La inteligencia artificial empieza a superar, según Kyndryl, una de las pruebas que más han condicionado su adopción empresarial durante los últimos tres años: demostrar que puede generar retorno económico. El 64% de las organizaciones que invierten en IA y aprendizaje automático afirma obtener ya retornos positivos, frente al 54% de 2025 y el 42% de 2024. En España, el porcentaje alcanza el 65%.
Ese avance convive, sin embargo, con un deterioro de la preparación para la IA y para los riesgos que acompañan a su despliegue. Solo el 24% de los líderes consultados considera que su organización está completamente preparada para gestionar riesgos externos, siete puntos menos que un año antes. Entre los directivos españoles, la cifra mejora hasta el 28%, pero también ha descendido con fuerza respecto a 2025.
La aparente contradicción resume uno de los principales hallazgos del Kyndryl Readiness Report 2026-27 . Las empresas han conseguido llevar más proyectos a producción y empiezan a extraer valor de ellos, mientras descubren que operar IA de forma sostenida exige cambios más profundos en arquitectura, datos, organización del trabajo, seguridad y gobierno.
El estudio recoge las respuestas de 3.700 responsables empresariales y tecnológicos de 21 países, incluidos 200 en España. Su fotografía muestra una adopción que ha dejado atrás buena parte de la fase exploratoria, pero también un listón de preparación que se desplaza a medida que la tecnología entra en procesos críticos.
«La IA está creando valor real, pero también está elevando el listón de la preparación. Mantener y aumentar ese valor depende de que todo lo que la rodea esté preparado», resumió Martin Schroeter, presidente y consejero delegado de Kyndryl, durante la presentación del informe.
La preparación deja de ser un estado para convertirse en una capacidad
Kyndryl replantea en esta edición el concepto de «readiness». La preparación ya no se refiere simplemente a disponer de infraestructura moderna o haber adoptado determinadas tecnologías. El informe la divide en tres dimensiones que tienen que evolucionar simultáneamente.
La primera es la base tecnológica, que incluye infraestructura, arquitectura, datos y capacidad para adaptarse a nuevas exigencias de IA, negocio o soberanía. La segunda es la reinvención de la organización: cómo cambian los flujos de trabajo, los roles, las responsabilidades y las métricas cuando parte de las tareas y decisiones pasan a sistemas de IA. La tercera es el control, entendido como visibilidad, gobierno, responsabilidad y resiliencia en entornos tecnológicos cada vez más interdependientes.
Esta definición ayuda a explicar por qué unas organizaciones pueden estar obteniendo retornos de proyectos concretos y, al mismo tiempo, sentirse menos preparadas ante el conjunto de riesgos que afrontan.
«La preparación no es un destino ni un ejercicio puntual. Es la capacidad de seguir adaptándose a medida que cambian la tecnología, los riesgos y las oportunidades», señaló Schroeter.
El cambio también responde a la evolución de la propia IA. Los modelos generativos empiezan a convivir con sistemas agénticos capaces de ejecutar acciones y participar en procesos completos. Esa transición introduce exigencias adicionales de autorización, trazabilidad, supervisión y asignación de responsabilidades.
De los pilotos al valor: la IA empieza a entrar en producción
La expansión fuera del laboratorio es ya visible. El 84% de los participantes asegura que su organización utiliza IA en flujos de trabajo que han superado la fase piloto. En España, el porcentaje asciende al 93%.
Al mismo tiempo, el número de empresas que todavía se define en fase de experimentación ha bajado del 62% al 49% en un año y se sitúa en el 44% en España. También desciende, del 57% al 45%, la proporción que afirma que sus iniciativas de innovación suelen detenerse después de una prueba de concepto.
Los datos apuntan a una fase más madura, aunque distan de mostrar una trayectoria lineal. Casi una cuarta parte de las organizaciones, el 24%, ha sufrido el fracaso de alguna inversión en IA y un 21% ha cancelado una iniciativa importante. En España, ambos porcentajes son superiores: 27% y 24%, respectivamente.
Además, el 48% de las empresas, tanto globalmente como en España, ha modificado de forma sustancial su estrategia de IA durante el último año. Un 59% siente ahora más presión que hace doce meses para demostrar el retorno de sus inversiones en IA agéntica.
Esa presión plantea un problema de selección. Un piloto técnicamente satisfactorio puede mostrar que una tecnología funciona, pero aporta poca información sobre si la compañía está preparada para desplegarla en miles de usuarios, conectarla con sistemas críticos y gobernar sus decisiones.
