CBC × Auris Chile · 9 semanas · Junio – Julio 2026 · Confidencial
Buffer estratégico. Si todo va según plan, sirve para pulir. Si hubo imprevistos, aquí se absorben sin comprometer la calidad del entregable final.
La forma en que las organizaciones gestionan información y toman decisiones está evolucionando con rapidez. La combinación de inteligencia artificial, arquitecturas de datos modernas y agentes digitales está abriendo nuevas posibilidades para automatizar la prospección comercial, anticipar tendencias de mercado y construir ventajas competitivas basadas en conocimiento. Las empresas que antes tardaban semanas en analizar una oportunidad de mercado, en el futuro cercano lo harán en minutos.
En este contexto, los datos propietarios —estructurados, históricos y confiables— adquieren un valor creciente. La tecnología para procesarlos está cada vez más disponible, pero los datos de calidad siguen siendo escasos. Quien los tiene, está bien posicionado para construir sobre ellos.
En ese contexto, la Corporación de Bienes de Capital lleva 60 años registrando y analizando los proyectos de inversión que activan la cadena de valor industrial en Chile. El resultado es la base de datos de proyectos de inversión más completa e histórica del país, utilizada como insumo por el Banco Central de Chile y respaldada por más de 200 empresas socias activas. CBC entrega esa inteligencia a través de dos vías: acceso a una plataforma de información mediante suscripción, y vinculación empresarial directa con el ecosistema de la inversión industrial.
CBC tiene una estrategia declarada al año 2030: duplicar sus ingresos, alcanzando los $1.200 millones de pesos anuales en ventas. Para lograrlo, no basta con crecer en el modelo actual. Se requiere desarrollar nuevas fuentes de valor sobre los activos que ya existen. La oportunidad que se presenta a continuación es una de las palancas concretas para avanzar en esa dirección.
Las empresas socias de CBC —y el universo más amplio de compañías que operan en industrias intensivas en inversión— están adoptando nuevas formas de gestionar sus datos y tomar decisiones comerciales. Junto con el acceso a información actualizada, cada vez más empresas buscan integrar distintas fuentes de datos con sus propios sistemas, construir modelos de escenarios que les permitan anticiparse, y poner ese conocimiento al alcance de sus equipos de forma práctica y oportuna.
Es un movimiento natural de madurez del mercado: pasar de la consulta de datos a la inteligencia aplicada al negocio. Y CBC tiene una posición favorable para acompañar ese proceso, porque ya cuenta con lo que más se necesita para hacerlo bien: datos de alto valor, los clientes y la confianza.
Para desarrollar esta línea de negocios, CBC se alía con Auris, una empresa de ingeniería tecnológica fundada hace cinco años, especializada en transformar problemas complejos del mundo industrial en soluciones digitales concretas que operan en producción. Su base técnica incluye modelamiento matemático, inteligencia artificial aplicada, ingeniería de datos, desarrollo de software y capacidades cloud, con vínculos académicos al Centro de Modelamiento Matemático de la Universidad de Chile.
La alianza no parte de cero. CBC y Auris llevan dos años colaborando, lo que significa que ya existe lenguaje común, confianza construida y experiencia de trabajo conjunto.
La propuesta de CBC+Auris se articula en nueve casos de uso productizables, que combinan los datos de CBC con las capacidades tecnológicas de Auris para entregar soluciones de valor concreto a empresas industriales:
La nueva línea de negocios ya tiene tracción concreta: dos pilotos contratados con empresas socias de CBC, en industrias distintas, que muestran disposición a pagar real y permiten afinar la propuesta con evidencia de primera mano. Cada piloto tiene una duración máxima de tres meses: el primer mes dedicado a consultoría y co-creación con el cliente, y los dos meses siguientes al desarrollo e implementación de la solución.
Ambos casos surgieron desde la red de socios CBC, lo que confirma que el canal de distribución ya está activo y funcionando. Dos clientes de industrias distintas contrataron soluciones que cubren en conjunto 8 de los 9 casos de uso de la nueva empresa: una señal de que el portfolio es relevante y transversal.
