Bajada: El próximo salto de la inteligencia artificial no consiste solo en responder preguntas, sino en ejecutar procesos completos a partir de un objetivo, fuentes y reglas. Inspirado en la conversación del BIG podcast con Jon Hernández, este artículo explora cómo ChatGPT Work y los agentes de IA podrían ayudar a empresas, municipios, consultoras y organizaciones chilenas a transformar información ambiental dispersa en decisiones trazables, sin perder de vista la privacidad, la supervisión humana ni la propia huella energética de la tecnología.

Del chat a la delegación de objetivos

Durante los últimos años, millones de personas aprendieron a usar la inteligencia artificial como una interfaz de conversación: escribir una pregunta, recibir una respuesta y continuar el intercambio. El video “El ChatGPT que conoces YA NO EXISTE”, una conversación del BIG podcast con Jon Hernández, plantea que estamos entrando en una etapa diferente.

La idea central es simple, pero profunda: en lugar de indicar cada paso, una persona puede definir un objetivo y permitir que un sistema agéntico proponga un plan, consulte archivos, utilice herramientas autorizadas, produzca entregables y solicite confirmación cuando una decisión lo requiera.

La documentación oficial de OpenAI describe ChatGPT Work en esa misma dirección: una forma de delegar tareas sustantivas para obtener resultados revisables. Dependiendo de las herramientas disponibles, puede trabajar con archivos, investigar, analizar información, crear documentos o planillas y ejecutar flujos, mientras la persona sigue el progreso, responde preguntas, cambia la dirección o aprueba acciones.

Esta diferencia importa especialmente para la sustentabilidad. Los desafíos ambientales rara vez se resuelven con una sola respuesta. Exigen reunir evidencia, coordinar actores, actualizar indicadores, comparar alternativas, documentar decisiones y volver a comprobar resultados. Son procesos, no preguntas aisladas.

Qué aporta una inteligencia artificial agéntica

Un agente de IA no es simplemente un chatbot con un nombre. Es un sistema orientado a objetivos que puede descomponer una tarea en acciones y trabajar con cierto grado de autonomía dentro de límites definidos.

En un flujo bien diseñado, una persona podría solicitar: “revisa los datos de consumo energético de nuestras instalaciones, detecta desviaciones, compáralas con las metas del trimestre, identifica vacíos y prepara un informe para revisión”. El agente no se limitaría a explicar qué es la eficiencia energética. Tendría que localizar las fuentes autorizadas, ordenar los datos, ejecutar cálculos, señalar inconsistencias y producir un resultado que pueda ser auditado.

El video destaca precisamente ese cambio: pasar de redactar instrucciones paso a paso a formular objetivos. También subraya dos condiciones críticas. Primero, el agente solo puede trabajar con los accesos que recibe. Segundo, alcanzar un objetivo no basta si el método utilizado contradice las reglas, la ética o los valores de la organización.

Para la sustentabilidad, esa advertencia es decisiva. Optimizar un indicador sin considerar impactos sociales, territoriales o regulatorios puede producir una solución eficiente en apariencia y dañina en la práctica.

Cinco aplicaciones concretas para Chile

Chile ya cuenta con marcos que demandan más coordinación, mejor información y seguimiento continuo. La Ley Marco de Cambio Climático establece la meta de alcanzar y mantener la neutralidad de emisiones de gases de efecto invernadero a más tardar en 2050, junto con aumentar la resiliencia y reducir la vulnerabilidad. La Hoja de Ruta para un Chile Circular al 2040 orienta la transición hacia un desarrollo que use los recursos de manera eficiente y sostenible. La Ley REP, por su parte, asigna a los productores responsabilidades sobre la organización y el financiamiento de la gestión de residuos de productos prioritarios.

La IA agéntica no reemplaza esos instrumentos ni a las instituciones responsables. Puede ayudar a convertir sus exigencias en capacidades operativas.

1. Seguimiento climático y planes de acción

Municipios, empresas y servicios públicos trabajan con inventarios, medidas de mitigación, riesgos, presupuestos, responsables e indicadores que suelen vivir en documentos y planillas distintas. Un agente podría reunir versiones autorizadas, verificar qué datos faltan, mantener un tablero de avance y preparar reportes periódicos con enlaces a la evidencia.

El beneficio principal no sería redactar más rápido, sino reducir la distancia entre el compromiso climático y su seguimiento cotidiano. La decisión final, la validación metodológica y la rendición de cuentas deben seguir en manos de responsables humanos identificables.

2. Trazabilidad para economía circular y Ley REP

La circularidad depende de conocer qué materiales entran, dónde se transforman, quién los gestiona y qué destino tienen. En la práctica, esos datos pueden estar repartidos entre proveedores, gestores, sistemas de gestión, operaciones y autoridades.

Un flujo agéntico podría revisar declaraciones, ordenar respaldos, detectar diferencias entre volúmenes informados y evidencia disponible, clasificar documentos y preparar alertas antes de los plazos. También podría mapear oportunidades de prevención, reutilización, reparación o valorización.

Pero una recomendación automática no debe confundirse con cumplimiento legal. Las cifras, clasificaciones y obligaciones requieren revisión profesional y contraste con la normativa vigente.

3. Gestión eficiente de energía y agua

Edificios, industrias, sistemas sanitarios y operaciones agrícolas generan series de consumo que muchas organizaciones analizan de manera tardía. Un agente conectado a fuentes autorizadas podría identificar anomalías, relacionarlas con producción, clima u horarios, y proponer hipótesis para que un equipo técnico investigue.

