La primera jornada de Santander40 había dejado planteada una cuestión que atravesó las posiciones del Gobierno, AMETIC y las empresas: España ha construido durante los últimos años una base digital considerable, pero disponer de tecnología, financiación e infraestructuras no garantiza que esa capacidad termine convertida en productividad y crecimiento. Las empresas que ya trabajan con inteligencia artificial mostraron además que el retorno aparece cuando la tecnología entra en procesos concretos, mientras Microsoft, Salesforce, Inetum y SAP desplazaron la conversación hacia datos, costes, gobernanza y organización.
La segunda jornada del 40º Encuentro de la Economía Digital y las Telecomunicaciones de AMETIC profundizó precisamente en las condiciones necesarias para recorrer esa distancia. La discusión avanzó desde la capacidad de computación hasta los datos que alimentan los sistemas, y desde ahí hacia su adopción en industrias, administraciones y pequeñas empresas. El resultado dibuja una cadena cada vez más clara: construir infraestructura tiene sentido si existe demanda para utilizarla; disponer de modelos sirve de poco sin información de calidad; y extender la IA al tejido empresarial exige resolver problemas de tamaño, conocimiento, costes y organización.
La Administración ofrece ya algún ejemplo de esa transición. Manuel Olmedo, secretario de Estado de Justicia, situó la transformación del sistema judicial en un cambio que combina tecnología, organización y procesos. El Ministerio mantiene más de 150 millones de euros anuales de presupuesto ordinario destinados a digitalización, a los que se han sumado 410 millones procedentes de NextGeneration. El objetivo, explicó, ha sido pasar «de una cultura de orientación al documento a una cultura de trabajo orientada al dato».
El caso resulta relevante más allá de Justicia porque anticipa uno de los mensajes que se repetirían durante el día: digitalizar un proceso existente tiene un recorrido limitado si la organización, los datos y la forma de trabajar permanecen intactos.
La infraestructura de IA entra en la política industrial
El día anterior, María González Veracruz, secretaria de Estado de Digitalización e Inteligencia Artificial, había definido la IA como una «infraestructura de país». La segunda jornada permitió concretar qué implica esa expresión.
Aleida Alcaide, directora general de Inteligencia Artificial, situó la capacidad de computación como una de las condiciones para desarrollar una industria propia alrededor de esta tecnología. Su planteamiento parte de una dependencia evidente: entrenar, adaptar y ejecutar modelos requiere centros de datos, energía, conectividad y chips, pero también talento y empresas capaces de utilizar esos recursos.
«La inteligencia artificial va a ser el sistema nervioso del futuro», afirmó Alcaide. Su argumento es que Europa necesita controlar una parte suficiente de esa infraestructura para disponer de capacidad de decisión, atraer inversión, generar actividad alrededor de los centros de computación y reducir riesgos ante posibles interrupciones de suministro.
La política española está intentando construir esa capa mediante las fábricas de inteligencia artificial, la candidatura a una gigafactoría europea y proyectos relacionados con procesadores abiertos basados en RISC-V. Las fábricas previstas en Barcelona y en el CESGA gallego pretenden combinar computación con asesoramiento, incubación, formación y servicios de datos, facilitando además acceso gratuito a determinadas capacidades para pymes.
Pero Alcaide introdujo un matiz especialmente relevante frente al entusiasmo por ampliar capacidad: todavía existe incertidumbre sobre cuánto cómputo necesitará realmente el mercado y para qué.
Entrenar grandes modelos requiere una infraestructura diferente de la necesaria para ejecutar inferencia sobre modelos ya existentes. El avance del postentrenamiento, los modelos abiertos y las técnicas que permiten mejorar capacidades sin volver a entrenar desde cero pueden modificar la demanda prevista. «Si no tendremos mucha infraestructura pero quizá la demanda no es adecuada», advirtió al defender que oferta y adopción deben crecer de forma acompasada.
Ese problema convierte la infraestructura de IA en una decisión industrial distinta de la mera ampliación de capacidad. Construir centros y adquirir aceleradores exige anticipar qué tipo de cargas ejecutarán las empresas europeas, qué sectores utilizarán esa potencia y qué parte del mercado se concentrará en entrenamiento frente a inferencia.