«Un piloto exitoso puede demostrar que una idea funciona. No demuestra que tus datos, tu arquitectura, tus controles, tus competencias o incluso tu modelo operativo estén preparados para sostenerla en toda la empresa», explicó Kim Basile, CIO de Kyndryl.
Para Basile, obtener un ROI positivo tampoco debería convertirse automáticamente en autorización para escalar. «Un retorno de la inversión positivo no debería ser automáticamente una luz verde para escalar. Debería activar una revisión de la preparación».
Una infraestructura modernizada puede seguir sin estar preparada para la IA
La distancia entre modernización y preparación aparece con claridad en la infraestructura tecnológica.
El 71% de los responsables globales describe el núcleo de su entorno de TI como mayoritariamente o completamente modernizado. En España, esa percepción sube hasta el 82%. Sin embargo, el 62% considera que todavía debe modernizar su base tecnológica antes de poder aprovechar plenamente la IA.
La contradicción se vuelve más evidente entre los CIO: el 66% sostiene que su infraestructura necesita una re-arquitectura significativa antes de poder soportar IA a escala. En España, la proporción es del 54%.
Modernizar, por tanto, ya no equivale necesariamente a estar preparado para la siguiente generación de cargas de trabajo. Una migración a la nube, una renovación de aplicaciones o la sustitución de infraestructura heredada pueden mejorar la flexibilidad sin resolver la integración de datos, la observabilidad, la dependencia entre sistemas o los requisitos de ejecución de modelos de IA.
Los problemas acumulados durante anteriores ciclos de transformación aparecen ahora en los proyectos. El 60% de las organizaciones afirma que la nube generó costes superiores a los previstos. Un 48% reconoce que su entorno evolucionó más por acumulación de decisiones que siguiendo un diseño deliberado y otro 48% mantiene datos en plataformas que en principio deberían haber sido retiradas.
La consecuencia económica también es visible. Entre las organizaciones que han evitado problemas relacionados con costes, diseño o acceso a los datos en sus proyectos de nube, el 73% obtiene retornos positivos de IA y machine learning. El porcentaje baja al 58% entre aquellas que han sufrido varios de estos obstáculos.
Los datos vuelven a convertirse en infraestructura crítica
La preparación de los datos constituye otra de las barreras que reaparecen cuando la IA pasa de una aplicación limitada a un proceso corporativo.
Cuatro de cada diez directivos reconocen que los datos de su organización todavía no están preparados para soportar IA a escala, mientras que el 46% identifica los silos como una limitación para ampliar las iniciativas.
La diferencia entre ambos grupos es significativa. Las compañías cuyos datos están preparados registran retornos positivos en IA y machine learning en un 70% de los casos, frente al 54% entre las que reconocen carencias. Las inversiones fallidas aparecen además aproximadamente al doble de frecuencia cuando los datos no están preparados, un 35% frente a un 17%.
La cuestión va más allá del volumen disponible. Para operar IA sobre procesos empresariales hacen falta calidad, acceso, permisos, integración y mecanismos que permitan conocer el origen de la información y controlar su utilización.
Solo el 28% de los encuestados considera completamente preparados sus sistemas de gobierno y gestión de datos para afrontar futuros riesgos y disrupciones. La brecha afecta directamente a la capacidad de introducir agentes o modelos en procesos donde una respuesta incorrecta puede terminar convirtiéndose en una acción incorrecta.
Los flujos de trabajo cambian más rápido que los puestos
El desfase más acusado puede estar produciéndose fuera de la infraestructura.
El 77% de los líderes afirma que los agentes de IA ya automatizan flujos de trabajo que anteriormente requerían traspasos entre equipos o sistemas. Sin embargo, solo el 27% dice haber actualizado formalmente roles y responsabilidades relacionadas con la IA. En España, el porcentaje alcanza el 29%.
Algo parecido sucede con la gestión del cambio. Un 29% considera que está completamente implantada en su organización, frente al 31% en España, y únicamente un 33% cree que su plantilla está totalmente preparada para aprovechar la IA.
La distancia resulta especialmente relevante porque el informe del año anterior recogía que un 86% esperaba que la IA transformara puestos de trabajo en los siguientes doce meses. Las expectativas han avanzado con mayor rapidez que el rediseño formal de las funciones.
Las empresas que han completado tanto la redefinición de roles como la gestión del cambio presentan mejores resultados. Tienen 28 puntos más de probabilidades de declararse completamente preparadas para implantar IA, un 53% frente al 25%, y ocho puntos más de probabilidades de obtener retorno positivo de sus inversiones, un 71% frente al 63%.
