ViaMind Journal (Español)

🧾 La factura de la IA: el problema del que casi nadie está hablando

Tue, 14 Jul 2026 00:00:00 +0000

Durante los últimos dos años hemos escuchado el mismo discurso:

“La IA reemplazará millones de empleos.”

“Las empresas serán mucho más eficientes.”

“Podrás hacer el trabajo de dos o tres personas.”

Y, siendo honesto, parte de eso ya está ocurriendo. Yo mismo no habría podido construir NeuraPRO en el tiempo que lo hice sin Claude, Cursor, GitHub Copilot y ChatGPT. Hoy utilizo IA todos los días en una multinacional para automatizar procesos, desarrollar herramientas internas y gestionar proyectos. Además, llevo meses estudiando cómo funciona por dentro: agentes, MCP, Skills y Subagents.

Cuanto más aprendo, más convencido estoy de que estamos viviendo una revolución tecnológica comparable a la llegada de Internet. Pero también empiezo a creer que estamos mirando el problema desde el ángulo equivocado.

No es la capacidad. No es la seguridad. No es la calidad de los modelos.

Es algo mucho más simple:

¿Quién paga la factura?

Cuando la IA deja de ser una demo

Hace unos meses tuvimos acceso prácticamente libre a Claude en mi trabajo. Y ocurrió exactamente lo que uno esperaría: empezamos a construir. Mucho.

En mi caso desarrollé un Planner completamente integrado con Jira, Confluence y nuestro portal interno. Hoy puedo crear proyectos completos, mantener dependencias entre tareas, reorganizar calendarios sin romper la planificación, asignar ingenieros, crear tareas automáticamente, actualizar Jira con un clic, calcular esfuerzo, medir el avance global y exportar la planificación para compartirla con otros equipos.

Todavía tiene muchísimo por mejorar, pero ya resuelve problemas reales. Y probablemente termine utilizándose mucho más allá de mi equipo.

Después cambió todo

Con el paso de las semanas empezaron a aparecer límites: charlas internas, buenas prácticas, correos recomendando optimizar prompts, utilizar modelos más económicos cuando fuera posible y pensar antes de lanzar consultas complejas.

Y ahí entendí algo.

No era un problema técnico. La IA seguía funcionando exactamente igual. No era un problema de seguridad.

Era un problema de costes.

Y creo que muchas empresas hicieron exactamente lo mismo: primero dejaron que los equipos experimentaran libremente y después analizaron los datos. ¿Cuánto se utilizó? ¿Cuánto tiempo realmente se ahorró? ¿Cuánto costó?

Si yo hubiera tenido que tomar esa decisión como responsable tecnológico, probablemente habría hecho exactamente lo mismo. Porque no existe una mejor forma de entender una tecnología que verla funcionando en producción.

No es solo una percepción

Mi experiencia no parece ser un caso aislado.

Durante los últimos meses han aparecido varios informes mostrando que muchas empresas están empezando a controlar el consumo de IA mucho más de cerca. Algunos estudios indican que cada vez más organizaciones están imponiendo presupuestos, cuotas de uso o promoviendo modelos más económicos porque el coste operativo está creciendo mucho más rápido de lo esperado.

Al mismo tiempo, compañías como Microsoft, Google, Meta, OpenAI y Anthropic siguen anunciando inversiones de decenas de miles de millones de dólares en infraestructura para poder soportar la demanda creciente de modelos de IA.

La tecnología avanza, pero hacerla funcionar sigue siendo extraordinariamente caro.

Hagamos un ejercicio simple

Imaginemos una empresa con 5.000 empleados. No todos desarrollan software; muchos simplemente utilizan IA para su trabajo diario: leer documentación, preparar presentaciones, resumir reuniones, analizar contratos, consultar procedimientos internos, escribir código o responder correos.

Ahora imaginemos que cada uno realiza solo 20 consultas relevantes al día. No preguntas simples, sino consultas donde la IA debe leer documentación, entender tickets de Jira, revisar páginas de Confluence, analizar archivos, utilizar herramientas mediante MCP o razonar antes de responder.

Cada una consume contexto, procesamiento y tokens.

Multiplica eso por cinco mil personas, después por veinte días laborales y luego por doce meses.

De pronto la IA deja de ser simplemente una herramienta de productividad. Se convierte en una nueva línea de gasto que puede representar millones de dólares al año.

Y esa cuenta sigue creciendo a medida que utilizamos agentes cada vez más sofisticados.

Los agentes son impresionantes…

…pero también consumen muchísimo.

En los últimos meses he estado estudiando con más profundidad cómo funcionan los agentes modernos, no solo desde el uso práctico, sino también desde lo que ocurre detrás.

Un agente no hace una sola consulta: lee documentación, consulta Jira, busca información en Confluence, invoca herramientas mediante MCP, consulta otros agentes especializados, razona, vuelve a consultar, genera tareas y valida resultados.

Cada uno de esos pasos vuelve a consumir tokens. Muchos más de los que la mayoría imagina.

Como ingeniero me parece increíble.

Como Project Manager inevitablemente pienso otra cosa:

¿Es sostenible cuando toda una organización empieza a trabajar así todos los días?

¿Es realmente más barato que una persona?

Esta es probablemente la pregunta que más me hago últimamente.

Durante mucho tiempo escuché una idea que parecía evidente:

“Será mucho más barato reemplazar personas por IA.”

Hoy ya no estoy tan seguro.

No porque la IA no sea capaz —lo es—, sino porque la duda está en otra parte.

Si un ingeniero experimentado resuelve una tarea en una hora, el coste es conocido. Si un agente necesita analizar cientos de páginas de documentación, recorrer tickets, consultar varias herramientas, razonar durante varios minutos y generar un resultado, el coste también existe. Y todavía estamos aprendiendo cuál de los dos modelos resulta más rentable según el tipo de trabajo.

Creo que ahí está el verdadero debate: no preguntarnos únicamente qué puede hacer la IA, sino cuánto cuesta hacerlo millones de veces cada día.

El mayor aprendizaje que me dejó todo esto

Curiosamente, el mejor resultado que obtuve no fue hacer más preguntas, sino dejar de necesitarlas.

Construir mi Planner consumió muchísimos tokens, pero ahora que existe, gran parte de ese coste desapareció. La lógica quedó implementada. Ya no necesito preguntarle constantemente a un modelo cómo reorganizar tareas o calcular dependencias: el sistema simplemente lo hace.

Y eso cambió completamente mi forma de ver la IA.

Quizás el mayor valor no esté en conversar eternamente con un modelo.

Quizás esté en utilizar esa inteligencia para construir herramientas que después funcionen casi solas.

Mi reflexión

No creo que estemos viviendo una burbuja tecnológica. La IA funciona. Lo veo todos los días. La utilicé para construir NeuraPRO, la utilizo en mi trabajo y sigo estudiándola porque estoy convencido de que cambiará la forma en que trabajamos.

Pero sí creo que estamos viviendo una etapa donde las expectativas van más rápido que la realidad. Hoy hablamos mucho de reemplazar personas y muy poco de costes, de retorno de la inversión o de sostenibilidad.

Y cada vez me pregunto más cómo evolucionará el trabajo humano en este nuevo escenario. Cómo encontraremos el balance entre productividad, tecnología, costes y personas.

Porque una cosa es demostrar que la IA puede hacer un trabajo. Otra muy distinta es demostrar que puede hacerlo todos los días, para miles de personas, durante años, con un coste que una empresa esté dispuesta a asumir.

Quizás por eso cada vez vemos más organizaciones promoviendo modelos más pequeños, optimizando prompts, estableciendo presupuestos y enseñando a gastar menos tokens.

No porque la IA haya fracasado.

Todo lo contrario.

Porque por primera vez dejó de ser una demostración y empezó a utilizarse de verdad.

La siguiente revolución de la IA ya no dependerá solo de crear modelos más inteligentes.

Dependerá de hacer que esa inteligencia sea económicamente sostenible.

Y esa, probablemente, será la innovación más importante de todas.

Lecturas relacionadas:

✍️ Claudio from ViaMind

“Atrévete a imaginar, crear y transformar.”

🤖 ¿Estamos entrando en una crisis laboral silenciosa?

Thu, 25 Jun 2026 00:00:00 +0000

Hace unos días me encontré reflexionando sobre algo que llevo años observando, pero que recién ahora empecé a conectar.

Cuando llegué desde Chile a Holanda en plena pandemia, el mercado laboral era muy diferente. En ese momento las empresas seguían contratando ingenieros, project managers, arquitectos, especialistas y consultores externos para sacar adelante proyectos complejos. Había espacio para contratistas, empresas de servicios y profesionales independientes. Yo mismo fui contratado desde Chile para trabajar en Europa como contractor. Si aparecía más trabajo, la solución parecía bastante simple: contratar más personas.

Hoy, apenas seis años después, tengo la sensación de que la conversación cambió por completo. Y lo más curioso es que el trabajo no desapareció. Las personas sí.

Los proyectos siguen existiendo. Los clientes siguen llamando. Los sistemas siguen fallando. Las operaciones siguen funcionando.

La diferencia es que ahora esperamos que menos personas hagan el mismo trabajo que antes realizaban equipos completos. Y muchas veces incluso más.

De crecer a reducir costos

Durante gran parte de mi carrera profesional sentí que las empresas competían por atraer talento. La conversación giraba alrededor de cómo ejecutar más proyectos, cómo innovar más rápido o cómo encontrar especialistas capaces de resolver problemas complejos.

Hoy percibo algo distinto. La prioridad parece ser la eficiencia. Reducir costos. Optimizar estructuras. Consolidar equipos. Externalizar funciones. Automatizar procesos. Y, sobre todo, hacer más con menos.

He visto organizaciones completas transformarse en pocos años. Empresas que antes mantenían grandes equipos internos ahora dependen de proveedores globales. Departamentos completos fueron reducidos. Roles especializados desaparecieron. Y muchas veces el trabajo simplemente fue absorbido por quienes quedaron.

La carga no desapareció. Solo cambió de dueño.

Quizás por eso una de las frases que más escucho últimamente entre colegas es:

“Estoy agotado.”

No porque haya menos trabajo. Sino porque el mismo trabajo se está repartiendo entre menos personas.

La promesa de la inteligencia artificial

Me fascina la inteligencia artificial. La utilizo todos los días. Estoy estudiándola, construyendo proyectos con ella y aprendiendo constantemente sobre sus capacidades. Sería absurdo negar el impacto que está teniendo.

Pero también creo que muchas veces estamos confundiendo potencial con realidad.

Escucho frecuentemente que la IA resolverá problemas operativos, reemplazará tareas repetitivas, aumentará la productividad y permitirá trabajar con equipos más pequeños. Y probablemente parte de eso sea cierto.

Lo que no tengo tan claro es que estemos siendo igual de realistas sobre sus límites.

