de la industria, estas se convierten en un estándar sectorial que erosiona márgenes, no en una ventaja estratégica sostenible.
El riesgo para la empresa es alto: asignar capital a iniciativas que no generan diferenciación, pero que sí pueden incrementar la complejidad operacional y los riesgos regulatorios.
La Responsabilidad Fiduciaria del Directorio
Ante este escenario, la adopción tecnológica no debe ser frenada, sino gobernada estratégicamente. El Directorio, en ejercicio de su responsabilidad fiduciaria, debe trascender la aprobación de presupuestos y exigir una arquitectura de control y valor basada en tres pilares.
Uno, validación de la tesis de valor: ¿qué ventaja competitiva específica (costos, segmentación o diferenciación) se está fortaleciendo? La inversión debe basarse en hipótesis cuantificadas y métricas de retorno (ROI) diferenciadas.
Dos, gobernanza de riesgos y trazabilidad: dado que la IA agencial introduce riesgos de autonomía, es imperativo establecer marcos de supervisión que garanticen la explicabilidad de las decisiones.
La CMF ya exige trazabilidad en ámbitos afines —la NCG N° 538 obliga a mantener registros auditables de eventos de autenticación, y la NCG N° 510 exige reportar incidentes operacionales en ventanas de hasta 15 minutos—, lo que confirma que la velocidad y la trazabilidad ya son parte del estándar regulatorio para el riesgo tecnológico.
Más allá de la exigencia normativa, el directorio debe adelantarse a ella: exigir que cada decisión autónoma de un agente de IA sea reconstruible y explicable, con la misma o mayor exigencia que aplicaría un regulador, antes de que la norma llegue a exigirlo explícitamente.
Tres, resiliencia operativa: el directorio debe asegurar que la IA se integre en la gestión de riesgo operacional (alineada con el espíritu de la NCG N° 510). No se debe permitir que el algoritmo sea una “caja negra”; debe ser un activo auditable que refuerce la resiliencia institucional ante fallos sistémicos o sesgos imprevistos.
La IA puede ser una palanca de transformación profunda. Pero sin una dirección estratégica que priorice la diferenciación sobre la moda, corre el riesgo de ser una distracción costosa. La pregunta para la alta dirección no es qué puede hacer la IA, sino qué valor estratégico le permitirá capturar que sus competidores no puedan imitar bajo el actual marco regulatorio, resguardando la proporcionalidad de los riesgos.
Diego Ceballos y reforma previsional: “El mercado de capitales va a ser más potente”.https://t.co/NHI9GctekV
— Ex-Ante (@exantecl) July 14, 2026
