Hay un activo que las empresas de servicios todavía no están construyendo, y es el único que la inteligencia artificial va a poder leer: el registro de su propia operación.
No se compra cuando se necesita. No se recupera hacia atrás. Se acumula mes a mes, o simplemente no existe. Y mientras tanto, en una empresa prestadora, alguien manda un mensaje al grupo para averiguar si anoche se hizo la ronda del turno — una conversación que se resuelve en el momento y no deja ningún rastro utilizable. Y no es un caso aislado: según el Índice de Transformación Digital 2023 de la Cámara de Comercio de Santiago, 1 de cada 5 empresas chilenas todavía está en un nivel analógico o principiante en su digitalización —y en un rubro que trabaja repartido en terreno la proporción es aún mayor—. El problema, entonces, no es que falte inteligencia artificial: es que no hay dato que darle.
El problema no es la IA — es que no hay dónde enchufarla
Una operación de servicios es el terreno más difícil que existe para cualquier tecnología. El trabajo lo hacen personas, repartidas en decenas de sitios, con turnos que cambian y rotación alta. No hay una máquina emitiendo señales: hay gente moviéndose por espacios físicos que no son suyos.
Y hay que reconocer un antecedente incómodo: en muchas empresas ya se intentó antes. Se compró un módulo, se contrató una plataforma, alguien prometió que la operación iba a cambiar. La implementación tardó el doble, el equipo en terreno no la usó, y todo volvió al grupo de WhatsApp — que era lo único que funcionaba de verdad. La desconfianza está ganada. No es una impresión: el CHAOS Report del Standish Group muestra que cerca del 69% de los proyectos de software termina atrasado, sobre presupuesto o directamente fallido —cancelado, nunca usado o abandonado—, y casi nunca por la tecnología en sí.
No es una lectura aislada del rubro: en la 16ª edición del congreso de facility management CIFMERS Santiago, realizado en junio de 2026, la conclusión fue justamente esa — la captura del dato es lo primero y lo más importante, y sobre esa base se suman después todas las capas de analítica.
Por eso la conversación sobre inteligencia artificial en este rubro suele quedar en nada. No falta interés ni faltan herramientas: falta una hoja de ruta que diga por dónde se empieza, qué viene después y cómo se sabe que se está avanzando. Esa hoja de ruta tiene tres capas, y no se pueden saltar.
Capa 1 — Capturar el dato donde el trabajo lo hacen personas
En el blog anterior desarrollamos esta capa, así que basta con el principio: nada de lo que viene después existe sin ella.
Capturar en una operación intensiva en gente es más difícil que en cualquier otra industria — y por eso mismo es donde más valor libera. No se trata de instalar un sistema, sino de que registrar lo que se hizo cueste segundos, no exija capacitación larga y sobreviva a la rotación del equipo. Cuando eso funciona, la operación empieza a generar su propio historial sin que nadie tenga que sentarse a construirlo. Hoy ese historial casi no existe: según la Encuesta de Acceso y Uso de TIC del Ministerio de Economía, solo el 22% de las pymes usa un sistema de gestión (ERP) y apenas un 5% un CRM —para el resto, la operación vive en mensajería, planillas y papel—.
Capa 2 — Primero inteligencia de negocio, después el asistente
El error más común es querer saltar directo al asistente. Pero antes del asistente viene algo más simple: paneles que hagan legible lo que ya se está capturando. Cumplimiento por sitio, incidentes por zona, tiempos de respuesta, comportamiento por turno. Datos ordenados, no todavía interpretados.
Recién sobre esa base tiene sentido un asistente que lea el historial y devuelva algo útil. Y "útil", para una empresa de servicios, significa cosas muy concretas:
- Saber el estado de la operación sin bucear en los datos, y recibir el aviso cuando algo se está saliendo de lo normal.
- Afinar la operación actual: dónde sobra cobertura, dónde falta, qué zonas concentran el esfuerzo sin justificarlo.
- Conocer el rendimiento real por metro cuadrado — cuánto rinde efectivamente un equipo en cada tipo de espacio.
- Estimar mejor las próximas licitaciones, cotizando con el rendimiento histórico de tus propios equipos en vez de con intuición.
- Reducir capas de supervisión. Y esta importa especialmente, porque la supervisión es un costo que el prestador paga y que no le factura a nadie. Cada capa que se puede sostener con datos en vez de con presencia es margen que vuelve.