Adicionalmente, se tienen cotizaciones preliminares enviadas a 6 empresas del ecosistema CBC. En paralelo, se realizó recientemente un focus group con Bosch, Nexans y Enthalpy para profundizar en la validación de mercado de estos casos de uso, con resultados que refuerzan el interés y la disposición a avanzar en soluciones customizadas.
Lo que hace distinctive a CBC+Auris no es solo la suma de capacidades, sino cómo se combinan para crear ventajas que ninguno de los dos podría generar por separado:
Existen dos caminos posibles para formalizar la alianza entre CBC y Auris, con distinto nivel de compromiso, velocidad y reversibilidad. Cada uno responde a una lógica diferente y tiene implicancias concretas en cómo se captura el valor, cómo se gobierna la relación y qué tan reversible es la decisión en el tiempo.
Para llevar una propuesta sólida al Directorio completo, el trabajo de las próximas semanas debe dar respuesta concreta a estas preguntas. Sin ellas, la oportunidad está bien descrita pero no es aún una decisión.
Luego de responder estas preguntas, viene la toma de decisión de Directorio de constituir (o no) una empresa de inversión y luego la asociatividad CBC+Auris.
| Código | Caso de uso productizable | Descripción técnica | Cliente objetivo inicial |
|---|---|---|---|
| CU-01 | Integración CBC + datos del cliente | Conectar datos CBC con CRM, indicadores, bases internas o fuentes externas; limpiar, homologar y actualizar datos. | Proveedores industriales, constructoras, ingeniería, mandantes. |
| CU-02 | Market share / cobertura comercial | Estimar en qué proyectos participa el cliente y cuál es su cobertura relativa sobre el universo relevante. | Proveedores, rental, contratistas, ingeniería. |
| CU-03 | Detección y scoring de oportunidades | Clasificar proyectos como oportunidad directa o indirecta; priorizar por fit, sector, región, etapa, inversión, probabilidad y timing. | Todos los segmentos. |
| CU-04 | Estimación de demanda o requerimientos | Traducir proyectos de inversión en demanda esperada de recursos: activos, servicios, empleo, especialidades o capacidades operativas. | Proveedores, construcción, logística, RRHH industrial. |
| CU-05 | Simulación de escenarios | Simular activación, avance, retraso o estrés de proyectos y su impacto comercial u operacional. | Gerencias comerciales, planificación, estrategia. |
| CU-06 | Dashboards ejecutivos y BI sectorial | Visualizar pipeline, market share, demanda, indicadores, mapas, evolución temporal y escenarios. | Usuarios ejecutivos y analíticos. |
| CU-07 | Informes automatizados | Generar reportes periódicos descargables con hallazgos, nuevas oportunidades, cambios y análisis ejecutivo. | Clientes que hoy consumen reportes CBC. |
| CU-08 | Alertas y monitoreo continuo | Detectar nuevos proyectos, concentración geográfica, cambios de etapa, presión de demanda e indicadores relevantes. | Clientes que necesitan reacción temprana. |
| CU-09 | Agente conversacional especializado | Permitir consultas en lenguaje natural sobre proyectos, indicadores, escenarios, oportunidades y resultados analíticos. | Perfiles ejecutivos y técnicos. |
| Caso de uso | Capacidades técnicas requeridas | Activo CBC habilitante | Capacidad Auris habilitante |
|---|---|---|---|
| CU-01 | APIs, conectores, limpieza, homologación, monitoreo de fuentes, jobs programados. | API y datos estructurados CBC. | Ingeniería de datos, cloud, backend, orquestación. |
| CU-02 | Definición de universo relevante, reglas de cobertura, cruce con CRM, visualización de gaps. | Universo CBC de proyectos relevantes, lógica de negocio. | BI, dashboards, cloud, backend. |
