Cómo está cambiando la inteligencia artificial la vida cotidiana – Canal-AR

Abres la propuesta de declaración de renta del SII y gran parte de tus antecedentes ya aparece incorporada. Horas después haces una compra fuera de tu rutina y el banco puede someterla a controles adicionales antes de autorizarla. Son experiencias distintas, construidas con tecnologías distintas, que comparten una consecuencia cotidiana. Cada vez más decisiones pasan por sistemas que ordenan datos, detectan anomalías, comparan rasgos o generan recomendaciones antes de que tú veas el resultado. Algunas tareas corresponden a automatización clásica y otras ya incorporan inteligencia artificial. Distinguirlas ayuda a medir mejor sus beneficios y sus riesgos. Hoy la IA interviene en trámites, pagos, lectura de documentos, compras y trabajo. En las próximas secciones verás dónde ya delegas una parte de tus decisiones a un algoritmo.

Donde ya la usamos sin darnos cuenta

La propuesta de declaración de renta del SII muestra hasta qué punto los procesos automáticos ya forman parte de la rutina. El sistema reúne antecedentes enviados por empleadores, bancos y otras entidades, los cruza y prepara una declaración que puedes revisar antes de enviarla. La inteligencia artificial participa en servicios públicos de forma cada vez más específica, mientras buena parte de esa base sigue funcionando con reglas, validaciones y procesamiento automatizado. Para una persona que entra una vez al año al sitio del SII, la diferencia técnica puede pasar inadvertida porque el resultado llega ya ordenado y listo para revisar.

En el celular, la IA interviene con más frecuencia. El reconocimiento facial compara rasgos para verificar la identidad en determinadas aplicaciones, la cámara ajusta exposición y enfoque según la escena, el correo detecta mensajes sospechosos y algunas plataformas ordenan contenido según tu actividad previa. En la banca, los sistemas de prevención de fraude analizan montos, lugares, horarios y hábitos de compra para detectar movimientos que se salen de tu comportamiento habitual. Cuando una operación reúne señales de riesgo, puede activarse una verificación adicional antes de completar el pago.

También hay decisiones algorítmicas detrás de servicios que usas fuera de casa. Red Movilidad utiliza datos de validaciones, ubicación de buses y demanda por recorrido para apoyar la planificación operacional. En el comercio electrónico, los sistemas de recomendación ordenan productos según búsquedas, compras anteriores y comportamiento de otros usuarios. Cada una de esas decisiones parece pequeña por separado, pero juntas determinan qué opción ves primero, qué movimiento requiere confirmación y cómo se distribuyen recursos en servicios que utilizas todos los días.

Chile ya desarrolla inteligencia artificial con datos de la región

Chile también desarrolla modelos y herramientas entrenados con datos producidos en la región. En 2026,

CENIA

lanzó Latam-GPT, un modelo de lenguaje abierto construido con un corpus latinoamericano y coordinado desde Chile. La selección de textos regionales busca mejorar la comprensión de referencias, usos lingüísticos e instituciones que suelen quedar peor representados en modelos entrenados principalmente con información de otras zonas. El proyecto y sus antecedentes técnicos están publicados por CENIA. En astronomía, ALeRCE comenzó en 2019 y en 2026 empezó a recibir alertas del Observatorio Vera C. Rubin. Sus modelos de clasificación automática procesan alertas astronómicas casi en tiempo real para facilitar su clasificación y seguimiento científico. En incendios, AIrefighter fue presentado en 2026 para detectar focos y estimar propagación mediante IA. En Valparaíso, AIRIS, lanzado en 2026, usa sensores y monitoreo en tiempo real para detectar humo y contaminantes asociados a incendios forestales. En minería, BHP informó en 2026 que Escondida Norte opera con 33 camiones autónomos y 11 perforadoras autónomas y que más de 5.000 trabajadores recibieron capacitación en nuevas tecnologías. En esa operación, la supervisión, el mantenimiento y el control remoto ganan peso frente a la conducción directa.