En mi experiencia, la IA se parece más a un caballo que a un conductor. Tiene fuerza. Tiene velocidad. Puede multiplicar la capacidad de una persona. Pero necesita dirección. Necesita criterio. Necesita contexto. Necesita alguien que sepa hacia dónde va.

La IA no ejecuta una estrategia por sí sola. No lidera equipos. No asume responsabilidades. No entiende realmente las consecuencias de una decisión. Al menos no hoy.

Por eso me preocupa cuando algunas organizaciones parecen estar tomando decisiones como si la tecnología ya hubiera resuelto problemas que todavía no ha resuelto.

Cuando la experiencia deja de importar

Hace poco recordé algo de mis años estudiando telecomunicaciones. En aquella época hablar de Cisco era hablar de excelencia técnica. Si tenías un problema complejo, llegabas rápidamente a un experto que conocía el producto en profundidad. Si él no podía resolverlo, escalaba el caso a alguien aún más experimentado.

Participar en una llamada con esos ingenieros era casi una clase magistral.

Hoy la experiencia suele ser distinta. Procesos más largos. Más formularios. Más capas. Más escalaciones. Más burocracia. Y muchas veces menos conocimiento especializado en el primer contacto.

No es un problema exclusivo de Cisco. Lo veo en muchas industrias. La obsesión por la eficiencia ha desplazado parte del valor que antes se asignaba a la experiencia. Y cuando eso ocurre, la calidad termina resintiéndose.

Quizás los costos bajan. Pero también se pierde algo difícil de medir en una planilla: el conocimiento acumulado.

Lo que realmente me preocupa

No me preocupa la tecnología. La tecnología siempre ha cambiado el mundo. Lo ha hecho durante siglos. Tampoco creo que debamos detener el avance de la inteligencia artificial. Sería absurdo.

Lo que me preocupa es algo mucho más simple.

No entiendo cómo será la sociedad si una parte importante del trabajo humano desaparece. Quizás existan economistas, académicos o líderes que tengan respuestas para eso. Yo no las tengo. Solo tengo preguntas.

Porque una sociedad no funciona únicamente gracias a la tecnología. Funciona porque las personas trabajan. Generan ingresos. Consumen. Pagan impuestos. Forman familias. Construyen comunidades.

Si algún día la IA reemplaza millones de empleos, ¿cómo se sostendrá ese equilibrio?

¿Quién comprará los productos?

¿Quién pagará los impuestos?

¿Quién financiará los sistemas que hoy dependen del trabajo de millones de personas?

Tal vez exista una respuesta. Tal vez todavía no la hemos encontrado.

Mirando hacia adelante

Tengo cuarenta años. Todavía me quedan más de veinte años de carrera profesional. Y si yo, después de años trabajando en tecnología, tengo dudas sobre cómo será el mercado laboral dentro de una década, imagino cómo debe sentirse alguien que recién está comenzando.

O cómo será para nuestros hijos.

Quizás la inteligencia artificial nos lleve a una sociedad mejor. Ojalá sea así.

Pero cuando miro lo que ocurre hoy en muchas industrias, veo equipos más pequeños, menos oportunidades, procesos de contratación más lentos y una incertidumbre que antes no existía con esta intensidad.

Por eso creo que la conversación no debería centrarse únicamente en qué tan rápido avanza la tecnología. También deberíamos preguntarnos qué tipo de sociedad queremos construir alrededor de ella.

Porque una empresa puede funcionar con menos trabajadores. Pero una sociedad es algo mucho más complejo que una hoja de cálculo.

Y esa, al menos para mí, sigue siendo la pregunta más importante de todas.

✍️ Claudio from ViaMind

“Atrévete a imaginar, crear y transformar.”

🧠 NeuraPRO: mi MVP funcionaba, mis clientes no

Mon, 15 Jun 2026 00:00:00 +0000

Hace aproximadamente un año y medio comencé a construir NeuraPRO.

La idea parecía bastante lógica: crear una plataforma que ayudara a pequeñas empresas a gestionar inventario, producción, ventas y operación diaria de una forma más ordenada. Durante años había visto negocios funcionando con planillas, cuadernos, mensajes de WhatsApp y mucha información almacenada únicamente en la experiencia de las personas. Pensé que podía ayudar a resolver parte de ese problema.

Como ingeniero y project manager, abordé el desafío de la forma que mejor conocía: construyendo. Durante meses trabajé en la arquitectura, preparé ambientes de desarrollo, preproducción y producción, configuré dominios, integré pagos, mejoré la experiencia móvil y rediseñé la interfaz varias veces. También construí un portal de usuarios separado de la aplicación principal, simplifiqué el acceso para evitar múltiples inicios de sesión y dediqué mucho tiempo a detalles que probablemente ningún usuario notaría de forma consciente, pero que para mí eran importantes.

Mirando hacia atrás, me doy cuenta de que gran parte de mi energía estaba enfocada en asegurarme de que el producto estuviera listo para crecer cuando llegara el momento. Y técnicamente lo estaba.

La aplicación no solo funcionaba. Funciona. NeuraPRO sigue vivo, la plataforma sigue operativa, sigue evolucionando y todavía tiene una línea muy clara para agricultura y negocios que necesitan ordenar inventario, producción y ventas. Después de más de un año de trabajo sentía que había construido una base sólida sobre la cual podía seguir desarrollando nuevas funcionalidades.

Entonces llegó el momento de lanzarla.

El lanzamiento

Mi estrategia inicial fue relativamente simple. Comencé con campañas en Meta Ads utilizando presupuestos pequeños pero constantes. La idea era validar si existía interés real por parte del mercado: las personas veían los anuncios, hacían clic y llegaban al sitio web de NeuraPRO.

Además, ofrecía tres meses gratuitos de uso. Sin tarjeta de crédito, sin compromisos y sin riesgo. Mi razonamiento parecía lógico: si el problema existía y la solución era útil, las personas comenzarían a utilizarla.

Al menos esa era la teoría.

Lo que mostraron los datos

Los clics llegaron. Las visitas llegaron. Las personas efectivamente entraban al sitio. Pero al analizar el comportamiento aparecía siempre el mismo patrón: entraban, exploraban un poco y se iban.

Al principio pensé que era un problema técnico. Quizás la página era lenta, quizás el proceso de registro era demasiado largo, quizás la experiencia móvil podía mejorar o quizás faltaba alguna funcionalidad importante. Entonces hice lo que hacemos muchos ingenieros cuando algo no funciona: analizar, medir, optimizar, cambiar, volver a medir y repetir.

En paralelo, aprendí algo que no estaba en mi zona cómoda: intentar vender el producto. Estuve creando carruseles para Meta Ads, probando distintos mensajes, ajustando textos, revisando qué imágenes llamaban más la atención y entendiendo poco a poco cómo cambia el comportamiento de las personas dependiendo de una frase, una promesa o una primera impresión.

También pedí videos e imágenes a personas externas, probé formatos distintos y fui entendiendo que comunicar un producto es casi otro producto en sí mismo. No basta con tener una aplicación que funciona. Hay que explicar en segundos por qué debería importarle a alguien.

Me tocó aprender cómo administrar campañas, cómo mirar las visitas al landing, cómo interpretar señales pequeñas y cómo mejorar la página para que la persona que llega entienda más rápido qué problema resuelve NeuraPRO. Incluso construí dashboards dentro del portal para observar mejor esos datos: cuántas personas llegaban, desde dónde venían, qué hacían, dónde se detenían y qué podía aprender de ese comportamiento.

Eso abrió otro mundo. Marketing, datos, producto y comportamiento humano empezaron a mezclarse. Y aunque todavía estoy lejos de tener todas las respuestas, hoy entiendo mucho mejor que lanzar un producto no es simplemente ponerlo en línea. Es construir un sistema completo alrededor de atención, confianza, mensaje, timing y aprendizaje continuo.

Por eso sigo explorando este camino. Sigo pensando en nuevas estrategias de marketing, sigo ajustando el landing, sigo observando qué capta la atención de los clientes y qué no. Probablemente en algún momento haga un segundo lanzamiento, más preparado, con mejores materiales, mejores datos y una historia más clara.

Porque la primera vez hice muchas cosas sobre la marcha. Y eso también fue parte del aprendizaje.

Pero mientras más observaba los datos, más evidente se volvía una posibilidad incómoda.

El problema probablemente no estaba en el software.

La lección que más me costó aceptar

Creo que cometí un error bastante común entre quienes construimos productos tecnológicos: asumí que el principal problema de mis potenciales clientes era la falta de una herramienta.

Hoy creo que estaba viendo la situación desde la perspectiva equivocada. Muchas personas no están buscando activamente un nuevo software. No pasan tiempo comparando plataformas SaaS, evaluando funcionalidades o investigando procesos de transformación digital. Están concentradas en sacar adelante su negocio, atender clientes, resolver problemas operativos y llegar al final del día.

Y cambiar la forma en que alguien trabaja es muchísimo más difícil que desarrollar una aplicación.

Esa fue probablemente la lección más importante de todo este proceso. Yo veía una oportunidad evidente de mejora. Pero para muchos potenciales usuarios, el problema simplemente no tenía el mismo nivel de urgencia que tenía para mí.

Y esa diferencia cambia todo.

El segundo intento

Como segunda estrategia decidí apoyarme en algo más cercano: mi propia red de contactos. Comencé a conversar con amigos, conocidos y personas relacionadas con distintas industrias. Pensé que quizás el problema no era el producto, sino la confianza. Tal vez una recomendación directa o una incorporación más personalizada podía generar una adopción diferente.

Conseguí más registros, más conversaciones y más interés inicial. Pero el resultado final fue bastante parecido. Algunas personas probaban la plataforma. Otras incluso completaban el proceso de incorporación. Sin embargo, después de un tiempo dejaban de utilizarla.

La pregunta seguía siendo la misma: ¿por qué?

La verdad es que todavía no tengo una respuesta definitiva. Y creo que parte del aprendizaje es aceptar que algunas respuestas requieren más tiempo del que uno quisiera.

NeuraPRO sigue aquí

Algo importante que quiero aclarar es que NeuraPRO no está muerto. No fue abandonado. No es un proyecto olvidado en un repositorio.

La plataforma sigue funcionando, la infraestructura sigue operativa y el roadmap continúa avanzando. También sigue abierta la línea agrícola, que fue parte importante del origen de NeuraPRO. Todavía veo valor en ese mundo: productores, distribuidores, bodegas, stock, ventas y procesos que muchas veces siguen funcionando con información dispersa.

Lo que cambió fue mi enfoque. Hoy dedico menos energía a agregar funcionalidades y más energía a entender problemas. Menos tiempo construyendo y más tiempo observando. Menos tiempo programando y más tiempo conversando con personas que realmente viven el problema que intento resolver.