| CU-03 | Motor de reglas, clasificación por tipología, fit sectorial, scoring por etapa/monto/timing/región. | Datos históricos y conocimiento sectorial CBC. | Modelamiento, IA aplicada, backend analítico. |
| CU-04 | Modelos por tipología, curvas, supuestos calibrables, parametrización por cliente. | Modelos CBC de gasto y empleo; experiencia sectorial. | Modelamiento matemático, simulación, ingeniería de modelos. |
| CU-05 | Motor de escenarios, supuestos macro/sectoriales, ejecución batch, almacenamiento de resultados. | Historial de proyectos y modelos CBC. | Optimización, simulación, orquestador de trabajos. |
| CU-06 | Data marts, Power BI/web dashboards, mapas, filtros, series temporales, KPIs. | Datos CBC y segmentaciones sectoriales. | Desarrollo frontend/backend, BI, visualización. |
| CU-07 | Generación de documentos, plantillas, resúmenes, exportables, calendarización. | Contenido analítico CBC. | Automatización, IA generativa controlada, backend. |
| CU-08 | Motor de reglas, umbrales, monitoreo periódico, notificaciones por correo, logs. | Cambios de proyectos, etapas, inversión, regiones. | Orquestación, backend, mensajería, automatización. |
| CU-09 | RAG, base vectorial, prompts, herramientas, MCP, evaluación, guardrails, auditoría. | Documentos, datos y contexto CBC. | IA aplicada, agentes, RAG, software. |
| Tipo de modelo | Descripción |
|---|---|
| Modelos de optimización | Modelos para asignación, calendarización, ruteo, secuenciación o uso eficiente de recursos |
| Modelos de simulación | Modelos que representan sistemas, procesos o fenómenos bajo distintos supuestos |
| Modelos de clasificación | Modelos que categorizan eventos, documentos, imágenes, alertas o señales |
| Modelos predictivos | Modelos para estimar evolución, riesgo, probabilidad o comportamiento futuro |
| Modelos de IA documental | Extracción, validación o estructuración de información desde documentos |
| Modelos geoespaciales | Análisis territorial, satelital, ambiental o de infraestructura |
| Modelos de recomendación | Priorización de acciones, oportunidades o clientes |
| Modelos generativos / RAG | Consulta y generación sobre bases documentales o datos internos |
| Tipo de modelo | Cantidad | Modelos / nombres cortos | Evidencia |
|---|---|---|---|
| Modelos de optimización | 3 | Horarios FACSO, Trenes FCAB, Ruteo Bermann | Optimización de operaciones; algoritmos exactos y heurísticos. |
| Modelos de simulación | 1 | SIMUDA daño | Plataforma para simular y predecir comportamiento bajo estrés. |
| Modelos de clasificación / detección | 5 | Glaciares IA, Naves anómalas, Alertas relaves estabilidad, GEI satelital, Relaves evaporación | Glaciares, naves anómalas, GEI y relaves; IA + SAR y detección temprana. |
| Modelos predictivos | 2 | Oleaje puertos, GEI comportamiento | Monitoreo ambiental. |
| Modelos de gestión documental | 2 | Caserones documentos | Gestión documental para Caserones. |
| Modelos geoespaciales / satelitales | 5 | Glaciares roca, Relaves térmicos, GEI satelital, Mapas alertas marítimas | Geomática con monitoreo de glaciares, GEI y relaves; satélite, mapas y alertas georreferenciadas. |
| Modelos de recomendación / decisión | 1 | Alertas tempranas marítimas | Detección de anomalías, simulación y recomendaciones. |
| Modelos generativos / RAG / agentes | 1 | Reportes automáticos | Agente cognitivo, interfaces conversacionales, consultas semánticas y generación automática de reportes. |
| Sistema / plataforma | Tipo | Activo técnico generado |
|---|---|---|
| Sistema de gestión documental | Automatización documental + IA + dashboards | Flujos, validación, automatización, visualización, nube |
| Data warehouse / ETL | Plataforma de datos | Integración, transformación y centralización de datos |
