Álvaro Soto, académico UC y director CENIA

“La IA no elimina el sesgo, lo hace más visible o más sistemático”, Álvaro Soto, profesor asociado de la Escuela de Ingeniería UC y director de Cenia, Centro Nacional de Inteligencia Artificial.

Más que acelerar tareas, la Inteligencia Artificial está empezando a cambiar la lógica con que se diseña, se opera y se proyecta la ingeniería. Álvaro Soto, profesor asociado de la Escuela de Ingeniería UC y director de Cenia, plantea que su valor va más allá de la automatización: está en la capacidad de anticipar fallas, detectar patrones invisibles para el ojo humano y abrir nuevas posibilidades para sectores clave como minería, energía y agua. Pero también advierte que, sin criterio, validación y supervisión, su uso puede amplificar errores a gran escala.

Según tu experiencia y conocimiento, ¿cuándo deja la IA de ser apoyo y pasa a cambiar la ingeniería?

La IA deja de ser solo una herramienta de apoyo cuando pasa de asistir tareas puntuales a integrarse en el ciclo completo de decisión de un proyecto. Esto ocurre cuando los modelos no solo automatizan cálculos, sino que proponen alternativas de diseño, anticipan fallas y permiten operar sistemas en tiempo real bajo incertidumbre.

Esto representa un cambio de paradigma: pasamos de un escenario en que es el ingeniero quien genera una solución que luego valida, a uno en que es la IA quien genera un espacio de soluciones que el profesional posteriormente analiza y evalúa.

Ese cambio de paradigma ya está ocurriendo. Lo estamos viendo en diseño estructural, donde algoritmos exploran miles de geometrías que optimizan simultáneamente variables como peso, resistencia y costo. Lo vemos en operación de infraestructura crítica, donde modelos predictivos detectan potenciales fallas antes de que ocurran, cambiando la lógica del mantenimiento reactivo por uno verdaderamente anticipatorio. En general, lo vemos en simulación de proyectos complejos, donde nuevas técnicas de IA permiten tomar decisiones con un nivel de fidelidad que antes era impensable sin construir prototipos físicos costosos.

¿La IA corrige sesgos o también puede amplificarlos?

Ambas cosas son posibles. Un modelo de IA entrenado con datos históricos hereda los sesgos de esos datos: proyectos diseñados bajo ciertos estándares, en ciertos contextos y con supuestos que pueden estar desactualizados.

La IA puede ayudar a detectar esos sesgos, porque obliga a estructurar la información y permite identificar patrones que no siempre son evidentes. Pero si los datos están sesgados o los supuestos no se revisan, la IA también puede amplificar esos errores a gran escala.

El punto clave es que la IA no elimina el sesgo: lo hace más visible o más sistemático. Por eso, su uso exige más rigor, no menos. Es fundamental entender con qué datos se entrenó el modelo, qué supuestos incorpora y en qué situaciones puede fallar.

¿Dónde está su mayor valor para la ingeniería?

Creo que el valor más profundo está en la capacidad de identificar patrones en espacios de datos que normalmente están fuera del alcance humano. Un ingeniero con décadas de experiencia desarrolla una intuición extraordinaria, pero esa intuición opera sobre las variables que puede observar y relacionar mentalmente.

Por ejemplo, un sistema de IA puede integrar simultáneamente miles de sensores, condiciones ambientales, datos históricos y comportamientos de materiales. Así, la IA permite entender dinámicas que no son evidentes para un humano, especialmente cuando hay muchos factores interactuando.

¿Qué errores ves en quienes la sobrestiman o la descartan?

El que cree que la IA lo resuelve todo comete el error de ignorar que estos sistemas tienen limitaciones fundamentales, especialmente en términos de consistencia, interpretabilidad y dependencia de los datos. De hecho, las tecnologías actuales presentan serias limitaciones para abordar razonamientos que involucren espacios físicos, ya que han sido entrenadas principalmente con datos simbólicos, como texto, sin una experiencia directa del mundo físico.

Por otro lado, quien ignora las ventajas de la IA pierde la oportunidad de incorporar una herramienta que ya está demostrando impacto real. La posición razonable es intermedia: entender qué problemas sí son adecuados para IA y cuáles no, y diseñar soluciones híbridas.

¿Qué debería exigirse antes de usar IA en operaciones críticas?

Yo establecería al menos cuatro condiciones fundamentales.

Primero, explicabilidad y trazabilidad. El sistema debe poder justificar sus recomendaciones en términos que un ingeniero pueda auditar. No es aceptable operar con cajas negras, especialmente en aplicaciones donde una falla puede tener consecuencias graves. Toda decisión relevante del sistema debe quedar registrada, de manera que sea posible reconstruir el proceso de razonamiento.