Porque después de este proceso entendí algo importante: agregar funcionalidades es relativamente fácil. Entender profundamente una industria es mucho más difícil.

De una solución multiindustria a entender una industria

Cuando comencé NeuraPRO imaginé una plataforma capaz de adaptarse a múltiples tipos de negocio. Y técnicamente sigue siendo así.

Sin embargo, durante los últimos meses he comenzado a trabajar junto a un amigo que administra varias panaderías en Chile y esa experiencia ha sido completamente distinta. Por primera vez siento que estoy dedicando más tiempo a entender el negocio que a construir software.

Nuestras conversaciones ya no giran alrededor de pantallas, reportes o bases de datos. Hablamos sobre desperdicio de materias primas, control de producción, costos, márgenes, errores operativos, procesos diarios y problemas reales.

He tenido muchas conversaciones intentando entender dónde pierde tiempo, dónde pierde dinero y qué cosas realmente le generan dolor en su operación diaria. Y mientras más profundizamos, más evidente se vuelve algo que probablemente debería haber entendido desde el principio.

Las mejores soluciones nacen cuando uno comprende profundamente el problema antes de comenzar a construir.

Lo interesante es que gran parte del trabajo difícil ya está hecho. La plataforma existe, la arquitectura existe y el backlog principal existe. Hoy gran parte del esfuerzo consiste en adaptar, simplificar y ajustar lo construido para una industria específica.

Y esa diferencia es enorme.

Lo que la IA cambió en este camino

Hay otro motivo por el cual sigo construyendo. Y probablemente nunca fue solamente el dinero.

Por supuesto que me gustaría crear algo exitoso. A cualquier emprendedor le gustaría. Pero también existe otra motivación: entender cómo trabajar en un mundo donde la inteligencia artificial está cambiando la forma en que creamos, aprendemos y resolvemos problemas.

Durante estos años descubrí que mi forma de trabajar se adapta bastante bien a este nuevo paradigma. Me siento cómodo trabajando con objetivos claros, acciones concretas, tareas pequeñas y resultados medibles. La IA no reemplazó esa forma de trabajar. Lo que hizo fue acelerarla.

Por eso también he comenzado a construir herramientas para mí mismo, herramientas diseñadas para resolver problemas que enfrento todos los días en mi trabajo. Después de todo, quién mejor que uno mismo para identificar las fricciones que experimenta a diario.

Y quizás esa ha sido una de las lecciones más interesantes de todo este viaje: hoy es posible construir soluciones extremadamente personalizadas para problemas muy específicos, algo que hace apenas unos años habría sido mucho más difícil.

Algo que no esperaba

Curiosamente, mientras trabajaba en NeuraPRO, muchas personas comenzaron a contactarme. Algunas eran amigos. Otras no. La mayoría llegaba con una idea parecida:

“Tengo este problema en mi negocio.”

“¿Crees que esto se podría automatizar?”

“¿Se podría construir una herramienta para resolver esto?”

No siempre terminaba en un proyecto. Pero sí me dejó una conclusión interesante: los problemas existen, las oportunidades existen y las ideas existen.

Lo difícil no es construir.

Lo difícil es elegir correctamente qué problema vale la pena resolver.

Reflexión final

Si alguien me preguntara hoy cuál fue el principal aprendizaje de estos últimos dieciocho meses, probablemente respondería algo muy distinto a lo que habría dicho cuando comencé.

No fue una lección técnica. No fue una lección sobre arquitectura. No fue una lección sobre inteligencia artificial.

Fue una lección sobre personas.

Aprendí que un buen producto no garantiza adopción. Aprendí que una buena arquitectura no garantiza clientes. Aprendí que tener más funcionalidades no necesariamente genera más valor. Y aprendí que entender profundamente el problema suele ser mucho más importante que desarrollar rápidamente la solución.

NeuraPRO sigue aquí. El roadmap sigue aquí. Las ideas siguen aquí. Y probablemente seguiré construyendo durante mucho tiempo más.

Solo que ahora intento hacerlo en un orden diferente.

Primero entender el problema.

Después construir la solución.

Para seguir la historia de NeuraPRO: el origen, la base tecnica y el camino antes del MVP.

✍️ Claudio from ViaMind

“Atrévete a imaginar, crear y transformar.”

🎯 Gestión de proyectos: haz que las cosas pasen de verdad

Wed, 10 Jun 2026 00:00:00 +0000

Hace años, durante una conversación con uno de mis directores en VTR, recibí un consejo que se me quedó grabado.

“Tienes que hacer que las cosas pasen.”

En ese momento me pareció una frase simple. Incluso obvia.

Con los años entendí que probablemente resume gran parte de lo que significa gestionar proyectos complejos.

Porque gestionar proyectos no consiste en llenar calendarios, crear tickets o enviar correos electrónicos. Gestionar proyectos consiste en lograr que algo ocurra en la realidad.

Y esa diferencia es mucho más importante de lo que parece.

La ilusión del progreso

En muchos proyectos existe una sensación de avance constante.

Se envían correos. Se realizan reuniones. Se crean tickets. Se definen fechas. Se actualizan planes.

Todos parecen estar de acuerdo. Todo parece avanzar.

Pero muchas veces ese avance es una ilusión.

He visto proyectos donde la fecha del cambio estaba fijada semanas antes de que existiera claridad sobre quién haría cada tarea, qué dependencias estaban resueltas o si los equipos realmente estaban preparados para ejecutar.

Y cuando llega el día del cambio, aparece la realidad.

Falta una aprobación. Falta una configuración. Falta una validación. Falta una persona clave.

Entonces la reunión se extiende. El cambio se pospone. El cliente espera. Los equipos pierden tiempo. Y la confianza comienza a erosionarse.

La fecha existía. Pero las condiciones para el éxito no.

Lo que realmente hace que un cambio ocurra

Con el tiempo aprendí que un cambio no está listo porque aparezca en el calendario.

Está listo cuando existen las condiciones necesarias para ejecutarlo.

Eso implica varias cosas.

Responsables claros

No equipos. No departamentos. No áreas.

Personas.

Cada tarea importante debe tener un responsable concreto. Alguien que sepa exactamente qué debe hacer, cuándo debe hacerlo y qué ocurre si algo falla.

Las responsabilidades difusas son uno de los mayores enemigos de la ejecución.

Dependencias identificadas y cerradas

Muchos problemas no aparecen durante la ejecución. Se crean semanas antes.

Cuando alguien asume que otra persona ya terminó algo. Cuando una validación nunca se realizó. Cuando un prerrequisito quedó pendiente porque nadie lo estaba siguiendo.

Mientras más complejo es el entorno, más importante se vuelve entender las dependencias.

Disponibilidad real

He escuchado muchas veces frases como:

“No te preocupes, nosotros apoyamos.”

Pero apoyar no es suficiente.

Necesito saber quién estará presente. A qué hora. Con qué rol. Y durante cuánto tiempo.

La disponibilidad debe estar confirmada antes del cambio, no durante el cambio.

Preproducción que refleje la realidad

Este es probablemente uno de los puntos más importantes.

La preproducción no existe para demostrar que todo funciona. Existe para descubrir lo que todavía no funciona.

Si el procedimiento que ejecutaremos en producción es distinto al que probamos en preproducción, entonces realmente no estamos probando el cambio. Estamos probando otra cosa.

Y eso genera uno de los riesgos más peligrosos en tecnología: una falsa sensación de seguridad.

En entornos productivos, especialmente cuando existen clientes reales utilizando los servicios, las sorpresas son caras. Pueden impactar ingresos. Pueden afectar SLA. Pueden generar penalizaciones. Pueden dañar la confianza del cliente.

Por eso siempre he creído que la preproducción debe parecerse lo máximo posible a la realidad que encontraremos después.

Cuarenta y ocho horas antes

Algo crítico ocurre en ese punto.

Ya no alcanza con revisar documentos en silencio. Hay que contactar a la gente. Preguntar si todo está bien de verdad. Confirmar recursos, roles y tiempos.

No asumir que porque algo se dijo en una reunión de hace dos semanas, sigue siendo cierto.

Si aparece duda, si algo no está claro, si quedan open points abiertos, conviene organizar una reunión dos o tres días antes y analizar con honestidad si el cambio sigue o no.

En mi experiencia, no vale la pena correr por algo que no está listo cuando el riesgo es muy alto. A veces lo correcto es cancelar o mover la ventana.

Nadie quiere eso. Se ve como una derrota. Pero no lo es.

A veces, para avanzar, primero hay que dar un paso atrás.

Y eso no aplica solo a lo profesional. Aplica a cualquier área de la vida.

Disciplina no significa burocracia

Ese instinto no elimina el juicio.

Uno empieza a identificar cuándo un proyecto avanza por buen camino y cuándo algo no termina de encajar.

A veces es posible simplificar procesos. A veces se pueden asumir riesgos calculados. A veces incluso es razonable saltarse algún paso menor.

Pero cuando hablamos de cambios complejos, múltiples equipos, sistemas interdependientes y responsabilidades distribuidas, la disciplina deja de ser burocracia.

Se convierte en una herramienta para reducir incertidumbre.

La diferencia entre una ejecución tranquila y una noche complicada suele construirse mucho antes de que comience el cambio.

La verdadera interpretación de aquella frase

Después de muchos años trabajando en despliegues, migraciones, actualizaciones y cambios en producción, sigo recordando aquella frase.

“Haz que las cosas pasen.”

Hoy la interpreto de una forma distinta.

No significa empujar más reuniones. No significa enviar más correos. No significa crear más documentación.

Significa crear las condiciones necesarias para que la ejecución tenga éxito antes de que llegue el día del cambio.

Porque al final, los calendarios no entregan proyectos. Las personas preparadas sí.

Lecturas relacionadas:

No estudié para ser Project Manager. Aprendí en producción. — cientos de cambios en vivo y lo que ningún curso enseña.
Mi forma de ver el Project Management — alcance, governance y ejecución disciplinada.
Cuando Jira no alcanza — planificar qué va primero cuando el cuello de botella no es la ejecución.
Sobre mí — trayectoria en telecom y gestión de proyectos en Chile y Europa.

✍️ Claudio from ViaMind

“Atrévete a imaginar, crear y transformar.”

¿Cuántas veces has visto una fecha en el calendario sin las condiciones reales para ejecutar?

Porque al final, no se trata de tener todo planificado. Se trata de estar listo cuando llega el momento.

🛠️ Cuando Jira no alcanza: cómo construí mi propio sistema de planificación con IA

Tue, 02 Jun 2026 00:00:00 +0000

Los últimos meses del año tienen un ritmo particular en telecomunicaciones. Y este año más que nunca.

Cuando el Mundial de Fútbol está en el calendario, todo el sector sabe que hay una fecha que no se mueve: antes de que empiece, todo tiene que estar en producción. Lo que no llegue a tiempo espera hasta después — y “después” significa llegar a fin de año con el pipeline acumulado encima.