Europa intenta reducir el tiempo entre inversión y capacidad
La misma cuestión apareció desde Bruselas.
Diego Solier, eurodiputado y ponente principal del Cloud and AI Development Act (CADA) en el Parlamento Europeo, planteó la pregunta de forma directa: «¿Dónde va a correr esa inteligencia artificial?».
Su diagnóstico es que Europa llega a esta fase con insuficiente capacidad propia de nube y centros de datos, una debilidad que CADA pretende abordar mediante cuatro grandes palancas: financiación, aceleración del despliegue de inversiones, clasificación de servicios según su criticidad y utilización de la demanda pública.
Uno de los factores más difíciles de corregir puede ser el tiempo. Solier señaló que un inversor difícilmente elegirá Europa si tiene que esperar cinco o seis años antes de poder operar un centro de datos. La discusión regulatoria empieza así a incluir permisos, disponibilidad energética y seguridad jurídica junto a las tradicionales políticas digitales.
Para el eurodiputado, soberanía tecnológica significa fundamentalmente «capacidad de decisión en el momento que importa»: poder mover sistemas y datos, elegir proveedores y disponer de alternativas cuando una infraestructura o un servicio se vuelve crítico. El planteamiento excluye un modelo de aislamiento europeo y asume que la construcción de una industria propia tendrá que convivir con proveedores internacionales que ya concentran buena parte de las capacidades disponibles.
La clasificación por criticidad puede convertirse en una de las piezas más importantes del futuro marco. Servicios ordinarios podrían operar en entornos abiertos y competitivos, mientras cargas relacionadas con datos o sistemas estratégicos requerirían mayores garantías de jurisdicción, control y resiliencia.
Eso introduce una aproximación más graduada a la soberanía digital. Proteger toda la infraestructura con el máximo nivel de exigencia elevaría costes y reduciría opciones; tratar de la misma forma un servicio administrativo ordinario y una capacidad crítica generaría el problema contrario.
La soberanía se traduce en capacidad de elección
Las empresas de infraestructura presentes en Santander trasladaron esa discusión a decisiones técnicas.
La mesa moderada por Salvador Esteban, director de Administración Digital de la Agencia Estatal de Administración Digital, reunió a Colola Rebollo, directora de Sector Público de Cloudera; María Álvarez, responsable de Government Affairs para el sur de Europa y mercados emergentes de Google Cloud; David Blázquez, responsable de Public Policy para España y Portugal de AWS; y José Gastei, responsable global de alianzas estratégicas de BT Group.
Más allá de las diferencias comerciales entre proveedores, apareció una interpretación común de la soberanía basada en mantener opciones.
Rebollo defendió que el control de los datos y la interoperabilidad resultan más relevantes que cerrar el acceso a determinadas nubes. Su formulación resume el problema técnico: «llevar la IA al dato, no llevar el dato a la IA». En organizaciones que gestionan información sensible, la posibilidad de ejecutar modelos allí donde reside el dato puede reducir movimientos de información y mantener un mayor control sobre ella.
Álvarez articuló la posición de Google Cloud alrededor de controles, capacidad de elección y alianzas, con entornos híbridos y multinube que eviten depender de un único proveedor. En la práctica, el concepto de autonomía empieza a estar relacionado con cuestiones como portabilidad, interoperabilidad, jurisdicción y capacidad para cambiar de infraestructura sin asumir costes que hagan inviable la salida.
La discusión dejó además otro cuello de botella menos visible. Las redes que conectan centros de datos tampoco pueden considerarse una capacidad ilimitada. Gastei advirtió de que las infraestructuras actuales no están preparadas para absorber sin cambios el crecimiento de tráfico que puede acompañar a la expansión de IA distribuida.
El debate sobre capacidad de computación empieza, por tanto, en la GPU pero no termina allí. Energía, redes, centros de datos, localización y acceso a información forman parte del mismo sistema.