| Plataformas de optimización | Software + modelos matemáticos | Interfaces para ejecutar modelos y visualizar resultados |
| Plataformas geoespaciales | Mapas, datos satelitales, alertas | Visualización territorial y análisis espacial |
| Plataformas de simulación | Sistemas para correr modelos complejos | Ejecución, seguimiento y visualización de simulaciones |
| Dashboards ejecutivos | BI y monitoreo | Visualización de KPIs, estados y alertas |
| Sistemas con tareas largas o colas | Ejecución asincrónica de procesos | Gestión de procesos computacionales pesados |
| Componente reutilizable | Descripción |
|---|---|
| Plantillas de ETL | Estructuras para ingestar y transformar datos |
| Esquemas de data warehouse | Diseños base de almacenamiento analítico |
| Conectores a APIs / bases | Código o patrones para integrar sistemas |
| Módulos de validación documental | Extracción, revisión y validación |
| Motor de reglas | Validaciones, condiciones, flujos y alertas |
| Motor de escenarios | Estructura para correr supuestos y comparar resultados |
| Módulos de optimización | Algoritmos reutilizables |
| Plantillas de dashboards | Visualizaciones ejecutivas y operacionales |
| Mapas interactivos | Componentes geoespaciales |
| Librerías de prompts | Prompts, instrucciones y flujos para IA generativa |
| Pipelines de RAG | Ingesta documental, embeddings, recuperación y respuesta |
| Plantillas DevOps | Dockerfiles, CI/CD, ambientes, despliegue |
| Plantillas de documentación | Arquitectura, runbooks, manuales, discovery |
| Licencia / ecosistema | Uso probable |
|---|---|
| Microsoft 365 | Correo, documentos, colaboración, Teams, SharePoint, Office |
| Azure | Cloud, infraestructura, despliegues, IA, storage, seguridad |
| OpenAI / API | Modelos generativos, copilotos, automatización, prototipos |
| GitHub / GitLab / repositorios | Control de versiones, colaboración, CI/CD |
| Google Cloud | Data warehouse, procesamiento, storage, analítica |
| Power BI | Dashboards, reportes ejecutivos |
| Bases de datos | PostgreSQL, SQL, posiblemente otros motores |
| Docker | Contenedores y despliegue reproducible |
| Herramientas IA/ML | Frameworks, notebooks, librerías ML, vector DBs |
| Herramientas GIS | GeoServer, Leaflet, mapas, procesamiento geoespacial |
| Herramientas de gestión | Jira, Notion, Trello, ClickUp u otras |
| Herramientas de diseño | Figma u otras |
| Herramientas de monitoreo | Logs, métricas, alertas |
| Tipo de conocimiento | Descripción |
|---|---|
| Modelamiento matemático | Formulación de problemas complejos, restricciones, variables y objetivos |
| IA aplicada | Selección, entrenamiento, evaluación y uso de modelos en problemas reales |
| DevOps | Despliegue, ambientes, contenedores, operación y continuidad |
| Cloud | Azure, Google Cloud, almacenamiento, procesamiento y servicios |
| Datos | ETL, limpieza, data warehouse, validación, trazabilidad |
| Sectorial acumulado | Minería, logística, salud, educación, medioambiente, documentación, inversión |
| Visualización | Dashboards, mapas, interfaces, reportes ejecutivos |
| Comercial-técnico | Discovery, preventa, diseño de pilotos, valorización de propuestas |
| Metodológico | Diagnóstico, arquitectura, diseño de producto, roadmap, riesgos |
| Conocimiento de CBC | Entendimiento previo de procesos, documentos, necesidades y forma de trabajo |
| Herramienta / tecnología | Uso | Nivel |
|---|---|---|
| Python | Modelos, automatización, APIs, ciencia de datos | Alto |
| JavaScript / TypeScript | Frontend, backend, aplicaciones web | Alto |
| Node.js | Backend, APIs, servicios | Alto |
| React | Frontend, interfaces web | Alto |
| SQL | Consultas, transformación y análisis de datos | Alto |