El reto operativo aparece cuando la IA modifica un proceso que antes estaba repartido entre varias personas. La empresa debe determinar qué decide la máquina, cuándo interviene una persona, quién responde por el resultado y cómo se mide si el nuevo flujo funciona.
Para Basile, el aprendizaje tampoco puede limitarse a cursos generales. La introducción de IA requiere que quienes conocen los procesos tengan capacidad para experimentar dentro de unas reglas comunes, porque «La gente no aprende IA leyendo sobre ella. La aprende utilizándola de forma práctica».
Schroeter situó precisamente las competencias como una de las prioridades para 2027. Su recomendación es avanzar hacia formación adaptada a cada perfil profesional, especialmente porque todavía existe una parte de la plantilla que mantiene reservas o rechazo hacia estas herramientas.
La estrategia de IA también revela problemas de dirección
La preparación organizativa alcanza a la propia estrategia. El 38% de los responsables globales reconoce que su estrategia de IA se desarrolló de forma accidental más que mediante un diseño deliberado. En España, el porcentaje baja al 33%.
Otro 38% admite que las decisiones de modernización no están vinculadas de manera consistente con la estrategia empresarial.
La cuestión afecta a qué proyectos reciben recursos y a cómo se evalúan. Durante los primeros ciclos de adopción, buena parte de los casos de negocio se han construido alrededor de productividad, ahorro de costes y automatización. Schroeter observa ahora una incorporación progresiva de objetivos de crecimiento.
Puso como ejemplo el proceso de alta y conocimiento del cliente de una entidad financiera. Automatizarlo puede reducir tiempo y costes, pero una experiencia más rápida también puede mejorar la capacidad de captar clientes. De este modo, la medición deja de centrarse exclusivamente en productividad y empieza a incluir calidad de las decisiones, experiencia de usuario, nivel de servicio o crecimiento.
Ismail Amla, responsable global de Kyndryl Consult, introduce otra dimensión: la IA puede alterar también los límites competitivos de un sector.
«Las empresas ya no se preguntan únicamente: ‘¿Cómo utilizo la IA para mejorar mi negocio actual?’. Cada vez más necesitan preguntarse: ‘¿Cómo podría cambiar la IA mi modelo de negocio y quiénes podrían ser mis competidores mañana?'»
La preocupación aparece en los datos. Solo el 23% de los encuestados se considera completamente preparado para afrontar disrupciones competitivas procedentes de otros sectores, diez puntos menos que en 2025.
La ciberseguridad pierde preparación mientras aumenta la amenaza
La caída más intensa del informe se registra en ciberseguridad.
Los ciberataques encabezan por tercer año consecutivo las preocupaciones externas de las empresas. El 58% de los responsables se muestra preocupado por ellos, pero únicamente el 26% cree que su organización está completamente preparada para afrontarlos. Son once puntos menos que un año antes.
España obtiene un resultado superior, con un 33% de organizaciones que se consideran plenamente preparadas. Aun así, el 63% de los directivos españoles cree que la IA está aumentando la sofisticación y la escala de las amenazas, ligeramente por encima del 61% global.
La misma tecnología también forma ya parte de la respuesta. El 82% de los participantes españoles considera la IA esencial para unas operaciones de ciberseguridad eficaces, frente al 76% global.
Esta doble utilización aumenta las exigencias de gobierno. Los sistemas automatizados pueden acelerar tanto los ataques como la identificación y respuesta ante incidentes, mientras la incorporación de agentes abre nuevas cuestiones sobre permisos, acciones autónomas, supervisión y auditoría.
El estudio encuentra una asociación entre gobierno y resultados. Las organizaciones que han adoptado seis o más medidas de gobernanza registran retornos positivos de IA y machine learning en el 76% de los casos, frente al 63% entre quienes aplican cinco o menos. También se consideran completamente preparadas para gestionar ciberataques en un 45%, frente al 25%.
Entre las medidas analizadas, la realización de evaluaciones de riesgo y auditorías de IA es la que presenta una relación más intensa con el retorno: las empresas que las realizan alcanzan un 70% de ROI positivo, frente al 60% del resto.
«El reto del CIO no es simplemente la velocidad. Es construir un modelo operativo capaz de tomar buenas decisiones con rapidez», afirmó Basile.
Soberanía digital: mucha preocupación y todavía pocas medidas
El concepto de control se extiende asimismo hacia proveedores, jurisdicciones y dependencias tecnológicas.