Segundo, validación. No basta con que el modelo funcione bien en casos generales. Debe haber sido probado y validado con datos representativos del contexto exacto donde va a operar, incluyendo condiciones de borde.

Tercero, manejo de incertidumbre. El sistema debe comunicar no solo su recomendación, sino también el nivel de confianza asociado y las condiciones bajo las cuales esa confianza cae.

Cuarto, capacidad de intervención y supervisión humana. La automatización no puede eliminar la posibilidad de que un operador humano actúe y tome total control.

¿Dónde ve Chile una oportunidad más urgente para aplicar IA?

En términos de sectores productivos destacaría tres. La minería, un sector fundamental para la economía de Chile, donde ya existe una base de datos importante y procesos complejos que se benefician de optimización y predicción. La energía, especialmente en la integración de energías renovables, donde la variabilidad exige mejores modelos de predicción y control. Y la gestión del agua, un problema crítico en Chile, donde la IA puede ayudar a optimizar la distribución, detectar pérdidas y anticipar escenarios de escasez. Y, por supuesto, en educación, el área más fundamental de cualquier sociedad.

¿Por qué es clave el rol del CENIA?

CENIA cumple un rol clave en articular capacidades a nivel país. La IA no es solo una tecnología, es un ecosistema que involucra múltiples actores. Requiere datos, talento, cómputo, investigación, transferencia tecnológica, diseño de políticas públicas y colaboración entre actores públicos y privados.

CENIA busca precisamente aportar a la creación de un ecosistema virtuoso para el desarrollo de la IA en nuestro país, con una mirada de largo plazo y con foco en problemas relevantes para Chile y la región. Sin instituciones de este tipo, Chile termina siendo consumidor de tecnología IA desarrollada en otras partes del mundo, con otros contextos, otros datos y otros problemas.

Además, la IA es un campo que evoluciona muy rápido y donde las implicancias éticas y regulatorias son enormes. En este ámbito, Chile necesita tener una voz informada para el desarrollo de políticas públicas locales y su participación en foros o instancias internacionales. CENIA es una parte fundamental para la generación de capacidades que aportan a esa voz.

¿Cómo debería relacionarse el Estado con la IA?

Creo que el Estado debería jugar tres roles complementarios: facilitador, regulador y usuario.

Como facilitador, debe invertir en infraestructura de datos públicos, en formación de capacidades humanas y en instituciones como CENIA.

Como regulador, debe establecer marcos que no frenen la innovación, pero que protejan derechos fundamentales. Eso implica regular con criterio técnico, no solo político, lo que requiere que el Estado tenga capacidad interna para entender lo que está regulando. Un regulador que no comprende la tecnología siempre va a estar un paso atrás.

Como usuario, debe ir incorporando IA en sus propios procesos para mejorar servicios públicos.

¿Qué desarrollos considera hoy más relevantes?

Sin duda, en la actualidad lo más relevante son los modelos fundacionales, como los modelos de lenguaje —tal como ChatGPT— y los modelos multimodales, que integran visión, audio y otras modalidades de datos.

Estos modelos permiten razonar sobre sistemas complejos de una manera impensada hasta hace muy poco. En ingeniería, esto abre posibilidades en una serie de aplicaciones que están revolucionando nuestros ámbitos de acción.

Por otra parte, estos modelos de IA abren la puerta a acelerar el descubrimiento científico. Sistemas como AlphaFold en biología y modelos de predicción climática, ambos desarrollados por DeepMind, están mostrando que la IA puede acelerar significativamente los ciclos de descubrimiento científico.

En áreas como ingeniería de materiales, dinámica de fluidos computacional o diseño sísmico, esto tiene implicancias revolucionarias cuyos frutos comenzamos a ver.

También, los desarrollos en agentes autónomos capaces de planificar y ejecutar tareas complejas despiertan mucho entusiasmo y también algo de cautela. La promesa es que estos agentes puedan gestionar flujos de trabajo de ingeniería complejos con supervisión humana reducida. El riesgo es que esa autonomía opere en dominios donde las consecuencias de un error son difíciles de revertir. Adicionalmente, está el riesgo de que una tecnología que aún no se entiende a cabalidad quede en control de procesos críticos.

¿Cómo cambió su mirada sobre la IA en el último año?

Hace un año, el debate estaba dominado por la capacidad de los modelos. ¿Qué puede hacer la IA? ¿Hasta dónde llega?