El resultado es lo de siempre, pero más apretado: cambios que compiten por las mismas ventanas, upgrades que dependen de que otro proyecto termine primero, migraciones coordinadas entre varios países con freezes distintos y equipos locales con sus propios calendarios — el mismo tipo de fricción que describí al pasar de equipo local en Chile a coordinación desde Europa. De repente estás mirando un pipeline donde todo es urgente, todo tiene dependencias, y en unos días tienes que presentarle al management el estado real — sin alarmar, pero sin esconder nada tampoco.

El problema no es la cantidad de trabajo. El problema es la visibilidad. ¿Qué va primero? ¿Qué bloquea a qué? ¿Dónde hay conflicto de capacidad? Antes de responder cualquiera de esas preguntas, primero hay que construir la imagen. Y eso tomaba días.

1. 🔍 El problema que vive entre las herramientas

Las herramientas no faltan. Jira para gestionar tareas, planners para organizar el trabajo, documentación que en teoría está al día. El problema es que ninguna te dice qué pasa en el tiempo — y en operaciones complejas, eso es exactamente lo que necesitas saber.

Jira te dice qué existe. No cuándo va, en qué orden, qué depende de qué. No entiende que si tienes proyectos activos en el backoffice que atiende los servicios locales, no puedes tener en paralelo un upgrade complejo de otro componente — porque si algo falla en producción, nadie sabrá de dónde vino el problema. Eso no es un detalle menor. En producción, la trazabilidad lo es todo.

Coordinar iniciativas en varios países, con plataformas distintas y equipos locales con sus propios ritmos y prioridades, requiere una vista que ningún producto del mercado da. No una lista de tareas — una lectura real de qué está en vuelo, qué bloquea qué, dónde hay riesgo real y cómo comunicarlo hacia arriba sin alarmar y sin ocultar nada.

Y luego están los runbooks. Un runbook es básicamente el manual paso a paso que se ejecuta durante una ventana de mantenimiento — lo que hace el equipo técnico para implementar un cambio de forma controlada. El problema es que con el tiempo se multiplican: versiones por país, actualizaciones numeradas, variantes por plataforma. Cientos de Excel que nadie sabe con certeza si están vigentes. Cada ventana empieza buscando el archivo correcto. Es un dolor que lleva años sin resolverse y que tiene consecuencias reales cuando algo sale mal.

2. 🛠️ Lo que construí — y cómo funciona

Lo que construí tiene dos partes que funcionan juntas: un portal de equipo y un planner.

El portal conecta con Jira y da visibilidad por proyecto — desde el EPIC hasta el task de implementación, con avance, planning y estado. Pero va más allá de una vista de Jira. Cada tarea de implementación tiene su runbook asociado, versionado, sin Excel. Hay una sección de aprendizajes donde queda registrado lo que antes se perdía en chats y correos. Y se puede exportar un resumen ejecutivo con blockers y próximas acciones, listo para compartir.

El planner es donde organizo todo en el tiempo. Trabajo con chain templates — básicamente una cadena de tareas que define todo lo que tiene que pasar para que algo esté entregado. Un upgrade sigue su secuencia: preprod, DR, prod batch 1, prod batch 2. Una migración tiene la suya. Puedo ver varios proyectos del mismo país en el mismo timeline, mover fechas arrastrando, y Jira se actualiza solo.

Construí todo esto con Claude — igual que hice con NeuraPRO — aplicando la misma lógica: entender bien el problema antes de empezar a construir.

Imagen ilustrativa con datos de ejemplo. No muestra información operativa real ni compromete datos privados de ningún mercado.

Y encima de todo esto, Claude. Un EPIC en Jira puede tener decenas de tareas, fases, dependencias y criterios de aceptación. Antes, estructurar todo eso en un proyecto tomaba horas. Ahora con Claude integrado directamente en Jira, puedo tomar un EPIC, analizarlo y transformarlo en chains y tasks organizados — con su jerarquía, sus fases y su estructura lista. Yo reviso, ajusto lo que no cuadra con la realidad del equipo, y ejecuto.

Desde ahí, esa estructura pasa al planner. El equipo puede ver el trabajo distribuido en el tiempo, empezar a priorizar, identificar conflictos y hablar de riesgos reales — no de fechas puestas en un calendario sin contexto.

Hoy lo uso yo como technical project manager del equipo. Primero quiero sacarle el máximo provecho en esta etapa — hay mucho en el pipeline y es el momento de probar y ajustar. La siguiente fase es abrirlo al equipo con accesos por rol: que cada ingeniero tenga visibilidad de sus tareas, sus runbooks y su progreso, sin que todo tenga que pasar por una sola persona.

Un ejemplo real

En un mercado teníamos tres proyectos críticos corriendo al mismo tiempo: dos upgrades de plataforma y una migración. Tres EPICs en Jira, el mismo país, el mismo periodo.

El management no preguntaba si había ventana disponible. Preguntaba qué va primero y qué tiene más impacto en producción si algo sale mal.

En el planner los tres aparecen como chain templates del mismo país, en el mismo timeline. Ahí se ve lo que Jira no muestra: un ingeniero asignado a tareas en distintos proyectos el mismo día, un ambiente de backup que choca con otra actividad, o una operación compleja calendarizada antes de que las etapas previas estén validadas. Sin esa visibilidad, si algo falla en producción no sabes de dónde vino.

La lógica para ordenarlos fue simple: primero preprod para los tres, luego validación con los equipos, después DR dejando al menos una semana entre cadenas, y el orden de producción definido según cómo salió cada uno en las etapas anteriores. Si algo falla, hay trazabilidad clara.

Cuando el problema es de capacidad de una persona, filtro por responsable y lo veo de inmediato. Para el reporte al management, exporto desde el portal — fechas, riesgo, estado por proyecto — sin armar una presentación desde cero.

3. ⚡ Lo que cambió

Sí, ahorro tiempo. Pero eso no es lo principal.

Antes mucha energía se iba en construir la imagen: sacar datos de Jira, cruzar información de distintas fuentes, intentar visualizar en algún lado qué proyectos están en vuelo, en qué estado, quién tiene qué, y cuándo choca con qué. Eso no es gestionar un programa — es ensamblado. Y cuando tardas días en armarlo, ya está desactualizado.

Ahora ese tiempo existe para lo que importa: ¿este proyecto va antes o después? ¿El equipo tiene capacidad real ese sprint o solo fechas puestas en el calendario? ¿El riesgo que estamos viendo en una iniciativa tiene relación con algo que ya ocurrió en otro mercado?

Como program manager, el valor no está en saber dónde está cada tarea. Está en entender cómo se relacionan, qué bloquea qué, y poder comunicarlo con claridad — al equipo y hacia arriba. Para eso necesitas la imagen completa, siempre actualizada. Antes eso era un trabajo en sí mismo. Ahora es el punto de partida.

4. 🤔 Lo que me queda dando vueltas

La herramienta existe, funciona, sigue mejorando. Pero hay dos cosas que no puedo ignorar.

La primera: el mismo razonamiento que usé aquí funciona en cualquier industria donde haya procesos y coordinación. Una ferretería mediana. Una farmacia. Una panadería con varios locales. No las grandes empresas con equipos de IT — las que tienen algo de tecnología pero no saben por dónde empezar con IA. Con un grupo pequeño de personas que sepan manejar la IA, que piensen bien y hayan trabajado bajo presión, creo que se puede hacer bastante. El límite no es técnico.

La segunda es más incómoda: en dos o tres años, en ciertos puntos de la cadena va a haber cada vez menos personas necesarias. No como predicción — como algo que ya está pasando. Lo que construí yo en semanas, antes necesitaba un equipo y varios meses.

El tema no es si automatizar. Es en qué punto sigue siendo necesario que haya alguien mirando — y cómo se decide eso. Hoy cada uno lo va resolviendo como puede. En algún momento eso va a tener estructura: roles, políticas, responsabilidades definidas.

Lo que sí veo desde adentro es que la industria todavía está esperando que esto se resuelva solo. Muy poca acción real. El management en muchos casos sigue en modo de observación, sin terminar de entender que el momento de experimentar ya pasó — estamos en el momento de construir. Y quienes no empezaron a hacerlo van a llegar tarde a esa conversación.

✍️ Claudio desde ViaMind

“Atrévete a imaginar, crear y transformar.”

También disponible en inglés: When Jira Is Not Enough: How I Built My Own AI Planning System.

🌐 Tendencias IA & Telecom – Mayo 2026: cinco señales que vale la pena tener en el radar

Tue, 26 May 2026 00:00:00 +0000

Mayo ha estado movido.

Startups chilenas con tracción real, Claude metiéndose en Wall Street de una forma que ChatGPT todavía no puede replicar, y un par de señales en infraestructura y seguridad que el mercado no está discutiendo lo suficiente.

Estas son cinco cosas que vale la pena tener en el radar esta semana — especialmente si trabajas en tecnología, telecomunicaciones u operaciones de red.

1️⃣ Las startups que usan IA para resolver problemas reales — no para hacer demos

Hay dos tipos de startups de IA en Latinoamérica ahora mismo.

Las que construyeron un wrapper sobre GPT y lo llamaron producto. Y las que identificaron un problema industrial concreto y usaron IA para atacarlo con datos propios.

Las segundas son las que vale la pena seguir.

Bruna es una startup chilena que usa IA para pronosticar la calidad de los minerales y optimizar planes de producción en el sector minero. En términos simples: en vez de que un técnico pruebe muestras manualmente para decidir si un lote está listo para procesar, el modelo analiza los datos de entrada y predice el resultado antes de que el proceso empiece. Menos pérdida, más consistencia, menos tiempo de espera.

SearchBrand.ai, formalizada en julio de 2025, es la primera plataforma de la región que permite a marcas y pymes medir y optimizar su presencia en los resultados generados por modelos de IA como ChatGPT y Google Gemini. El problema que resuelven es nuevo pero concreto: si alguien le pregunta a ChatGPT “cuál es la mejor clínica dental en Santiago” y tu clínica no aparece, no existes para ese usuario — igual que en Google hace diez años, pero sin herramientas para manejarlo.

La diferencia entre una startup de IA que escala y una que muere en el piloto no es el modelo que usa. Es si tiene acceso a datos propietarios del problema que está resolviendo.

Fuentes: Bruna — minería e IA predictiva, Universidad de Chile — Madeleine Valderrama, CEO de Bruna AI, SearchBrand.ai — plataforma AEO/GEO, El Ecosistema Startup — AEO en IA conversacional

2️⃣ Lo que Claude hace en finanzas que ChatGPT todavía no hace

En el ranking Chatbot Arena de mayo de 2026, GPT-5.5, Claude Opus 4.7 Thinking y Gemini 3.1 Pro están separados por un solo punto Elo. Para efectos prácticos, los tres son frontier models. La brecha en capacidad general es marginal.

