- La adopción de inteligencia artificial en las empresas españolas avanza, pero solo una de cada cinco declara un retorno de inversión elevado.
- La calidad del dato, la gobernanza y la formación se consolidan como los principales obstáculos para escalar los proyectos.
- El factor humano gana peso: la productividad individual no siempre se traduce en mejores resultados para toda la organización.
- Administraciones y patronales impulsan jornadas y guías prácticas para que pymes y autónomos integren la IA con criterio.
La inteligencia artificial ha dejado de ser una promesa para convertirse en una realidad incómoda. Ya no basta con decir que se usa IA; las compañías se enfrentan a la exigencia de demostrar dónde genera valor y qué resultados concretos aporta. Tras una primera etapa de curiosidad y pruebas piloto, el foco se desplaza hacia la medición del impacto real en el negocio: horas ahorradas, costes reducidos, procesos automatizados o mejoras en la toma de decisiones.
En España, los datos reflejan ese tránsito. Según el informe Data and AI Impact Report elaborado por SAS e IDC, el 60,5% de las empresas ya integra la IA en su estrategia y hasta un 79% prevé aumentar su presupuesto el próximo año. Sin embargo, solo el 17,3% declara obtener un retorno de inversión elevado. La brecha entre adopción y resultados se ha convertido en el nuevo campo de batalla.
Adopción al alza, retorno esquivo
El crecimiento de la inversión convive con una dificultad persistente: trasladar el uso de herramientas a una ventaja competitiva sostenible. La fotografía española no es un caso aislado. La última encuesta global de McKinsey señala que ocho de cada diez profesionales consideran que la IA ha mejorado su productividad individual, pero únicamente el 37% de las organizaciones atribuye a esta tecnología alguna contribución positiva a su resultado bruto de explotación (EBIT).
El Banco Central Europeo observa una dinámica similar desde la óptica macroeconómica. El uso de IA crece con rapidez entre trabajadores y empresas de la eurozona, pero sus efectos agregados sobre productividad, empleo e inflación todavía son «limitados e inciertos». Sus estimaciones apuntan a que una difusión rápida y amplia podría añadir alrededor de 0,3 o 0,4 puntos porcentuales al crecimiento anual de la productividad durante la próxima década.
La consultora zenital, especializada en datos e inteligencia artificial, describe el cambio de preguntas que se escuchan ahora en las empresas: frente al «¿qué podemos hacer con IA?», ganan terreno cuestiones como «¿qué proceso queremos mejorar?», «¿cuánto tiempo podemos ahorrar?» o «¿cómo vamos a medir si realmente funciona?». La experimentación ha dado paso a la exigencia de indicadores.
Datos, gobernanza y formación: los cuellos de botella
Conseguir que la IA pase de la prueba de concepto a producción no es sencillo. Un estudio de IDC encargado por Lenovo concluyó que el 88% de las pruebas de concepto de IA no alcanza un despliegue a gran escala. El dato no mide pérdidas económicas ni capacidad técnica, sino la dificultad de integrar estos sistemas en el día a día de la organización.
La calidad del dato aparece como uno de los principales lastres. En España, el 43,2% de las compañías gestiona la calidad de la información de manera aislada, dentro de equipos o departamentos concretos, mientras que apenas el 18,5% la establece como requisito obligatorio para todos sus proyectos. Aplicar IA sobre datos incompletos, duplicados o mal estructurados amplifica el caos en lugar de resolver problemas, advierten desde zenital.
La gobernanza se revela como otro factor diferencial. El informe de SAS e IDC detecta que las organizaciones con niveles más altos de gobernanza, calidad del dato y capacidad de auditoría tienen quince veces más probabilidades de declarar un retorno de inversión alto o sólido que las situadas en el grupo con menor desarrollo de estas capacidades. En concreto, el 62% de las primeras comunica retornos elevados, frente al 4% entre las rezagadas.