El 65% de los encuestados considera que la soberanía debería influir en toda la estrategia tecnológica. La traducción de esa posición a decisiones concretas sigue siendo limitada: el 78% ha adoptado tres o menos de las diez medidas de soberanía evaluadas por el estudio y solo el 6% ha implantado seis o más.
Europa tampoco aparece por delante. En los nueve mercados europeos incluidos, las organizaciones han aplicado una media de tres medidas, frente a 3,2 globalmente. En la Unión Europea, solo el 17% de los participantes se encuentra en el grupo que ha adoptado entre cuatro y diez actuaciones, por debajo del 32% de Estados Unidos y del 31% de India.
Amla utiliza el concepto de «sovereignty debt» para describir el riesgo acumulado por decisiones tecnológicas que reducen las alternativas futuras.
«Hablamos mucho de deuda técnica. Creo que ahora estamos acumulando otro tipo de deuda: deuda de soberanía», explicó. Cada decisión que dificulta cambiar de proveedor, mover una carga de trabajo o modificar la forma de operar en otra geografía puede limitar posteriormente la capacidad de respuesta de la empresa.
La cuestión tiene especial relevancia en Europa, donde las conversaciones sobre soberanía tecnológica se están incorporando a decisiones de arquitectura, ubicación de datos, proveedores, servicios críticos y dependencia de determinadas capas de la infraestructura.
Para Schroeter, el denominador común es el control: dónde residen los datos, quién opera los sistemas y hasta qué punto una organización conserva opciones si cambian las condiciones geopolíticas o regulatorias.
Estar preparado significa poder cambiar sin reconstruir la empresa cada vez
Los resultados del Readiness Report dibujan una siguiente etapa de adopción de IA bastante distinta de la carrera inicial por lanzar pilotos. Las empresas ya tienen proyectos funcionando, los porcentajes de retorno crecen y la tecnología entra progresivamente en procesos reales. La dificultad se desplaza hacia la capacidad de repetir ese resultado a escala y de hacerlo sin deteriorar resiliencia, control o coherencia estratégica.
Eso obliga a ampliar el perímetro de cada proyecto. Un piloto empresarial empieza a necesitar una representación reducida de aquello que vendrá después: datos, arquitectura, seguridad, costes, responsabilidades, formación, gobierno y criterios para decidir si merece la pena continuar.
También implica aceptar que detener un proyecto puede constituir una decisión económicamente racional. «Detener el proyecto de IA equivocado puede ser tan importante como escalar el adecuado», señaló Basile. Una prueba puede funcionar técnicamente y seguir siendo inviable si los datos no están preparados, los costes cambian al escalar o el riesgo supera el beneficio esperado.
Para las empresas españolas, el punto de partida presenta algunas ventajas: declaran más retorno de la IA, mayor modernización del entorno tecnológico, más penetración de la IA fuera de los pilotos y una mejor preparación frente a ciberataques que la media global. Los mismos datos muestran, sin embargo, que una parte importante de la organización todavía debe adaptarse alrededor de esa tecnología.
La siguiente fase tendrá menos que ver con cuántos proyectos de IA consigue poner en producción una compañía y más con cuántos puede integrar, gobernar, modificar o retirar sin tener que reconstruir su arquitectura y su modelo operativo cada vez que cambian los modelos, la regulación, los riesgos o las condiciones del mercado.
Metodología
El Kyndryl Readiness Report 2026-27 se basa en una encuesta a 3.700 directivos y responsables de decisión de 21 países y 24 industrias. España aporta 200 participantes.
El 50% de la muestra corresponde a ejecutivos de nivel C-suite y el otro 50% a directores senior y responsables de unidades de negocio con influencia en decisiones tecnológicas. La mitad representa a compañías con una facturación igual o superior a 1.000 millones de dólares. La muestra también se divide a partes iguales entre responsables de negocio y responsables tecnológicos.
El trabajo de campo fue realizado por Edelman Intelligence para Kyndryl mediante encuestas online y entrevistas telefónicas entre el 10 de julio y el 2 de septiembre de 2026.
Sigue el análisis de tecnología empresarial en Google
Añade La Ecuación Digital como fuente preferida y verás más análisis sobre inteligencia artificial, cloud, ciberseguridad, infraestructura de datos y transformación digital en tus resultados de Google.
Seguir La Ecuación Digital en GoogleAl hacer clic podrás seleccionar La Ecuación Digital como fuente preferida en Google.