La diferencia real está en dónde cada uno está apostando como plataforma.

El 5 de mayo, Anthropic convocó a bancos, fondos y gestoras en Nueva York para presentar Claude for Financial Services: diez agentes de IA listos para usar, integración con Microsoft 365, y acceso gobernado a datos de Moody’s, FactSet, Morningstar y S&P Global, entre otros.

El ejemplo más concreto del evento: el CEO de JP Morgan, Jamie Dimon, construyó en veinte minutos, partiendo de una hoja en blanco, un dashboard de análisis en vivo sobre swaps de activos del Tesoro y spreads bid-ask. Lo que normalmente requiere un equipo de analistas junior trabajando medio día.

Tres de los diez agentes atacan directamente el trabajo de equity research: uno revisa earnings calls y actualiza modelos financieros automáticamente, otro genera briefings diarios sobre listas de cobertura, y un tercero convierte los datos de una empresa objetivo en un archivo Excel de valoración listo para revisar.

Anthropic es explícito: los agentes producen borradores para revisión humana calificada. No ejecutan transacciones ni escriben directamente en los registros contables. Pero eso no reduce el impacto — reduce el tiempo del profesional de horas a minutos.

La apuesta de Anthropic no es reemplazar al analista. Es reemplazar las tres horas que el analista pierde preparando contexto antes de poder pensar.

Fuentes: Anthropic — agentes para servicios financieros, CFO.com — expansión de Claude en finanzas corporativas, ADSLZone — Chatbot Arena+ mayo 2026

3️⃣ El tráfico de red cambió de forma — y la mayoría de las arquitecturas no lo sabe todavía

Durante décadas, el diseño de redes tuvo una premisa fija: el tráfico fluye hacia abajo. Los usuarios piden, la red entrega. Poco upstream, mucho downstream, con picos predecibles en horarios humanos.

Los números que salieron este año muestran que eso ya no es así.

En 2025, el tráfico automatizado creció un 23,5% interanual — ocho veces más rápido que el tráfico humano, que creció apenas un 3,1%. Y dentro de ese tráfico automatizado, el generado por agentes de IA creció un 7.851% en un solo año. No es un error tipográfico.

Cloudflare, que procesa decenas de millones de solicitudes HTTP por segundo en más de 125 países, reportó que en el primer trimestre de 2026 casi uno de cada tres requests en internet ya es un bot — y el 22% de ese tráfico bot corresponde a crawlers de IA, la categoría de más rápido crecimiento.

Para entenderlo de forma simple: antes, una empresa descargaba datos de internet y casi no enviaba nada de vuelta. Ahora, los agentes de IA de esa misma empresa están constantemente enviando, consultando y sincronizando datos entre múltiples sistemas al mismo tiempo — sin horarios, sin picos predecibles, en todas las direcciones. Las redes fueron diseñadas para lo primero, no para lo segundo.

El problema no es la capacidad total de la red. Es que los supuestos sobre cómo fluye el tráfico — en qué dirección, a qué hora, con qué patrón — están dejando de ser válidos.

Lo que estos números dicen en la práctica: los equipos que hoy están dimensionando capacidad de red basándose en patrones históricos de tráfico humano están trabajando con supuestos que ya no aplican. No es un problema del futuro. Es un problema de configuración que ya está en producción.

Fuentes: HUMAN Security — State of AI Traffic 2026, Análisis Cloudflare Radar Q1 2026

4️⃣ 5G tiene 2.800 millones de conexiones — y los operadores siguen sin saber cómo cobrar por ello

Imagina construir una autopista de ocho carriles, cobrar el mismo peaje que la de dos carriles que reemplazaste, y luego preguntarte por qué no recuperas la inversión. Eso es esencialmente lo que le está pasando al sector con 5G.

Según el Ericsson Mobility Report de noviembre de 2025, el 5G ya representa casi 2.800 millones de suscripciones — más del 30% de todas las conexiones móviles del mundo — pero el crecimiento de ingresos de conectividad ha sido modesto: alrededor de 1,3 billones de dólares en ingresos globales en 2025, con un alza cercana al 4% interanual, muy por debajo de la curva de inversión en infraestructura 5G de los últimos cinco años.

El problema de fondo es estructural. Solo alrededor de un cuarto de los grupos de operadores han desplegado 5G standalone a escala — la arquitectura que realmente habilita network slicing y aplicaciones de ultra baja latencia. El resto tiene 5G de nombre pero sigue operando con la lógica del 4G por debajo.

Para entenderlo con un ejemplo: network slicing permite que un operador le venda a un hospital una “porción” de red garantizada exclusivamente para sus dispositivos médicos conectados — con latencia y disponibilidad garantizadas por contrato, a un precio premium. Eso es monetización real. Pero sin arquitectura standalone, eso no existe. Es solo marketing.

La salida que el mercado empieza a explorar es vender capacidad de red como infraestructura para IA — inferencia como servicio, edge computing, conectividad garantizada para aplicaciones críticas. Básicamente: dejar de vender gigabytes y empezar a vender resultados.

El 5G no falló. Falló la suposición de que los mismos modelos de negocio del 4G iban a funcionar con una red radicalmente distinta.

Fuentes: Ericsson Mobility Report — suscripciones 5G, GSMA — 5G Standalone full steam ahead, GSMA Intelligence — Global Mobile Trends 2026, Omdia vía Telecompaper — ingresos conectividad 2025

5️⃣ El riesgo de seguridad que la IA introdujo en telco — y que nadie presupuestó

La IA está haciendo las redes más inteligentes. Y al mismo tiempo está creando una categoría de riesgo que el sector no tenía antes: la falla autónoma a escala.

El caso más claro del año pasado fue NTT DOCOMO en Japón. El 2 de enero de 2025, un ataque DDoS generó congestión en la red que dejó a unos 90 millones de suscriptores con dificultades de acceso a servicios clave durante cerca de 12 horas. No fue un hackeo sofisticado. Fue volumen — tráfico suficiente para saturar los sistemas de gestión automática de red, que respondieron de forma incorrecta porque los datos que estaban procesando ya no reflejaban el estado real de la red.

Ese es exactamente el nuevo riesgo: los sistemas de IA que gestionan redes pueden ejecutar acciones “confidentemente incorrectas” cuando los datos subyacentes están manipulados o son ruidosos, generando outages masivos — no porque el sistema falle, sino porque actúa correctamente sobre información incorrecta.

La escala del problema en IoT es igual de concreta. En noviembre de 2025, Cloudflare registró un ataque DDoS de 31,4 terabits por segundo — el mayor de la historia — atribuido a la botnet Aisuru/Kimwolf, que comprometió dispositivos IoT domésticos e industriales en todo el mundo. En paralelo, los hogares conectados enfrentaron un promedio de 29 intentos de ataque diarios en 2025 — casi el triple que en 2024. El costo promedio de un incidente de seguridad IoT ronda los 330.000 dólares; en entornos de salud, supera los 7 millones. Los ataques de malware IoT crecieron un 124% interanual en 2025.

Para los que trabajamos en operaciones de red, la analogía es directa: es la misma lógica que hace que un cambio mal testeado tumbe producción — solo que ahora el cambio lo ejecuta un agente automáticamente, a las 3 AM, sin que nadie lo apruebe.

No es que la IA sea insegura por naturaleza. Es que estamos automatizando decisiones de red a escala antes de tener los controles de validación que esa autonomía requiere.

Fuentes: NTT DOCOMO — aviso oficial del incidente, Infosecurity — DDoS contra DOCOMO, Cloudflare — ataque récord 31,4 Tbps, Bitdefender y NETGEAR — hogar conectado 2025, DeXpose — estadísticas IoT 2025

🧭 Cinco señales, una conclusión común

Las decisiones de arquitectura que se toman hoy — qué datos alimentan un agente, cómo se dimensiona la red, si el 5G es producto o infraestructura, qué controles existen antes de automatizar un cambio — van a definir quién tiene capacidad operacional real en 2028 y quién está corriendo para ponerse al día.

Mayo no trajo un solo anuncio disruptivo. Trajo un patrón: la IA ya no es capa de software encima de lo existente. Está reescribiendo modelos de negocio, flujos de tráfico y superficies de riesgo al mismo tiempo.

¿Cuál de estas cinco señales te resuena más en tu rol hoy? Si te quedaste con una lectura distinta, me gustaría leerla en los comentarios.

✍️ Claudio desde ViaMind

“Atrévete a imaginar, crear y transformar.”

También disponible en inglés: AI & Telecom Trends – May 2026.

🔇 La crisis silenciosa de las telecomunicaciones: redes más críticas que nunca, pero una industria cada vez más presionada (2026)

Fri, 15 May 2026 00:00:00 +0000

Hubo un tiempo en que trabajar en telecomunicaciones significaba estar dentro de una industria que parecía crecer de forma natural.

Más clientes. Más cobertura. Más despliegues. Más inversión. Más proyectos.

Hoy la sensación es distinta.

Y no hablo solamente de Chile.

En conversaciones con personas de la industria, tanto en Latinoamérica como en Europa, se repiten temas similares: menos CAPEX, menos proyectos grandes, más presión operacional, restructuraciones, consolidaciones y equipos cada vez más pequeños.

Pero al mismo tiempo, las redes nunca habían sido tan importantes.

El tráfico sigue aumentando. Los clientes consumen más datos que nunca. El streaming sigue creciendo. La nube sigue creciendo. La inteligencia artificial empieza a empujar todavía más demanda sobre infraestructura, conectividad y datacenters. Los cambios siguen ocurriendo. Los incidentes siguen existiendo. Las redes siguen siendo críticas.

Entonces aparece una pregunta incómoda:

¿qué está pasando realmente con la industria telco?

No soy analista financiero ni economista. Pero llevo años trabajando cerca de operaciones, despliegues y proyectos complejos en telecomunicaciones, tanto en Latinoamérica como en Europa. Y desde esa experiencia, hay algo que cada vez se siente más evidente:

el trabajo no desapareció.

Lo que desapareció fue el margen.

Chile: más presión, menos espacio para equivocarse

En Chile, durante los últimos años, la industria ha pasado por una mezcla compleja de consolidaciones, restructuraciones y competencia extremadamente agresiva en precios.

La llegada de Millicom a Telefónica Chile vino acompañada de una reducción importante de dotación. Según reportes de prensa, Millicom informó una baja cercana al 35% de la dotación en Chile tras tomar control de la operación, equivalente a unas 1.130 personas, considerando la dotación reportada al cierre de 2025. (La Tercera)

Ese número no es menor.

Cuando más de mil personas salen de una operación telco, el impacto no queda solamente dentro de la empresa. También golpea al mercado completo.

Porque muchos de esos profesionales tienen experiencia en áreas similares: operaciones, redes, despliegues, field services, ingeniería, OSS, PMO, infraestructura, soporte, vendors.