La explicabilidad también condiciona la confianza. En España, el 35,1% de los profesionales que decide ignorar una recomendación generada por IA lo hace porque el sistema no puede explicar adecuadamente cómo ha llegado a su conclusión. Una recomendación técnicamente correcta puede perder utilidad si el responsable no dispone de información para justificarla o revisarla.
La formación emerge como respuesta. Durante el último año, zenital ha capacitado a más de 200 profesionales de alrededor de 15 empresas en inteligencia artificial, principalmente de áreas como Ventas, Operaciones y Administración. La Cámara de Comercio de España acaba de publicar la guía «GuIA para pymes», con una hoja de ruta de 30 días que propone identificar dos o tres procesos mejorables, diseñar un piloto controlado y medir su impacto antes de escalar.
El factor humano: la trampa de la productividad
Mientras las empresas buscan retorno, los trabajadores viven una paradoja. Un estudio del Instituto de Investigación Persol realizado en Japón entre 3.000 empleados fijos reveló que el tiempo requerido para las tareas con IA generativa se redujo una media del 16,7%, pero solo el 25,4% de los usuarios vio disminuir realmente su jornada laboral. Quienes ahorraban tiempo reinvertían en el trabajo el 61,2% de esas horas, y las tareas cotidianas representaban el 75,4% de ese porcentaje.
El fenómeno, denominado «trampa de la mejora de la productividad» por el investigador Kashiwamura Tasuku, describe cómo el margen creado por la IA queda absorbido por trabajo repetitivo antes de poder destinarse al bienestar individual. El resultado es que la jornada no cambia y solo crecen el volumen y la intensidad del trabajo. Algunos empleados aprenden que aumentar la productividad solo les perjudica y empiezan a evitar deliberadamente el uso de la IA o a ocultar las mejoras de eficiencia obtenidas.
Para evitar ese sabotaje silencioso, los expertos proponen tres mecanismos: repartir de manera justa los frutos del aumento de productividad (bonificaciones, flexibilidad o semana de cuatro días), ofrecer nuevas funciones y criterios de evaluación al personal liberado de tareas rutinarias, y comunicar con transparencia que la IA mejora las condiciones laborales. La clave está en que el trabajador perciba que si su productividad sube, él también gana algo tangible.
En el ámbito español, foros como el organizado por Aedipe Catalunya y ManpowerGroup en Barcelona han subrayado que el verdadero desafío ya no es tecnológico, sino cultural y organizativo. Directivos de Banco Sabadell, Mediapro, Damm, Fluidra y CaixaBank coincidieron en que el éxito de la IA dependerá de la capacidad de transformar procesos, desarrollar nuevas competencias y crear marcos de gobernanza que combinen innovación, seguridad y confianza.
Las administraciones también mueven ficha. La Oficina Acelera Pyme de CEOE Ávila ha programado para el 6 de octubre en Candeleda una jornada gratuita titulada «Automatiza tareas sin ser experto en IA». El 4,1% de las pymes industriales españolas utiliza IA de forma real, según el Barómetro IndesIA, y el 45,3% no la emplea ni prevé hacerlo a corto plazo. La brecha territorial es notable: Madrid lidera con un 6,3% de adopción, seguida de Cataluña (4,9%) y País Vasco (4,2%).
El despliegue a gran escala avanza con ejemplos concretos. Mapfre cuenta con más de 400 agentes de IA en producción; Telefónica dispone de 350 «IA Champions» que ayudan a sus compañeros; y Microsoft ha adoptado 800.000 agentes en una plantilla de 200.000 empleados. La línea que separaba la productividad personal de la empresarial se ha difuminado, según María Vázquez, directora de Soluciones de Microsoft.
Con más proyectos llegando a producción y las direcciones financieras apretando en el retorno, la madurez de la IA empresarial dependerá cada vez menos del número de pilotos iniciados y más de cuántos consiguen permanecer operativos, integrarse en el negocio y justificar económicamente su continuidad. El reto no es adoptar tecnología, sino rediseñar procesos, cuidar los datos y gestionar personas para que la productividad se convierta en un resultado compartido y sostenible.
Editor profesional de Tecnología y Software