El valor aparece cuando la IA combina detección y seguimiento: no solo encuentra una desviación, sino que crea una tarea, solicita el dato faltante, documenta la respuesta y verifica si la medida aplicada produjo una mejora.

4. Evaluación de proyectos y debida diligencia ambiental

Los proyectos sustentables deben revisar normativa, territorio, biodiversidad, comunidades, riesgos físicos, cadenas de suministro y viabilidad económica. La IA agéntica puede ayudar a construir matrices de evidencia, comparar escenarios y mantener visibles los supuestos y las fuentes.

También puede facilitar la participación al sintetizar observaciones, agrupar temas recurrentes y preparar respuestas preliminares. Sin embargo, no debe suplantar la escucha territorial ni tratar el acuerdo social como un problema de clasificación de textos. Las comunidades son actores del proceso, no conjuntos de datos.

5. Memoria institucional para consultoras y organizaciones

Una parte importante del conocimiento ambiental se pierde cuando termina un proyecto: quedan informes, entrevistas, criterios y aprendizajes dispersos. Un agente podría ayudar a organizar esa experiencia, separar hechos de hipótesis y convertir hallazgos revisados en conocimiento reutilizable.

Para Chile, donde muchos equipos municipales, pymes y organizaciones trabajan con capacidades limitadas, esta memoria puede evitar que cada diagnóstico comience desde cero. La condición es proteger la información sensible y no reutilizar datos de clientes, personas o territorios fuera del propósito autorizado.

Del piloto útil a la capacidad institucional

La mejor forma de adoptar agentes no es entregarles de inmediato un proceso crítico completo. Es elegir un problema acotado, repetitivo y verificable.

Un piloto responsable podría seguir seis pasos:

  1. Definir un resultado concreto, por ejemplo, un reporte mensual de residuos con trazabilidad de fuentes.
  2. Identificar datos autorizados, responsables y criterios de calidad.
  3. Establecer acciones permitidas, acciones prohibidas y puntos de aprobación humana.
  4. Exigir que cada cifra relevante conserve su fuente y fecha.
  5. Comparar el resultado con el proceso manual y medir tiempo, errores y utilidad.
  6. Escalar solo después de revisar riesgos, costos y aprendizajes.

Esta aproximación evita dos extremos: el entusiasmo que delega demasiado pronto y el temor que impide experimentar. La pregunta correcta no es si un agente “puede hacerlo”, sino bajo qué condiciones su aporte es confiable, auditable y proporcional al riesgo.

Los límites también forman parte de la innovación

El podcast dedica una parte importante de la conversación a la privacidad y a los permisos. Es un debate necesario, pero en sustentabilidad debe ampliarse al menos a cuatro dimensiones.

Gobernanza y responsabilidad

Todo flujo debe tener una persona o equipo responsable. El agente puede proponer, clasificar y ejecutar acciones autorizadas; no puede asumir responsabilidad legal, profesional o política por una decisión ambiental.

Calidad de los datos

Un sistema rápido basado en datos incompletos produce errores más rápido. Antes de automatizar, hay que definir unidades, metodologías, períodos, versiones y criterios de validación.

Privacidad y acceso mínimo

Compartir más información puede mejorar el contexto, pero no justifica abrir todo el sistema. La regla debería ser otorgar el menor acceso necesario, separar datos sensibles y exigir aprobación antes de cualquier acción con consecuencias externas.

Huella material y energética

La IA tampoco es inmaterial. La Agencia Internacional de Energía advierte que su expansión aumenta la demanda eléctrica de los centros de datos, aunque también puede mejorar la operación de sistemas energéticos. Por eso, cada uso debe evaluarse por su aporte neto: ¿el resultado ambiental conseguido justifica los recursos computacionales, la infraestructura y el costo involucrados?

Usar IA para producir contenido innecesario no es equivalente a emplearla para detectar una fuga de agua, reducir pérdidas de materiales o mejorar una decisión climática. La sustentabilidad exige distinguir entre capacidad tecnológica y valor real.

Una oportunidad para Chile, si diseñamos bien las reglas

ChatGPT Work y la inteligencia artificial agéntica pueden convertirse en una nueva capa de infraestructura para la acción ambiental. Pueden conectar documentos con decisiones, indicadores con responsables y compromisos con seguimiento. En un país que debe avanzar simultáneamente en adaptación climática, descarbonización, economía circular, eficiencia hídrica y protección de ecosistemas, esa capacidad de coordinación puede ser valiosa.

Pero el resultado no dependerá solo del modelo de IA. Dependerá de la calidad de los objetivos, los datos, los permisos, las métricas y la supervisión. Un agente orientado únicamente a minimizar costos encontrará respuestas distintas de uno diseñado para equilibrar impacto ambiental, bienestar social, resiliencia y cumplimiento.

El cambio más relevante, entonces, no es tecnológico. Es organizacional: aprender a transformar propósitos de sustentabilidad en procesos verificables que una persona y una inteligencia artificial puedan ejecutar juntas.

Llamada a la acción

Elige un desafío ambiental concreto de tu organización y dibuja hoy su flujo real: fuentes, responsables, decisiones, controles y resultados. Luego identifica una sola etapa donde un agente pueda reducir fragmentación o trabajo repetitivo sin reemplazar el criterio profesional. Ese piloto acotado, medible y supervisado puede ser el primer paso hacia una inteligencia agéntica al servicio de la sustentabilidad.

Fuentes consultadas

Ver el video que inspira este análisis

Profundiza en el cambio desde la conversación con IA hacia la delegación de objetivos, herramientas y procesos completos en este episodio del BIG podcast con Jon Hernández.