Y todo eso ocurre en un contexto donde la sensación general es que hay menos inversión grande, menos proyectos nuevos y menos espacio para absorber todo ese talento.

Al mismo tiempo, ClaroVTR también ha vivido procesos de integración y reorganización luego de su fusión. No es un caso aislado. Es parte de una tendencia más amplia: consolidar, reducir duplicidades, simplificar estructuras y buscar eficiencia.

El problema es que las redes no se vuelven más simples porque haya menos personas.

Todo lo contrario.

Los clientes esperan más velocidad. Más estabilidad. Más cobertura. Más disponibilidad. Más capacidad. Menos fallas. Mejor experiencia.

Pero pagando menos.

Y probablemente ahí está uno de los grandes problemas estructurales de la industria.

El internet barato tiene un costo invisible

Hoy en Chile ya es posible encontrar planes de fibra hogar en rangos muy agresivos de precio, muchas veces cercanos a los $14.000 o $18.000 pesos mensuales, dependiendo de promociones, cobertura y operador.

Desde el punto de vista del consumidor, eso suena excelente.

Y en parte lo es.

Pero operacionalmente, la ecuación es muchísimo más compleja.

Porque detrás de ese cliente todavía existen técnicos en terreno, soporte, routers, ONTs, backbone, energía, monitoreo, mantenimiento, cuadrillas, plataformas, licencias, call centers, datacenters y operación 24/7.

Y basta un reclamo técnico con visita a domicilio para destruir completamente el margen de varios meses de ese servicio.

La paradoja es brutal:

las redes son cada vez más importantes para la vida diaria, pero el servicio base de conectividad parece valer cada vez menos.

Y el cliente tampoco ve toda la complejidad detrás de esa operación.

Para el usuario final, el valor emocional muchas veces ya no está en “tener internet”.

Está en Netflix. En YouTube. En TikTok. En Spotify. En gaming. En cloud. En IA.

La red se volvió invisible.

Hasta que falla.

Las telcos construyen la infraestructura, pero otros capturan gran parte del valor

Ese contraste probablemente es una de las cosas más interesantes de observar en la industria actual.

Las telcos siguen invirtiendo miles de millones en fibra, redes móviles, backbone, datacenters, energía, operación crítica e infraestructura regional.

Pero gran parte del valor económico digital parece estar siendo capturado por plataformas que funcionan sobre esas mismas redes.

Netflix, por ejemplo, reportó ingresos anuales cercanos a USD 45 mil millones en 2025, con un crecimiento relevante respecto al año anterior. (Q4 Capital)

Y no es una crítica hacia Netflix.

Es simplemente una señal de cómo cambió el mercado.

Durante años, las telcos fueron el centro de la economía digital. Hoy muchas veces funcionan como la infraestructura silenciosa que sostiene plataformas mucho más visibles, más globales y, en muchos casos, más rentables.

Eso cambia completamente la presión sobre el negocio.

Porque las redes siguen siendo caras de construir y operar.

Muy caras.

Pero el mercado sigue empujando los precios hacia abajo.

El impacto humano que casi nadie comenta

Cuando una gran telco reduce cientos o miles de posiciones, el problema no termina en esa empresa.

También se satura el mercado laboral telco.

De pronto, muchos profesionales con experiencia parecida salen a buscar oportunidades al mismo tiempo.

PMs. Ingenieros. Especialistas de red. Personas de operaciones. Equipos de field. Perfiles de soporte. Vendors. Coordinadores técnicos. Líderes de despliegue.

Y si al mismo tiempo hay menos CAPEX, menos proyectos y menos contratación, el resultado es evidente:

mucho talento disponible, pero menos espacio para absorberlo.

Eso genera más competencia por roles, más incertidumbre, más outsourcing, más contratos temporales y más presión sobre los equipos que se quedan.

Porque el trabajo sigue existiendo.

Las redes no se detienen porque haya menos personas. Los incidentes siguen ocurriendo. Las ventanas de cambio siguen programándose. Los despliegues siguen avanzando. Los clientes siguen reclamando cuando algo falla.

La diferencia es que ahora menos personas tienen que sostener operaciones igual o incluso más complejas que antes.

Europa: la misma presión, otra escala

Lo interesante es que esta presión no se siente solamente en Chile o Latinoamérica.

En Europa también vi dinámicas muy parecidas.

La diferencia es la escala.

Acá el cliente puede pagar más que en Chile, pero los costos también son mucho más altos: salarios, proveedores, energía, operación, regulación, datacenters, soporte y niveles de servicio.

Y además los SLA suelen ser brutales.

La expectativa operacional es altísima. Menos tolerancia al error. Más procesos. Más reportabilidad. Más exigencia sobre disponibilidad, continuidad y tiempos de respuesta.

En ese contexto, también aparecen restructuraciones, reducción de equipos y modelos operacionales más eficientes.

Lo vi de cerca en entornos relacionados con Liberty Global, VodafoneZiggo e Infosys. No como un fenómeno aislado, sino como parte de una presión más amplia: sostener infraestructuras críticas con menos margen, menos holgura y más exigencia.

VodafoneZiggo, por ejemplo, anunció en 2025 una reducción de 400 puestos tras perder más de 40.000 clientes en el primer trimestre de ese año. (Broadband TV News)

Liberty Global también ha seguido moviéndose hacia una estructura más enfocada y con posibles spin-offs de subsidiarias, como parte de una reorganización más amplia del grupo. (DatacenterDynamics)

Es básicamente la misma historia que se ve en América Latina, pero con otros números.

En Chile el problema se siente en el precio agresivo, la guerra comercial y el bajo margen por cliente.

En Europa se siente en el costo de operar, la regulación, la madurez del mercado, la presión por eficiencia y los SLA.

Pero la pregunta de fondo es la misma:

¿cómo sostienes una infraestructura cada vez más crítica cuando el modelo económico aprieta por todos lados?

¿Y cuál podría ser la salida?

No tengo una respuesta cerrada.

Y probablemente nadie la tiene completamente.

La industria está en evolución.

Pero sí creo que las telcos no pueden quedarse solamente en vender conectividad cada vez más barata.

Porque si el negocio se reduce a competir por precio, el margen seguirá cayendo.

Y si el margen sigue cayendo, la presión sobre equipos, operación e inversión va a seguir aumentando.

Una posible salida está en volver a capturar más valor dentro de la infraestructura digital.

No solo transportar tráfico.

También ofrecer capacidades más cercanas al cliente final: edge computing, datacenters regionales, servicios de cómputo, conectividad crítica, baja latencia, seguridad, integración con cloud, servicios empresariales e infraestructura preparada para inteligencia artificial.

Porque a este ritmo, no parece razonable pensar que toda la demanda futura de IA, datos y procesamiento pueda concentrarse en unos pocos puntos centrales.

La IA probablemente va a vivir en muchos lugares al mismo tiempo.

En grandes datacenters. En nubes públicas. En infraestructura privada. En el edge. Cerca de empresas. Cerca de usuarios. Cerca de dispositivos. Cerca de donde se generan los datos.

Y ahí las telcos podrían tener una oportunidad.

Tienen red. Tienen capilaridad. Tienen ubicaciones. Tienen infraestructura. Tienen operación crítica. Tienen cercanía física al usuario final.

Pero para capturar esa oportunidad necesitan moverse más allá del rol tradicional de proveedor de conectividad.

No es fácil.

Requiere inversión, foco estratégico, alianzas, talento técnico, automatización real y una visión más ambiciosa que simplemente vender más megas por menos precio.

Pero quizás por ahí empieza una parte de la respuesta.

Una industria esencial, pero bajo presión

No creo que las telecomunicaciones estén desapareciendo: la IA, el cloud, el streaming y buena parte de la economía moderna apoyan cada vez más en redes más rápidas y resilientes. El contrapunto es la presión financiera y operacional sobre quienes las construyen y operan. Si el límite ya no es solo tecnológico sino económico, la pregunta que queda es si las telcos lograrán reinventar su rol a tiempo o terminarán atrapadas en una industria cada vez más crítica, pero cada vez menos rentable.

Claudio from ViaMind

Atrévete a imaginar, crear y transformar.

— Claudio

¿Te resonó algo de esto? Comparte o comenta — la conversación empieza ahí.

📡 De VTR Chile al equipo en Europa: dos lados del mismo modelo

Wed, 06 May 2026 00:00:00 +0000

Son las diez de la mañana en Holanda. Acaba de terminar una call de sincronización bisemanal con un mercado: calendario de las próximas dos semanas, bloqueos, lo que necesitan de nuestra parte, lo que aprendimos en otro país y puede servirles. Treinta minutos después empieza la siguiente, con otro mercado. Este es más grande, más exigente, más atrasado. Piden más testing, más documentación, más explicaciones para cada decisión. Y tienen razón en pedirlo: su infraestructura es más compleja y los márgenes de error son menores.

Mientras tanto corren en paralelo otros proyectos con otros mercados, más las actividades operativas de siempre: upgrades, configuraciones, parches. Todo con el mismo equipo offshore.

Lo curioso es que conozco ese modelo desde el otro lado. Durante años fui parte del equipo local en Chile — el que recibe los proyectos, coordina internamente, y funciona como cliente del equipo en Europa. Hoy estoy en Europa. Y esa doble perspectiva cambia bastante cómo se entiende lo que realmente hace funcionar este modelo.

1. Lo que hace el equipo local — y por qué no es poco

Cuando se habla de modelos con equipos offshore en telecomunicaciones, la imagen que viene es la del equipo en Europa diseñando todo y el equipo local ejecutando. Esa imagen es incompleta.

El equipo local tiene su propia complejidad. Se hace cargo del datacenter, de la coordinación interna con producto, de los cables y redes locales, de las pruebas en su propio entorno. Cuando llega un proyecto desde Europa, no solo lo despliega — lo recibe, lo valida contra su realidad, identifica lo que no encaja, y lo escala. Es el que conoce los detalles que no están en ningún blueprint: el proveedor que tarda más de lo esperado, el sistema legacy que nadie documentó bien, la restricción regulatoria que apareció de la nada.

Ser un buen equipo local significa ser un buen cliente del equipo offshore. Saber pedir con contexto, saber validar con criterio, saber cuándo escalar y cuándo resolver solo.

Este modelo no funciona porque el equipo en Europa es más inteligente que los mercados. Funciona cuando ambos lados entienden que están en el mismo equipo.

Recuerdo proyectos que se frenaron durante semanas no por problemas técnicos, sino porque alguna de las dos partes no lo veía así. Y al final, siempre sufrían los dos.

2. Lo que hace el equipo en Europa — y dónde vive la dificultad real

Antes de que llegue cualquier instrucción a un mercado, el equipo offshore peleó las configuraciones en el laboratorio, encontró los problemas, los resolvió, y construyó el blueprint que el país va a recibir. No es magia: es trabajo técnico intenso que ocurre antes de que el mercado local vea una sola línea de documentación.