Ese debate sigue siendo válido, pero creo que la pregunta más urgente no es de capacidad, sino de adopción. Los modelos actuales de IA son realmente impresionantes. Creo que eso ya está bastante aceptado y demostrado. El desafío actual está en cómo se insertan en procesos organizacionales concretos, con datos imperfectos, equipos humanos con culturas establecidas y restricciones operacionales que ningún benchmark captura.

Hoy aún existe una brecha entre lo que funciona en laboratorio o en empresas tecnológicas de primer nivel, y lo que es implementable en la ingeniería cotidiana de un país como Chile. Esa brecha no se cierra sola. Requiere trabajo deliberado de adaptación, formación y acompañamiento, algo que muchas veces se subestima.

¿Cómo imagina el futuro cercano?

En los próximos cinco años, creo que vamos a ver una bifurcación clara entre las organizaciones de ingeniería que integran IA en su núcleo operacional y las que la tratan como un complemento opcional. La diferencia en productividad, capacidad de análisis y velocidad de respuesta entre ambos grupos va a ser suficientemente grande como para volverse una ventaja competitiva difícil de revertir.

En infraestructura crítica, espero ver los primeros sistemas de gestión autónoma parcial en aplicaciones como redes eléctricas y de agua, donde la IA toma decisiones operacionales rutinarias y escala las excepciones a supervisión humana. Eso va a requerir marcos regulatorios nuevos y una conversación pública que todavía no hemos tenido con la profundidad que merece.

Lo que más me entusiasma es la posibilidad de que la IA democratice la capacidad técnica avanzada. Hoy, las metodologías más sofisticadas de análisis estructural, modelamiento hidrológico u optimización energética están al alcance de pocas organizaciones con recursos para equipos especializados. Si la IA hace accesibles esas capacidades a municipios, empresas medianas y profesionales independientes, el impacto en la calidad de la ingeniería que se practica a lo largo y ancho del país puede ser enorme.

Ahora, nada de esto ocurre sin cómputo. El cómputo es a la IA lo que la energía es a la industria: sin él, simplemente no hay IA. En ese sentido, el cómputo pasará a ser un servicio crítico más, como la electricidad o el agua, integrado en la planificación de prácticamente cualquier actividad productiva.

Para que esto sea viable, es imprescindible comenzar a desarrollar esta infraestructura en el país, y esa es justamente una de las líneas que estamos impulsando con fuerza en CENIA este 2026. En este contexto, el avance de Chile en energías renovables representa una ventaja estratégica significativa, ya que el costo de la energía será un factor determinante en el costo total del cómputo. Aprovechar esa ventaja puede posicionar al país no solo como consumidor, sino también como proveedor competitivo de capacidades de IA a nivel regional.

¿Qué tema debería entrar con más fuerza en esta conversación?

La necesidad de modernizar nuestros sistemas de formación para un mundo con IA, a todo nivel, desde la educación escolar hasta la universitaria. El sistema actual de formación está construido sobre la transferencia de conocimiento y la certificación mediante pruebas y exámenes. Pero en un mundo donde la IA hace que el conocimiento sea fácilmente accesible, o puede contestar pruebas y exámenes en forma automática, ese modelo pierde sentido.

En un mundo con IA, donde el conocimiento es de fácil acceso, las habilidades para usar ese conocimiento son la clave. Creo que ahí está el gran desafío.

A modo de ejemplo, gracias a la IA, el modelo de un profesor frente a veinte o cuarenta alumnos se podrá complementar con la posibilidad real de personalización del aprendizaje, donde cada estudiante puede avanzar a su ritmo, con retroalimentación continua y adaptada. Eso abre una oportunidad enorme para reducir brechas y elevar el nivel formativo de manera transversal, lo cual puede tener un impacto mayúsculo para mejorar la calidad y equidad del sistema educativo.

Habilidades como el pensamiento crítico, la capacidad de formular buenas preguntas y explorar hipótesis prometedoras, el juicio para evaluar soluciones generadas por IA, la creatividad para combinar disciplinas y también las habilidades profundamente humanas, la empatía, la colaboración, la comunicación efectiva y la capacidad de liderar o trabajar en equipos diversos, van a definir al profesional del futuro. Precisamente porque la IA se hará cargo de lo técnicamente rutinario, las competencias de convivencia y conexión humana pasarán de ser habilidades blandas a ser habilidades claves para la fuerza laboral en un mundo con IA avanzada.

¿Qué oportunidad ve si Chile hace bien este proceso?

La oportunidad está ahí. Si hacemos bien las cosas, si construimos la infraestructura, formamos a las personas y adoptamos la IA con responsabilidad, estamos frente a un futuro donde la tecnología permitirá amplificar al ser humano: un mundo donde más personas, en más lugares, tendrán acceso a mejores herramientas para resolver los problemas que importan y mejorar su calidad de vida.