En un cerro del centrosur de Chile, un dron sobrevuela una faena recién cosechada y registra cuánto desecho de madera quedó en el suelo. En una oficina de Santiago, un equipo de ingenieros trabaja para que una plataforma usada en todo el mundo sepa distinguir si una botella de agua es de medio litro o parte de un paquete de seis.
Ambas son escenas de dos compañías muy distintas, Arauco y Uber Chile, que comparten un logro todavía escaso en el país: lograron sacar la inteligencia artificial (IA) de la etapa de pilotos y la pusieron a trabajar en su operación diaria para generar valor.
En el último episodio de la serie IA Lab -el podcast de DF sobre inteligencia artificial- el gerente de operaciones y planificación forestal de Arauco, Rodrigo Sobarzo, y el líder del Tech Center de Uber en Chile, Cristián Sepúlveda, abordaron sus casos de adopción de esta tecnología.
El problema de Arauco tenía que ver con los incentivos. La compañía cosecha unas 35 mil hectáreas al año, mueve alrededor de 22 millones de metros cúbicos (m³) con unos 1.000 camiones y, durante años, evaluó a sus faenas por los m3 que sacaban por hora.
“Eso va contra operar bien el bosque”, explicó Sobarzo. La presión por producir dejaba mucha madera comercial botada, lo que encarecía las faenas futuras y aumentaba el riesgo de incendios.
Con drones e IA, Arauco redujo del 3% al 1% la madera comercial que queda en terreno tras las cosechas. En Uber, los ciclos de desarrollo de producto pasaron de meses a semanas o días.
La respuesta fue medirlo todo. Con parte de los cerca de 300 drones que opera la forestal y algoritmos de visión computacional, comenzaron a revisar cada cosecha terminada. Las primeras mediciones arrojaron 5% de desecho, pero el sistema confundía la corteza con madera. Tras calibrarlo, fijaron una línea base de 3% y mes a mes bajaron hasta 1%. Hoy, toda faena que supera ese umbral debe volver a terminar el trabajo.
Otro caso son las líneas de madereo aéreas, que funcionan con cables tipo teleférico. Con algoritmos de IA que definen dónde instalarlas según la pendiente y el equipo disponible, su producción subió de 5 mil m³ a más de 8 mil m³ mensuales por línea, con costos fijos similares, lo que reduce el costo unitario casi a la mitad, según Sobarzo.
Pero llegar a terreno costó. Sobarzo afirmó que, al presentar datos y herramientas nuevas a equipos que trabajaban de la misma forma hace 30 o 40 años, encontró resistencia. Un sistema de trazabilidad pasó dos años chocando con los operadores, hasta que la empresa cambió el enfoque y los integró al desarrollo. “Para mí eso fue clave”, dijo.
En Uber, el desafío era otro. El Tech Center de Santiago, uno de los 13 que la compañía tiene en el mundo, nació en 2022 tras la compra de Cornershop y hoy reúne a unas 80 personas enfocadas en el negocio de supermercados de Uber Eats, donde cada tienda puede tener decenas de miles de productos.
En 2025, la empresa abrió el acceso a las herramientas de IA a todos sus equipos y apostó por la capacitación. Sepúlveda explicó que la adopción no podía imponerse desde la cúpula y que eran los ingenieros quienes debían “meter las manos”. Para 2026, el desarrollo agéntico ya era esencial y los ciclos de producto que tomaban meses pasaron a semanas o incluso días.
Sepúlveda explicó que la medición tiene dos niveles. La primera es la velocidad, porque si antes planificaban cuatro proyectos por semestre, hoy apuntan a 10. La segunda es el tipo de solución: los pequeños comercios envían sus menús en PDF, fotos o correos, y la IA interpreta esa información, lo que redujo de semanas a pocos días su habilitación en la plataforma en los pilotos en marcha.
La resistencia también apareció en una empresa nativa digital. “Ha generado un poco de ansiedad dentro de los equipos”, reconoció Sepúlveda, en parte por la rapidez con que cambian las herramientas de una semana a otra.
Lecciones
Para Sobarzo, la principal lección es que los equipos de desarrollo trabajen “cerca del dolor”. Arauco tuvo malas experiencias con áreas corporativas y consultores que nunca terminaron de entender la operación. Por eso insistió en sumar desde el inicio al operario que usará la solución y en reservar espacio para que parte del equipo explore ideas sin una pauta fija.
Sepúlveda coincidió en salir a terreno a buscar problemas que antes parecían demasiado costosos de resolver, y sumó la disciplina de costos. Explicó que elegir el modelo adecuado para cada tarea, uno rápido y barato o uno más potente y caro, debe ser una responsabilidad compartida por todos los equipos, más allá del área de finanzas.
Entre su portafolio de nuevos desarrollos, Arauco trabaja en una arquitectura de agentes que conversen entre sí, para que los sistemas de mantenimiento, cartografía, caminos y abastecimiento coordinen decisiones, por ejemplo, cuando la lluvia deja inhabilitado un predio. Esta temporada también estrenará un optimizador dinámico para distribuir sus recursos en la prevención y combate de incendios, en los que gasta cerca de US$ 50 millones al año.
Uber, en tanto, pondrá el foco en lo que ocurre antes y después de programar, con mejores especificaciones para guiar a la IA y pruebas automáticas capaces de revisar las decenas de miles de líneas de código que hoy se generan cada día.
VER MÁS
MARKET DATA
<%userdata?.email%>
Editar perfil
Credencial
Salir
(Twitter)
Instagram
Facebook
LinkedIn
YouTube
TikTok
Alto contraste
Renato Olmos