Luego viene la coordinación. Cada país tiene su propio calendario, sus propias prioridades, su propio ritmo. No se mezclan las operaciones: se atiende mercado por mercado, con foco. Pero eso ocurre con múltiples países en paralelo, en distintas fases, con distintos niveles de exigencia.

Hay países que no se quejan. Hay países que exigen todo por escrito, con trazabilidad completa, con reuniones de validación en cada etapa. Ambos son clientes internos legítimos. Aprender a leer esa diferencia — y responder a cada uno sin que ninguno sienta que está último en la lista — no está en ningún manual. Se aprende con experiencia y con errores.

Recuerdo muchos cambios donde probamos todo — laboratorio, preproducción, distintos ambientes — y aun así, al llegar a producción, algo pasó. Porque producción siempre es diferente. Hay presión, hay ventanas acotadas, hay muchas variables corriendo al mismo tiempo. Y del otro lado hay clientes viendo televisión, conectados a internet, usando servicios en tiempo real. No es un ambiente de pruebas — ahí está el dinero y la reputación de la empresa. Volver atrás siempre tiene un costo. Por eso la clave no está en improvisar cuando algo falla, sino en planificar bien y ejecutar el plan. En los cambios importantes, el margen para la improvisación es mínimo.

3. Cuando el modelo cruza el Atlántico — y lo que se pierde en el camino

Trabajé en VTR cuando era parte de Liberty Global. En ese momento, los grandes proyectos tecnológicos venían diseñados y probados desde Europa. El equipo en Chile recibía el blueprint, coordinaba el despliegue local, y se beneficiaba de soluciones que ya habían pasado por laboratorios más avanzados, con más recursos, con más años de experiencia acumulada.

Había algo genuinamente valioso en ese modelo: América recibía lo mejor de lo mejor, ya probado. Los errores los había pagado alguien más, en otro mercado, antes.

Pero había un límite que el modelo nunca resolvió del todo. La misma set-top box que se distribuía masivamente en Europa — con los costos que eso implicaba — era demasiado cara para el mercado chileno. La infraestructura diseñada para economías europeas no siempre encajaba con las realidades locales. Y esa brecha no era un problema técnico. Era estructural.

Es probablemente por eso que los grupos regionales son regionales — y no globales. La tecnología se puede estandarizar. Los mercados y los costos, no.

Cuando cerré mi etapa con Liberty en Chile, me ofrecieron continuar desde Europa — coordinando el mismo modelo pero para operadores como Ziggo, Virgin Media, Sunrise o UPC. El rol cambió, el modelo no. Pero haber sido equipo local primero cambió cómo entendía lo que los mercados necesitaban del centro.

4. Lo que cambió con el outsourcing — y la tensión que nadie nombra

El modelo que describí hasta ahora — equipo offshore interno coordinando mercados de la misma empresa — tiene una variante que se ha vuelto más común: el outsourcing tecnológico, donde el equipo en Europa no pertenece al mismo grupo sino que entrega servicios bajo contrato.

La diferencia no es solo legal. Es operativa y cultural.

En el modelo interno, la medición tiende a ser cualitativa: calidad del servicio, continuidad operacional, satisfacción del cliente interno. Los costos se gestionan dentro de la misma organización y hay espacio para absorber complejidad sin que aparezca inmediatamente en una factura.

En el modelo de outsourcing, cada hora de trabajo se traduce en story points, en esfuerzo estimado, en dinero que fluye de una empresa a otra. Eso introduce disciplina y visibilidad — que no es malo. Pero también cambia lo que se optimiza. Y a veces, lo que se optimiza no es exactamente lo que el negocio necesita.

La tensión es real. Y quienes gestionan proyectos en este modelo la viven todos los días, aunque rara vez aparezca en los reportes de avance.

5. Por qué esto importa ahora

La industria telco en Chile está en un momento de movimiento. Millicom acaba de entrar con Movistar, Claro opera bajo la estructura regional de América Móvil. La presión hacia modelos más eficientes — con equipos especializados coordinando múltiples mercados desde un punto central — es una tendencia lógica en un sector donde los márgenes no dan para duplicar capacidades en cada país.

Si ese mismo modelo se replica en ClaroVTR o Millicom, no lo sé. Probablemente será una mezcla de outsourcing y centralización — el capex en telco está complicado y no hay mucho margen para grandes apuestas estructurales. Será interesante ver cómo se arma esta nueva tendencia en la región.

Yo, por mi parte, seguiré con las reuniones bisemanales — mismas exigencias, distintos calendarios, priorización y optimización constante. Lo que en el papel suena simple. Pero ahí es exactamente donde radica la complejidad de este modelo en las telcos.

Claudio from ViaMind

Atrévete a imaginar, crear y transformar.

— Claudio

¿Dos lados de la mesa? ¿Qué te resonó?

🏗️ AI y datacenters: el nuevo boom de infraestructura que está transformando América Latina

Mon, 04 May 2026 00:00:00 +0000

Hay una clase de reunión de kickoff que parece sencilla sobre el papel. El cliente llega con los requerimientos definidos, el presupuesto aprobado, los plazos claros. Todo está ahí, en la presentación. El equipo asiente. El acta se firma.

Seis meses después, ese mismo cliente llama para decir que cambió las especificaciones. No por capricho — porque la tecnología que iban a instalar quedó obsoleta antes de que se terminara la obra. Y ahora hay que rediseñar tres salas mientras el resto del edificio ya está en construcción.

Eso no es un escenario hipotético. Es lo que está pasando hoy en los proyectos de infraestructura más grandes del mundo: los datacenters diseñados para soportar la inteligencia artificial.

Y lo que nadie cuenta en los titulares sobre los miles de millones que se invierten — es lo que ocurre después de que se firma el contrato.

1. La ola que ya llegó — y que en LATAM apenas empieza a sentirse

Los números globales son difíciles de dimensionar. En 2025 los cuatro grandes — Amazon, Microsoft, Google y Meta — invirtieron cerca de $320 mil millones en infraestructura de AI. Solo en deals de datacenters, S&P Global registró más de $61 mil millones en transacciones ese año, cifra que ya superaba todo lo hecho en 2024.

Pero lo que importa para los que trabajamos en telecomunicaciones e IT en América Latina no es lo que pasa en Texas o en Virginia del Norte. Es lo que está pasando en Santiago, São Paulo, Querétaro y Bogotá.

En marzo de 2026, la conferencia Capacity LATAM reunió a operadores, inversores y reguladores en São Paulo con un mensaje que habría sido impensable hace tres años: la región ya no se discute como mercado emergente. Se discute como destino de ejecución. Brasil y México concentran más del 60% de la expansión proyectada. Santiago se posiciona como hub para campuses AI-ready, apoyado en energía renovable, madurez regulatoria y conexión a rutas marítimas internacionales. Se estima que el mercado latinoamericano pasará de $3 mil millones en 2025 a casi $7 mil millones en 2031.

“La pregunta ya no es si LATAM va a ser parte de la infraestructura global de AI. La pregunta es quién va a tener la capacidad de ejecutar cuando llegue el capital.”

Esa última frase es la que debería hacernos pensar. Porque el capital ya está llegando. Lo que escasea no es el dinero — es otra cosa.

2. El cuello de botella que nadie menciona en las noticias

Cuando los medios hablan de datacenters para AI, hablan de GPUs, de gigawatts, de billones de dólares. Rara vez hablan de transformadores.

Los transformadores de alta tensión necesarios para alimentar un datacenter moderno tienen tiempos de entrega de entre 12 y 18 meses. Los generadores de respaldo, el switchgear, los sistemas de distribución redundante — el mismo panorama. Eso significa que si hoy alguien toma la decisión de construir un datacenter AI-ready en Santiago, la infraestructura eléctrica crítica tiene que pedirse antes de que se aprueben la mayoría de los permisos de construcción.

Y los permisos — que en teoría deberían agilizarse para proyectos estratégicos — se están complicando. Se suman revisores externos, requisitos ambientales más estrictos, aprobaciones que antes tomaban semanas ahora toman meses.

Luego está el problema del cooling. Los racks de hace cinco años manejaban entre 5 y 8 kilowatts de densidad. Los racks actuales para cargas de AI pueden exigir entre 15 y 50 kilowatts — en algunos proyectos, más de 100 kW por rack. Eso obliga a rediseñar la arquitectura mecánica y eléctrica completa de las instalaciones, e introduce liquid cooling como estándar, no como excepción. Un sistema de liquid cooling no se instala igual en cada proyecto: las configuraciones varían, las posiciones de las unidades de distribución cambian, y cada cliente tiene requerimientos específicos que pueden mutar a mitad del deployment.

Cualquier equipo que haya gestionado un proyecto IT en producción reconoce esa lógica de inmediato: cambia el requerimiento, cambia la arquitectura, cambia el plan. Lo que diferencia a un datacenter es que la escala amplifica cada error de coordinación en semanas de retraso y millones en reprocesos.

“El capital para construir datacenters sobra. Lo que escasea es la capacidad de entregar cuando los componentes llegan tarde, los permisos se complican y el cliente cambia las especificaciones con el proyecto en marcha.”

3. Lo que se ve desde adentro — sin el discurso del corte de cinta

Un datacenter AI-ready en 2026 no es un edificio. Es un sistema integrado de subsistemas que deben funcionar en conjunto desde el primer día: energía, cooling, networking, seguridad física, control ambiental, y el hardware de compute que vive dentro.

Construirlo exige coordinar civil, eléctrico, mecánico, networking y al cliente — que es quien define los requerimientos, y que en la industria actual los cambia con frecuencia. Proyectos que antes requerían 750 personas en obra ahora mueven equipos de 4.000. El commissioning — la fase de validación y puesta en marcha — se ha vuelto tan exigente como la construcción misma, porque el margen de error operacional es mínimo.

El diseño modular y prefabricado se está imponiendo como estándar precisamente porque permite acortar tiempos: power skids, cooling assemblies, módulos de espacio blanco — todo se ensambla y prueba fuera del sitio antes de instalarse. Pero incluso eso requiere una gestión de proveedores y una coordinación de cronogramas que no perdona improvisación.

El desafío no es hacer las tareas. Es que las tareas tienen dependencias entre sí, y las dependencias tienen dependencias. Y cuando el cliente cambia algo — en producción, en plena obra — la onda expansiva toca todo el árbol.

“Construir un datacenter AI-ready no es un problema de ingeniería. Es un problema de coordinación que la ingeniería tiene que resolver.”

4. LATAM: dónde están las oportunidades reales — y para quién

No todas las oportunidades en este mercado son para quienes van a construir el datacenter. Eso es lo primero que hay que entender.

