El sector proveedor de la minería chilena obtiene 43 puntos sobre 100 en madurez de inteligencia artificial, nueve puntos por sobre el promedio nacional (34), pero el 66% de las empresas todavía está en etapas tempranas de adopción y la gobernanza de datos —con solo 35 puntos— es la dimensión que impide dar el salto del piloto al escalamiento. Así lo estableció el primer estudio cuantitativo del sector, presentado el 8 de septiembre de 2026.
Qué es el ITD-IA PM 2026 y quién lo midió
El 1er Índice de Transformación Digital en Inteligencia Artificial de Proveedores Mineros (ITD-IA PM) 2026 es la primera medición específica sobre cómo las empresas que abastecen a la gran minería chilena están adoptando IA, tanto en su operación interna como en los productos y servicios que venden a las faenas. Fue desarrollado por la Corporación Alta Ley, Aprimin y PMG, y midió el nivel de madurez en inteligencia artificial de 257 empresas proveedoras de la minería a nivel nacional. Los resultados se dieron a conocer en un webinar público el 8 de septiembre, con la participación de las proveedoras Option y Mineral Forecast.
El resultado clave: 43 sobre 100, pero con matices
El estudio evalúa cuatro dimensiones —Estrategia, Cultura, Tecnología y Gobernanza— y sitúa al sector proveedor minero en 43 puntos sobre 100, correspondiente a la etapa “Pilotear”, por sobre el promedio nacional de 34 puntos. La comparación internacional, sin embargo, pone el resultado en perspectiva: solo 34% de los proveedores mineros chilenos opera IA a escala, frente a 64% registrado en la medición 2025 del MIT Center for Information Systems Research. Es decir, ir mejor que el promedio nacional no equivale a estar cerca de los líderes globales.
Cómo se distribuyen los proveedores por etapa
El índice clasifica a las empresas en cuatro etapas de madurez. El 49% de las empresas se encuentra en etapa de Pilotear, mientras que un 17% permanece en Explorar. En tanto, un 29% ya se encuentra en Escalar y solo el 5% alcanza la etapa de Liderar. Sumando las dos primeras categorías, el 66% de los proveedores se ubica en etapas tempranas de madurez y 34% en etapas avanzadas. La diferencia entre pilotear y escalar no es cosmética: según uno de los autores del estudio, mientras en las primeras etapas las empresas invierten en desarrollar IA, al escalar comienzan a usarla como “herramienta estratégica que permite rentabilizar los negocios”.
Por qué la gobernanza es el cuello de botella
El sector supera al promedio nacional en las cuatro dimensiones evaluadas: Estrategia alcanza 50 puntos, Cultura 44, Tecnología 42 y Gobernanza 35, mientras que los respectivos resultados nacionales son 38, 38, 31 y 27 puntos. El problema es interno: Gobernanza es la dimensión más rezagada del sector, con 35 puntos, y es la dimensión más baja en 60% de las empresas evaluadas. El diagnóstico apunta a un desfase de fondo: la adopción de IA está avanzando más rápido que las reglas y mecanismos destinados a ordenarla.
La infraestructura de datos es el síntoma más concreto de esa brecha. Un 67% de los proveedores no cuenta con un repositorio consolidado de datos críticos, mientras que el 69% no dispone de prácticas de operación de modelos y el 74% carece de una arquitectura preparada para escalar. Contrasta con que la experimentación con herramientas de IA —la parte más visible y fácil de mostrar en una demo— es la práctica mejor evaluada de la dimensión Tecnología, con 63 puntos. En otras palabras: hay muchas pruebas de concepto funcionando, pero pocas con los datos y la arquitectura que sostienen un uso permanente en producción. Uno de los autores del estudio fue explícito sobre esto: “sin datos conciliados el piloto no sobrevive”.
Qué significa esto para el presupuesto 2027 de una pyme proveedora
Para una empresa proveedora que hoy negocia cuánto destinar a IA en 2027, el índice entrega una señal poco intuitiva pero útil: sumar más pilotos sin resolver gobernanza es gastar en el lugar equivocado. El propio estudio identifica cuatro condiciones para avanzar hacia etapas de mayor madurez: contar con un roadmap de IA alineado al negocio, medir el retorno de las iniciativas, consolidar los datos críticos y establecer mecanismos formales de gobernanza. La evidencia estadística del propio estudio respalda esa priorización: 98% de empresas en etapas avanzadas (Escalar y Liderar) reúnen todas cuatro condiciones, mientras que ninguna empresa que no cumple ninguna de estas condiciones logra ubicarse en etapas avanzadas. Para una pyme con presupuesto acotado, esto reordena las prioridades: antes de comprar una licencia nueva de IA o lanzar otro piloto, conviene revisar si existe al menos un repositorio de los datos que efectivamente se usan para decidir.
El análisis de Guía Minera sobre el estudio agrega una advertencia comercial: ya no bastará con ofrecer buenos equipos, servicios o soluciones tecnológicas; será clave demostrar capacidad para usar datos de manera segura, aplicar IA con propósito de negocio y entregar resultados medibles. Y anota un riesgo específico para el segmento pyme: este desafío puede ser especialmente exigente para proveedores pequeños y medianos, que suelen tener menos capacidad para armar equipos dedicados de gobernanza de datos que las grandes ingenierías o integradoras.
Qué hacer primero, según los propios autores del estudio
El ITD-IA PM 2026 no se queda en el diagnóstico: propone tres movimientos prioritarios para que los proveedores mineros puedan cruzar el umbral entre pilotear y escalar: gobernar el uso de la IA, cimentar la base de datos que lo sostiene y focalizar el esfuerzo donde el retorno es más rápido. En términos prácticos, esto implica:
- Gobernar antes de escalar: establecer reglas claras para el uso de IA, aunque sea a nivel básico, antes de sumar un nuevo piloto.
- Consolidar solo los datos que importan: uno de los directores del estudio precisó que no se necesita gobernar todos los datos, pero sí a lo menos aquellos que se usan para gestionar la toma de decisiones, para evitar poner a la compañía en una posición de riesgo.
- Elegir un foco, no dispersar esfuerzos: el estudio advierte que hay empresas que usan IA en muchas áreas sin un caso de uso que apalanque el negocio, lo que convierte la inversión en “un costo más que en un valor”.
- Armar equipo mixto, no solo técnico: según uno de los autores, se requiere “un equipo que combine expertos en este tipo de proyectos con personas que conozcan a fondo el negocio minero, infraestructura adecuada y un monitoreo continuo del valor” de las herramientas.
Antes de comprometer presupuesto de IA para 2027, una pyme proveedora puede hacer un ejercicio simple: listar qué decisiones críticas del negocio dependen de datos y verificar si esos datos están hoy consolidados en un solo repositorio confiable. Si la respuesta es no, ese es el gasto que antecede a cualquier nuevo piloto de inteligencia artificial.
