53% de los chilenos cree que la IA reducirá los empleos: 3 pasos para convertir la preocupación en productividad
Mientras aumenta la preocupación por el impacto de la inteligencia artificial en el mercado laboral, nuevos estudios muestran una aparente paradoja: quienes ya utilizan estas herramientas reportan mejoras en productividad y calidad del trabajo, pero las empresas todavía presentan bajos niveles de integración. ¿Cómo aprovechar la tecnología sin perder de vista a las personas?
Inteligencia artificial y empleo en Chile
La rápida expansión de la inteligencia artificial está generando inquietud sobre sus consecuencias en el mercado laboral. Un estudio de Pew Research Center reveló que 53% de los chilenos cree que la IA provocará una reducción de los empleos. La encuesta global de Pew fue aplicada a 42.151 personas en 36 países entre febrero y mayo de 2026. Pew Research Center
La percepción coincide con otros antecedentes recientes en Chile. El estudio Los Chilenos y el Trabajo, desarrollado por LEAS de la Universidad Adolfo Ibáñez y Mutual de Seguridad sobre 1.400 personas mayores de 18 años, encontró que 64% cree que la IA reemplazará muchos empleos en el país durante los próximos cinco años. Sin embargo, cuando la pregunta se refiere al propio puesto de trabajo, la cifra disminuye a 43%. Universidad Adolfo Ibañez
Productividad con inteligencia artificial
Pero detrás de esa preocupación aparece otra cara de la transformación tecnológica. Entre quienes ya utilizan chatbots para realizar tareas laborales, 65% considera que mejoraron su productividad. El 30,2% de los encuestados ya utiliza estas herramientas frecuentemente para trabajar. Universidad Adolfo Ibañez
El escenario plantea una tensión para las empresas: la IA genera preocupación por su posible impacto sobre el empleo, pero quienes ya la utilizan también están encontrando oportunidades para trabajar de manera más productiva.
El problema de los datos dispersos
Para DataScope, plataforma chilena de gestión de operaciones en terreno, en la industria la explicación es concreta: la IA necesita datos, y en muchas operaciones la información todavía se registra en papel, en planillas separadas o en grupos de WhatsApp. DataScope
“Se habla mucho de si la IA va a reemplazar al técnico de mantención, pero en muchas plantas y faenas ese técnico todavía anota la falla en una hoja que alguien transcribe días después. Ninguna inteligencia artificial puede anticipar una falla que la empresa conoce tres días tarde”, explica Carlos Carvajal, cofundador y gerente de desarrollo de DataScope. Home - Radio Agricultura
Tres pasos para transformar preocupación en productividad
A partir de este escenario, la compañía identifica algunas claves para transformar la adopción de IA en productividad y evitar que su implementación se limite únicamente al reemplazo o automatización de tareas. Por eso, antes de pensar qué tareas automatizar, DataScope recomienda a las empresas considerar tres pasos.
El objetivo no es incorporar tecnología por presión del mercado, sino ordenar primero la operación para que la inteligencia artificial pueda aportar información útil, reducir tareas manuales y apoyar mejores decisiones.
1. Registrar la información donde ocurre
El primer paso es registrar la información donde ocurre. Esto significa que la orden de trabajo, la inspección o el control se completen en terreno, incluso sin señal, y no se transcriban días después.
Cuando los datos se capturan tarde, incompletos o en sistemas desconectados, las empresas pierden capacidad de reacción. Para que la IA pueda anticipar fallas, detectar patrones o recomendar acciones, necesita información oportuna y confiable desde el lugar donde se genera.
2. Reunir la información en un solo lugar
El segundo paso es reunir en un solo lugar la información de las distintas áreas. Solo así el historial de cada equipo y de cada operación está completo y sirve para decidir.
En operaciones con múltiples equipos, turnos, activos o ubicaciones, la información fragmentada dificulta entender qué está ocurriendo realmente. Centralizar los datos permite identificar recurrencias, comparar desempeños y evitar que decisiones críticas dependan de planillas aisladas o conversaciones dispersas.
3. Medir antes de automatizar
El tercer paso es medir antes de automatizar. Saber cuánto demora cerrar una orden de trabajo o cuántas veces se repite una misma falla permite evaluar si la tecnología mejora el resultado o solo agrega nuevas herramientas.
Automatizar sin una línea base puede generar una falsa sensación de avance. En cambio, medir antes de implementar permite saber si la inteligencia artificial está reduciendo tiempos, evitando errores, mejorando la trazabilidad o liberando a las personas de tareas repetitivas.
Inteligencia artificial con foco humano
El factor humano también pesa. El estudio de Mutual de Seguridad y la Universidad Adolfo Ibáñez muestra que el 77% de quienes usan IA en el trabajo aprendió por su cuenta y solo el 16% recibió capacitación pagada por su organización. Universidad Adolfo Ibañez
Estos datos muestran que la adopción de inteligencia artificial no está ocurriendo únicamente desde las empresas, sino también desde los propios trabajadores. La oportunidad para las organizaciones está en acompañar ese aprendizaje con capacitación, políticas de uso, criterios de seguridad y orientación clara sobre cómo aplicar la tecnología en tareas relevantes.
Del reemplazo a la mejora del trabajo
“La pregunta útil no es qué trabajos va a eliminar la IA, sino cuánto tiempo pierden hoy un técnico, un prevencionista o un inspector de calidad llenando papeles en vez de resolver problemas. Si primero ordenamos la información, la tecnología se convierte en una herramienta para ellos y no en una amenaza”, concluye Carvajal. Home - Radio Agricultura
En un escenario donde la inteligencia artificial despierta tanto expectativa como preocupación, el desafío empresarial no está solo en automatizar tareas. También está en revisar procesos, mejorar la calidad de los datos, capacitar a los equipos y asegurar que la tecnología contribuya a resolver problemas concretos.
Productividad sin perder de vista a las personas
La conversación sobre IA y empleo suele concentrarse en los trabajos que podrían desaparecer. Sin embargo, para muchas empresas chilenas el primer paso todavía es más básico: dejar atrás registros manuales, información dispersa y procesos que impiden tomar decisiones a tiempo.
Convertir la preocupación en productividad requiere mirar la inteligencia artificial como parte de una transformación más amplia. Antes de reemplazar tareas, las organizaciones deben entender dónde se pierde tiempo, qué información falta y cómo la tecnología puede ayudar a las personas a trabajar mejor.
