Investigación
¿Cómo se convierte realmente la IA en valor empresarial?
Un programa de investigación que explora por qué organizaciones con acceso a tecnologías de IA similares producen resultados económicos radicalmente distintos.
Esta página es el hogar del programa de investigación: su pregunta central, las tres líneas en que se organiza, los frameworks que cada línea desarrolla y las publicaciones y artículos que lo documentan. Evoluciona con el trabajo.
La cadena causal en el centro del programa
Una agenda de investigación, siete frameworks conectados
Cada framework aborda un punto donde la cadena de conversión se rompe: el liderazgo que todavía no puede gobernar la IA, la deuda de arquitectura y gobernanza que se acumula, la forma en que se construyen los pilotos, el modelo operativo que los escala, la medición que hace visible el valor y la asignación de capital que lo reinvierte.
01Tres líneas de investigación
AI Value Realization
¿Por qué capacidades de IA similares producen retornos tan distintos?
Investigación organizacional y económica sobre cómo la inversión en IA se convierte en decisiones, acciones y valor medible. Incluye AVRT y su sistema de medición, los conceptos de deuda (liderazgo, arquitectura, gobernanza) y la asignación de capital en portafolios de IA.
Frameworks de esta línea
- AI Value Realization Theory (AVRT)
- AI Leadership Debt
- Architecture Leadership Debt
- Governance Debt
- AVRT Measurement System
- AI Capital Allocation
Publicaciones y evidencia
- Working paper AVRT v3 (en curso; resumen ejecutivo publicado en LinkedIn, ago 2026)
- Serie AVRT, partes 1–3, y serie Portafolio Estratégico de IA (LinkedIn, 2026)
Insights relacionados · AI Value Realization Theory (AVRT) · Liderazgo y alfabetización ejecutiva en IA · Portafolio y estrategia de IA · Modelos operativos y gobernanza de IA
AI Value Realization Theory: resumen ejecutivo
El resumen ejecutivo del marco: la cadena de conversión, las cinco métricas (ALDI, DCR, ACR, VCR, AIRR), la lógica del eslabón débil, la curva en J, el autodiagnóstico de 10 preguntas, el mapa de posicionamiento, la métrica crítica por industria y la hoja de ruta a 3, 6 y 12 meses.
Leer · 9 min de lecturaPortafolio de inversiones en IA: estructura y gobierno
Por qué la pregunta “¿qué proyectos de IA tenemos?” es la pregunta equivocada, y cuál debería reemplazarla. Los siete componentes de un portafolio de IA, los Tres Horizontes, los límites de la matriz Impacto × Factibilidad y la cadena AVRT de inversión a valor.
Leer · 11 min de lecturaEl verdadero problema de la IA no es la tecnología. Es que el liderazgo no la entiende.
Tres de las firmas de investigación más rigurosas del mundo midieron lo mismo en 2025 y llegaron a la misma conclusión incómoda: la adopción es masiva, pero el valor es raro. Los líderes todavía pueden delegar la ejecución, pero ya no pueden delegar el entendimiento.
Leer · 6 min de lectura02Tres líneas de investigación
IA industrial
¿Cómo cambian el machine learning y los agentes el control de procesos físicos complejos?
Investigación aplicada en la frontera entre control de procesos e IA: control adaptativo con ML (MPC/APC) para procesos mineros no lineales, gemelos digitales y simuladores de entrenamiento, visión computacional a escala y agentes de IA operacionales que integran miles de señales en tiempo real.
Frameworks de esta línea
- Evolution-Ready PoC
- Expert Validation Loop
- Agent Harness Engineering
Publicaciones y evidencia
- Barrientos C., Neira N., Olivares J., et al. “Non-linear Adaptive APC: ML-Driven Optimization for Copper Mining.” APC Perú, 2025.
- Barrientos C., et al. “Adaptive APC Strategy using ML for SAG Grinding.” APC Perú, 2024.
- Trabajo anterior: modelos predictivos geometalúrgicos y AutoML en minería chilena (CORFO / PIA-CONICYT); Hydrometallurgy (Elsevier).
Insights relacionados · Ingeniería agéntica y AI-native
Desarrollamos 10 veces más rápido. ¿Estamos también acelerando los errores?
Spec-Driven Development, Context Engineering y Loop Engineering gobiernan los inputs y la ejecución de los agentes. Ninguno valida el output como conocimiento. El caso para un Expert Validation Loop, y por qué convertir inteligencia incorrecta más rápido es riesgo acelerado.
Leer · 8 min de lecturaMás allá del LLM: Agent Harness Engineering y gobernanza de IA
Un año construyendo agentes de IA para entornos industriales dejó una conclusión inesperada: a más escala, menos consistencia. El problema no era el modelo. Era el diseño del sistema completo a su alrededor: memoria, contexto, orquestación, observabilidad y gobernanza.
Leer · 4 min de lectura03Tres líneas de investigación
IA en salud
¿Puede el machine learning apoyar las decisiones de tratamiento en adultos mayores con cáncer?
Apoyo a la decisión clínica en oncología y oncogeriatría: modelos de ML multivariables para elegibilidad a quimioterapia e intensidad del tratamiento, validación externa en hospitales y plataformas clínicas agénticas. Desarrollado a través de Oncoger.ai y del programa PRECISION-IA financiado por CORFO.
Frameworks de esta línea
- Expert Validation Loop
Publicaciones y evidencia
- Navarrete G., Martínez G., Barrientos C., et al. “ML-Based Systemic Therapy Decision Support in Older Adults with Cancer.” Journal of Geriatric Oncology, 2026.
- Modelos con ~0,90 ROC AUC en validación de cohorte externa; plataforma desplegada en 10+ hospitales de Latinoamérica.
Publicaciones
Publicaciones
Investigación revisada por pares
- Navarrete G., Martínez G., Barrientos C., et al. “ML-Based Systemic Therapy Decision Support in Older Adults with Cancer.” Journal of Geriatric Oncology, 2026.
- 10+ publicaciones revisadas por pares en Hydrometallurgy (Elsevier), SPIE Astronomical Instrumentation y Space Terahertz Technology, 2005–2016.
Investigación industrial
- Barrientos C., Neira N., Olivares J., et al. “Non-linear Adaptive APC: ML-Driven Optimization for Copper Mining.” APC Perú, 2025.
- Barrientos C., et al. “Adaptive APC Strategy using ML for SAG Grinding.” APC Perú, 2024.
Working papers
- Barrientos C. “AI Value Realization Theory (AVRT): un modelo de conversión del valor de la IA en las organizaciones.” Working paper v3, 2026. Disponible a solicitud.
Liderazgo de pensamiento
- Artículos, series y carruseles publicados en LinkedIn y reproducidos en la sección Insights, agrupados por tema.
05Explorando actualmente
Preguntas abiertas de la agenda de investigación
Cuatro preguntas que hoy orientan el trabajo. Comentarios, evidencia en contra y colaboración son bienvenidos.
- 01
¿Puede medirse la realización de valor de la IA como un sistema de conversión?
AVRT Measurement System
- 02
¿Puede la AI Leadership Debt explicar las diferencias persistentes en el ROI de la IA entre organizaciones?
AI Leadership Debt
- 03
¿Cómo deberían las organizaciones asignar capital entre iniciativas de IA bajo incertidumbre organizacional?
AI Capital Allocation
- 04
¿Cómo deberían diseñarse los PoC de IA para maximizar el aprendizaje sin crear Architecture Leadership Debt?
Evolution-Ready PoC · Architecture Leadership Debt