| PostgreSQL | Bases de datos relacionales | Alto |
| Docker | Contenedores, despliegues reproducibles | Alto |
| Git | Control de versiones | Alto |
| Nginx | Proxy, despliegue web | Medio-alto |
| JSON / REST APIs | Integración entre sistemas | Alto |
| Herramienta / tecnología | Uso | Nivel |
|---|---|---|
| OpenAI API | IA generativa, copilotos, extracción, RAG | Medio-alto / alto |
| Frameworks ML Python | Modelos, predicción, clasificación | Alto |
| Pandas / NumPy | Procesamiento de datos | Alto |
| Scikit-learn | ML tradicional | Medio-alto |
| PyTorch / TensorFlow | Deep learning, según uso real | Alto |
| Vector databases | RAG, búsqueda semántica | Medio |
| Matillion | ETL cloud | Experiencia en proyecto |
| Power BI | Dashboards ejecutivos | Medio-alto |
| Jupyter / notebooks | Exploración, análisis, modelamiento | Alto |
| Herramienta / tecnología | Uso | Nivel |
|---|---|---|
| Microsoft Azure | Despliegue, storage, servicios cloud, IA | Medio-alto |
| Google Cloud | Data warehouse, procesamiento, cloud | Medio-alto |
| Docker Compose | Ambientes de desarrollo y despliegue | Alto |
| CI/CD | Automatización de despliegues | Medio |
| Linux | Servidores, scripts, administración | Alto |
| Monitoring / logging | Observabilidad | Medio |
| IAM / seguridad cloud | Permisos, roles, accesos | Medio |
| Herramienta / tecnología | Uso | Nivel |
|---|---|---|
| GeoServer | Servicios geoespaciales | Medio-alto |
| Leaflet | Mapas interactivos | Medio-alto |
| Azure Maps | Visualización geográfica | Medio |
| Procesamiento satelital | Análisis territorial, glaciares, relaves | Medio-alto |
| GIS / shapefiles / raster | Datos geográficos | Medio-alto |
| Herramienta | Uso | Nivel |
|---|---|---|
| Microsoft Teams | Colaboración con clientes | Alto |
| SharePoint / OneDrive | Gestión documental | Alto |
| Office / Excel / PowerPoint | Propuestas, modelos, análisis | Alto |
| Jira / Trello / ClickUp | Gestión de tareas | Bajo |
| Figma | Prototipos y diseño UI | Medio |
| Persona | Activo que representa | Rol en la propuesta |
|---|---|---|
| Cristóbal Beltrán | Integración estrategia-tecnología-devops-comercial | Venture lead, solution architect, PM estratégico inicial |
| Ian Vidal | Modelamiento matemático y desarrollo de modelos | Lead de modelos y análisis de escenarios |
| Benjamín Pastene | Modelos centrados en IA | Lead de IA aplicada, copilotos, clasificación, automatización inteligente |
| Paz Triviño | Desarrollo de estilos | Lead UI |
| Red técnica Auris | Apoyo especializado ampliable (CMM y red de desarrolladores de Auris) | Escalamiento por proyecto |
| Relación Auris–CBC | Conocimiento relacional y operacional | Reduce fricción comercial y técnica |
El activo estratégico de Auris está compuesto por una combinación de equipo técnico especializado, experiencia en sistemas productivos, modelos matemáticos, modelos de IA, plataformas geoespaciales, soluciones documentales, capacidades cloud/devops, herramientas licenciadas y conocimiento acumulado en industrias complejas.
La revisión de portafolio evidencia experiencia en minería, gestión ambiental, recursos naturales, transformación digital, optimización de operaciones, simulación, IA, análisis satelital, gestión documental y sistemas predictivos. Esta base permite sostener técnicamente las tres líneas de negocio propuestas para CBC–Auris: estructuración de datos, análisis de escenarios y sistemas vivos/agénticos.
Esta base permite que Auris no actúe solo como proveedor de desarrollo, sino como sostén técnico e intelectual de la futura empresa, aportando aceleradores, metodologías, modelos y experiencia aplicada para transformar los datos y relaciones de CBC en productos tecnológicos escalables.