No es un ahorro menor: en un programa de rediseño organizacional de una empresa Fortune 100 documentado por Strategy& (PwC), achicar las capas de supervisión concentró cerca de un cuarto del ahorro total de su programa de eficiencia.
Capa 3 — La robótica no reemplaza el sistema: es otra fuente de datos
Con la tecnología que ya existe se alcanzan a ver los indicios de lo que viene. La robótica va a entrar a estas labores, y conviene entender bien qué significa: no es un reemplazo del sistema, es una capa más de captura. Una máquina que limpia también registra qué hizo, dónde y cuándo — igual que una persona que escanea un código, pero sin intermitencias.
Y ahí aparece la decisión que casi nadie está planteando. El discurso dominante trata la automatización como destino único, pero en una operación de servicios no lo es: hay espacios donde automatizar rinde y otros donde una operación manual es simplemente más flexible, porque el trabajo cambia todos los días y una persona se adapta en el momento.
La pregunta no es si automatizar, es dónde — y solo se puede responder con datos objetivos de rendimiento por tipo de espacio, que es exactamente lo que construyen las dos capas anteriores. Sin ellas, la decisión se toma por moda o por precio, y en ambos casos se toma mal.
Conclusión
La incomodidad de sentirse fuera de la conversación de la inteligencia artificial no se resuelve comprando inteligencia artificial. Se resuelve empezando por abajo: capturar, ordenar, y recién entonces automatizar el criterio.
En eGenya trabajamos esa hoja de ruta completa, pero lo que ponemos en la mesa no es solo la plataforma. Es el know-how para llevar una operación análoga a una operación tecnológica: cómo se levanta un sitio, cómo se capacita a un equipo en terreno sin frenar el servicio, qué se mide el primer mes y qué puede esperar. Esa metodología —más que cualquier funcionalidad— es la razón por la que una implementación queda viva.
Cada vez con más frecuencia aparece la misma pregunta en una reunión de licitación: "¿y ustedes qué están usando de tecnología?". Hoy es un plus para quien la responde bien. En poco tiempo va a ser un requisito. Y cuando llegue ese día, la respuesta no la va a dar quien compre una herramienta a última hora, sino quien lleve años registrando su operación.
Preguntas Frecuentes
¿Se puede usar inteligencia artificial en una empresa de servicios que hoy trabaja con papel y mensajería?
No de forma útil. La inteligencia artificial necesita un historial de lo que ocurre en terreno para aportar algo, y una operación documentada en canales informales no lo genera: los mensajes y las planillas no se cruzan ni se comparan. El primer paso no es contratar IA, es capturar el dato.
¿Cuál es el orden correcto para incorporar tecnología en una operación de servicios?
Tres capas, en este orden: primero la captura del dato en terreno, después una capa de inteligencia de negocio que haga legible ese dato, y recién entonces la capa de inteligencia artificial que lo interpreta y anticipa. Saltarse la primera es la razón más frecuente por la que estos proyectos fracasan.
¿Qué le aporta concretamente la inteligencia artificial a una empresa prestadora de servicios?
Cuatro cosas medibles: conocer el estado de la operación sin revisar datos manualmente, afinar la cobertura actual, calcular el rendimiento real por metro cuadrado para cotizar mejor las próximas licitaciones, y reducir capas de supervisión — un costo que el prestador asume y no factura.
¿La robótica va a reemplazar al personal en servicios de limpieza, seguridad y mantenimiento?
En algunos espacios sí y en otros no, y esa es justamente la decisión que hay que poder tomar con datos. La robótica rinde donde el trabajo es repetible y previsible; donde la tarea cambia a diario, una operación manual sigue siendo más flexible. Además, un equipo automatizado es una fuente de captura de datos más, no un reemplazo del sistema que los ordena.
¿Por qué fracasan tantas implementaciones tecnológicas en operaciones de terreno?
Porque se aborda como un problema de software cuando es un problema de método. Sin un orden claro para levantar los sitios, configurar, capacitar y acompañar las primeras semanas, la herramienta no alcanza a volverse hábito y el equipo vuelve a lo que ya conocía. La transición de una operación análoga a una digital requiere conocimiento del proceso, no solo la licencia.