Cómo usamos la IA por decisión propia

La inteligencia artificial también entra en la rutina cuando tú decides pedirle ayuda. Puedes cargar un contrato de arriendo para ubicar reajustes y fechas, resumir las condiciones de una compra en cuotas, comparar dos planes de telefonía o pedir una explicación sencilla de un manual técnico. También puede ordenar una lista de gastos, calcular cuánto cambia un presupuesto mensual si sube una cuenta determinada o convertir información dispersa en una comparación más fácil de revisar. En estas tareas, el ahorro de tiempo viene de reunir datos y localizar detalles que suelen quedar repartidos entre varias páginas. También se usa para organizar decisiones domésticas y personales. Puedes armar un menú con lo que queda en el refrigerador, adaptar una receta a menos porciones, preparar una lista de compras según un presupuesto o planificar un viaje considerando horarios, distancias y actividades. Al comparar servicios digitales, algunas personas recurren a herramientas para

analizar sitios de juegos de azar

, revisar condiciones de retiro, requisitos de verificación, funcionamiento de bonos y datos del operador. El mismo criterio sirve al comparar suscripciones, plataformas de cursos o servicios de alojamiento.

Otra parte del uso cotidiano está en escribir y entender información. La IA puede resumir un correo largo, mejorar la redacción de un mensaje, explicar un concepto de estudio con ejemplos distintos o convertir apuntes desordenados en una guía de repaso. También puede proponer preguntas para una reunión, ordenar ideas antes de una conversación difícil o resumir comentarios de varios usuarios sobre un producto. Su utilidad crece cuando la tarea tiene bastante información y tú sabes qué resultado necesitas obtener.

¿Qué cambia realmente en el trabajo?

En el trabajo, la inteligencia artificial suele aparecer primero en tareas que ocupan muchas horas y siguen pasos repetidos. En un centro de atención de Santiago, puede resumir una conversación, identificar el motivo de una consulta y preparar antecedentes para el ejecutivo que continuará el caso. En la contabilidad de un negocio pequeño, puede ordenar comprobantes, clasificar gastos y señalar movimientos que requieren revisión. En una tienda, los modelos de predicción ayudan a estimar cuánto producto conviene mantener disponible según ventas anteriores, fechas y variaciones de demanda. En los tres casos, procesar esa información manualmente consume tiempo y aumenta la posibilidad de pasar por alto un dato. Eso cambia el contenido del trabajo, incluso cuando el nombre del cargo sigue igual. Un ejecutivo dedica menos tiempo a registrar conversaciones y más a resolver casos difíciles. Un contador recibe parte de la información ya clasificada y concentra la revisión en diferencias que pueden afectar un pago o una declaración. En comercio y logística, la planificación depende cada vez más de estimaciones que se actualizan a medida que entran nuevos datos. La transformación ocurre tarea por tarea, y por eso puede avanzar más rápido que la capacidad de una empresa para redefinir funciones, responsabilidades y formas de supervisar los resultados.

¿Dónde falla y quién responde?

Buena parte de los sistemas que operan acá se entrenaron con datos de otros países, y eso produce errores que se reparten de manera despareja. Un modelo de evaluación crediticia calibrado con historiales europeos castiga trayectorias laborales informales, muy comunes en Chile, y termina rechazando a personas que sí pagan. Cuando ese rechazo ocurre, la pregunta por la responsabilidad queda abierta. La empresa suele apuntar al proveedor del sistema, el proveedor apunta a los datos entregados por la empresa y el cliente se queda sin explicación. La normativa sobre datos personales vigente hasta noviembre de 2026 ofrece protecciones limitadas frente a este tipo de decisiones, y el proyecto de ley sobre inteligencia artificial que se tramita en el Congreso propone clasificar los usos por nivel de riesgo y exigir explicación de las decisiones automatizadas. Mientras eso se define, el Sernac recibe reclamos por decisiones automatizadas en banca, seguros y comercio, y puede exigir a la empresa que fundamente el criterio aplicado. La herramienta existe y se usa poco, sobre todo porque casi nadie sabe que un rechazo automático se puede reclamar igual que un cobro indebido.

Para el usuario, hay medidas bastante concretas. Conviene comprobar en la fuente original cualquier dato que afecte dinero, salud, trámites, contratos o derechos, y evitar entregar RUT, claves, documentos de identidad o antecedentes bancarios a servicios cuyo responsable no puedas identificar. Desde el 1 de diciembre de 2026, si una decisión basada en el tratamiento automatizado de tus datos produce efectos jurídicos o te afecta significativamente, podrás obtener una explicación, solicitar intervención humana, expresar tu punto de vista y pedir la revisión de la decisión.