El ecosistema que rodea a un datacenter es amplio: diseño y consultoría de infraestructura, gestión de proveedores locales, integración de sistemas, operación y mantenimiento, seguridad, conectividad. Y en LATAM, donde los grandes operadores globales llegan con capital pero sin conocimiento local del terreno regulatorio, los proveedores de servicios, y los riesgos de ejecución — hay espacio real para quienes tienen ese conocimiento.

Las ciudades que ya están en el mapa:

São Paulo — el hub más maduro, con la mayor concentración de capacidad instalada y el ecosistema de proveedores más desarrollado de la región. Alta competencia, pero también la mayor demanda.

Santiago — emergiendo con fuerza por tres razones: energía renovable abundante y barata, estabilidad regulatoria comparada con el resto de la región, y posición geográfica estratégica con acceso a cables submarinos del Pacífico. Un hub que hace tres años no aparecía en los planes de los hyperscalers y hoy sí.

Querétaro (México) — consolidado como el hub más importante de México para infraestructura de hyperscalers, con inversión creciente de AWS, Google y Microsoft.

Bogotá y Buenos Aires — mercados en desarrollo, con demanda local creciente pero aún con más fricción regulatoria y de infraestructura energética.

Las oportunidades no son solo para las empresas grandes. Para profesionales en gestión de proyectos, consultoría de infraestructura IT, o integración de sistemas — la demanda de talento con experiencia real en proyectos complejos está creciendo más rápido que la oferta.

5. Para los que gestionamos proyectos: qué leer de todo esto

Hay una tentación fácil al leer sobre el boom de los datacenters: verlo como algo que le pasa a otros. A las empresas grandes, a los inversores, a los países con más capital.

Pero para quienes trabajan en gestión de proyectos IT — en telco, en banca, en cualquier industria con infraestructura crítica — lo que está pasando con los datacenters para AI es una señal directa. No porque el paso siguiente sea construir un campus de 300 acres. Sino porque las habilidades que se necesitan para ejecutar esos proyectos son exactamente las que ya existen en los equipos operacionales: gestión de dependencias complejas, coordinación entre disciplinas técnicas con lógicas distintas, control de cambios en producción, comunicación con stakeholders bajo presión.

La diferencia es de escala y de industria — no de lógica.

Lo que el mercado de infraestructura de AI está comenzando a demandar en LATAM no son solo ingenieros de datacenter. Son perfiles que puedan gestionar la complejidad de proyectos donde los requerimientos cambian, los proveedores tienen lead times inmanejables, y el cliente necesita certeza de entrega en entornos que son, por definición, inciertos.

Ese perfil ya existe en la región. A veces solo falta reconocerlo — y posicionarlo.

“El próximo gran proyecto de infraestructura no va a pedirte que cambies de industria. Va a pedirte que apliques lo que ya sabes en una escala que todavía no imaginabas.”

Cierre

El titular sobre los miles de millones de dólares que se invierten en datacenters es real. Lo que no aparece en ese titular es la reunión donde alguien descubrió que el transformador tiene 18 meses de espera, que el cliente cambió la spec de cooling a mitad del proyecto, y que los permisos se van a demorar el doble de lo previsto.

Esa conversación — donde la complejidad real aparece — es la que define si un proyecto se entrega o no. Y es ahí donde el expertise operacional tiene un valor que los titulares no miden.

LATAM está en el mapa. El capital está llegando. La pregunta es quién va a estar listo para ejecutar cuando toque.

Claudio from ViaMind

Atrévete a imaginar, crear y transformar.

— Claudio

¿Te resonó algo de esto? Comparte o comenta — la conversación empieza ahí.

⚡ El 5G llegó a Latam. Ahora viene lo difícil.

Sun, 03 May 2026 00:00:00 +0000

Cada vez que alguien en la industria menciona que Chile — o Brasil, o Colombia — ya tiene 5G, la conversación suele detenerse ahí. Como si el despliegue fuera el final de la historia.

No lo es. Es apenas el primer capítulo.

América Latina lleva años construyendo cobertura 5G. Chile fue el primero en la región en subastar espectro, en 2021. Brasil se convirtió en referente de velocidad. Uruguay avanzó rápido. Los números de conexiones activas crecen trimestre a trimestre. Y sin embargo, el 5G que opera hoy en la región no habilita todavía lo más valioso que esta tecnología puede ofrecer.

La pregunta no es si tenemos 5G. Es qué puede hacer esa red — y qué no puede hacer todavía.

1. Lo que tenemos — y lo que eso significa en la práctica

Cuatro operadores desplegando 5G en un país angosto y geográficamente complejo como Chile es un logro que no debería subestimarse. Entel lidera en cobertura nacional y concentra el 40% de las conexiones 5G activas. Movistar está presente en más de 340 comunas. WOM completó su despliegue después de un camino bastante accidentado. Claro empuja en zonas urbanas.

La competencia es real, los precios son razonables, y la señal llega a lugares donde antes no había nada útil.

El matiz que rara vez aparece en los titulares: el 5G que opera hoy en la región es casi todo NSA (Non-Standalone). La señal es 5G, sí — pero el núcleo de la red sigue apoyado en 4G. Funciona bien para el uso diario. Pero no habilita lo más interesante que el 5G puede hacer.

Tener cobertura 5G y tener las capacidades del 5G son dos cosas distintas. Latam tiene lo primero. Lo segundo está por venir.

2. El siguiente paso: Standalone

El salto a 5G SA (Standalone) es donde el 5G empieza a ser realmente diferente. Con un núcleo propio e independiente, la red puede hacer cosas que hoy simplemente no existen en la mayoría de los mercados de la región.

La más relevante para industria y empresas se llama network slicing: la capacidad de crear carriles virtuales dentro de la misma red física, cada uno con garantías específicas de velocidad, latencia y seguridad. Es la diferencia entre una carretera pública y un carril exclusivo para carga crítica.

En Chile, Entel ha mencionado que está explorando el despliegue de 5G SA. En Brasil algunos operadores están más avanzados en pruebas. Pero en la mayoría de la región, el tema aparece en presentaciones corporativas más que en planes de inversión concretos.

Afuera, esa conversación ya está más avanzada. En el MWC de Barcelona de 2026, Ericsson y Nokia mostraron cómo las redes Standalone con IA embebida están cambiando la operación en Europa y Asia — menos intervención humana, más optimización automática, servicios con garantías reales para industria. El destino es una red que se comporta como infraestructura crítica, no como servicio de mejor esfuerzo.

Para Latam, ese salto no está lejos. Está en el próximo ciclo de inversión — si las decisiones acompañan.

3. Dónde ya está pasando algo interesante

Hay un caso chileno que vale la pena conocer porque no es un piloto de laboratorio — es operación real.

El puerto de Puerto Montt desplegó conectividad 5G sobre infraestructura de Entel y Ericsson. En la isla de Calbuco registraron velocidades de 418 Mbps de bajada y 240 Mbps de subida, reemplazando enlaces de microondas caros y difíciles de mantener en zonas de fiordos. El puerto conecta más de 7 millones de viajes anuales a comunidades remotas — y la conectividad pasó a ser parte de cómo operan, no un accesorio.

En paralelo, la industria salmonera — Chile es el segundo exportador mundial — está usando 5G para trazabilidad, vigilancia en tiempo real y control de carga en zonas donde tender fibra era inviable.

Estos casos apuntan a algo importante: el valor real del 5G en Chile no está en el usuario urbano que descarga más rápido. Está en los sectores que mueven la economía y que necesitan conectividad confiable en lugares difíciles. Puertos, minería, acuicultura, logística. Ahí es donde el 5G deja de ser marketing y se convierte en infraestructura.

3.5 El mapa de la región: quién va adelante y quién no

Si Chile mira hacia los costados, el panorama es revelador.

Brasil es el único país de Latam que lanzó 5G SA de forma comercial desde 2022 — y ya lo está usando en industria real. Claro y Ericsson desplegaron una red privada en la fábrica de KitKat de Nestlé en São Paulo, conectando robots autónomos y dispositivos IoT con mejoras de hasta 25% en eficiencia operativa. Gerdau, una de las mayores productoras de acero de la región, también opera sobre 5G privado en sus plantas. La velocidad mediana de descarga en Brasil superó los 430 Mbps en 2025 — la más alta de la región. No es casualidad.

México es el contraejemplo. Sin licitación efectiva, sus operadores siguen atados a arquitecturas 4G, sin hoja de ruta clara hacia SA. Un mercado enorme, con industria manufacturera de escala global, frenado por decisiones regulatorias que no llegan.

Chile tomó mejores decisiones que México — el proceso de licitación fue ordenado, los operadores cumplieron compromisos, y ya hay casos industriales reales operando. Pero Brasil ya está una vuelta más adelante. Esa brecha no se cierra sola.

4. La brecha que no aparece en los informes

La infraestructura llegó. Ahora falta saber qué hacer con ella.

Los mercados que llevan ventaja en 5G Standalone — Corea del Sur, Japón, Alemania — no solo desplegaron antenas más rápido. Construyeron en paralelo la capacidad de usar esas redes: pilotos industriales, alianzas entre operadoras y sectores productivos, equipos que aprendieron a diseñar servicios sobre la nueva infraestructura.

En Chile ese proceso está empezando. Los casos de Puerto Montt y la salmonicultura son señales positivas. Hay iniciativas en minería. Existe un laboratorio 5G SA vinculado a la UC. Pero el volumen y la velocidad no son todavía los de un mercado que está aprovechando su ventaja de partida.

El panorama del mercado tampoco ayuda a acelerar. Como hemos comentado en posts anteriores, la posible consolidación entre operadores tiende a congelar decisiones de inversión justo cuando el mercado necesita lo contrario. No es catastrófico — pero genera inercia en el peor momento.

Lo que viene en los próximos años no va a ser solo más velocidad. Va a ser la presión de industrias que empiecen a exigir garantías de red que hoy no existen, y de proveedores globales que lleguen a vender servicios que la infraestructura local todavía no puede entregar del todo.

Chile tiene la red. Tiene los sectores para usarla bien. Tiene incluso casos que demuestran que funciona.

Lo que falta es velocidad — no en los megabits, sino en las decisiones.

Para terminar

El 5G en Latam ya cumple un rol útil: mejor experiencia móvil, más capacidad en zonas densas, y casos B2B donde el acceso inalámbrico de alto rendimiento sustituye enlaces caros o imposibles de cablear. Eso es real y es medible.

El siguiente nivel — SA, slicing, servicios con SLA de verdad — depende de inversión en núcleo, de regulación que acompañe, y de que empresas y operadores co-diseñen casos a escala. Hasta entonces, tener “5G” en el teléfono es señal de buen despliegue; tener “5G como plataforma industrial” sigue siendo una apuesta en curso.

✍️ Claudio from ViaMind

Atrévete a imaginar, crear y transformar.

— Claudio