Del cómputo al dato: la siguiente infraestructura
Si la primera mitad del problema consiste en dónde ejecutar la IA, la segunda empieza con qué información utilizar.
Ana Palacios, directora general del Dato, colocó esa cuestión en el centro de la política digital: «Durante años hemos hablado de transformar datos en información; hoy el verdadero factor de competitividad consiste en el siguiente paso, que es transformar datos en productividad».
El planteamiento conecta directamente con el debate del primer día sobre modelos generalistas. Aumentar potencia de cálculo pierde parte de su utilidad si los datos permanecen fragmentados, carecen de calidad, no pueden combinarse o no representan adecuadamente la realidad sobre la que debe trabajar un sistema.
Palacios defendió los espacios de datos como una infraestructura federada que permita compartir información manteniendo control sobre qué se cede, a quién, para qué propósito y bajo qué condiciones. Su comparación los sitúa junto a infraestructuras tradicionales como carreteras, puertos o redes energéticas: sobre ellos no circulan mercancías, sino información que puede combinarse para generar nuevos servicios y decisiones.
España ha movilizado más de 300 millones de euros en su plan de impulso de espacios de datos sectoriales. El Kit de Espacios de Datos, gestionado junto a Red.es, ha recibido más de 2.600 solicitudes y 70 millones de euros en subvenciones solicitadas en todas las comunidades autónomas. Salud y movilidad aparecen entre los ámbitos donde se están construyendo casos de uso.
El elemento decisivo será cuánto intercambio efectivo generan esas infraestructuras.
Durante años, las políticas de datos han estado muy vinculadas a regulación, interoperabilidad y creación de estándares. La etapa que describe Palacios exige demostrar que organizaciones diferentes están dispuestas a compartir información y que esa combinación permite reducir costes, mejorar decisiones o desarrollar servicios que ninguna de ellas podría construir utilizando únicamente sus propios datos.
La calidad pasa entonces a ser tan importante como el volumen. Una IA aplicada a sanidad, industria o administración española necesita información suficientemente representativa de esos ámbitos. Multiplicar la capacidad de cómputo sin resolver esa capa desplaza el cuello de botella, pero no lo elimina.
Las pymes vuelven a aparecer como prueba decisiva
La cadena termina en la adopción.
El primer día, AMETIC había situado la digitalización de las pymes entre las condiciones para mejorar competitividad. La segunda jornada permitió precisar por qué ese salto resulta más difícil que poner nuevas herramientas a disposición del mercado.
La presidenta de CEPYME puso el foco en una brecha dentro del propio tejido empresarial. Buena parte de las pequeñas empresas ha alcanzado niveles básicos o medios de digitalización, pero la distancia aumenta cuando se observan usos capaces de modificar procesos y organización. El problema, defendió, está menos en comprar hardware o software que en saber qué solución necesita cada empresa y cómo integrarla sin disponer necesariamente de un departamento tecnológico propio.
La mesa «IA & PYME», moderada por Enrique Serrano, presidente de la Comisión de IA y Economía del Dato de AMETIC, partió de un dato expresivo: solo una de cada seis pymes habría incorporado inteligencia artificial a sus procesos más allá de una prueba o piloto.
Las recomendaciones de los proveedores fueron deliberadamente pragmáticas.
Mauricio Escanilla, responsable de Government Affairs para España y Portugal de Alibaba, defendió comenzar con un propósito empresarial identificable. Puso como ejemplo a la española Plameca, que utiliza las capacidades de la plataforma para reducir tiempos de entrada en el mercado chino, segmentar demanda y obtener información sobre comportamiento de consumidores a miles de kilómetros de distancia.
Elia Urgell, Senior Tax and Invoicing Product Manager de Wolters Kluwer, centró la adopción en el trabajo conjunto entre profesionales y agentes. En ámbitos como fiscalidad, la IA puede extraer información, completar procesos y proponer criterios, pero el conocimiento implícito del profesional continúa siendo relevante para interpretar el contexto de la empresa y asumir decisiones.
Carles Ransanz, vicepresidente de Ventas de Sage Iberia, situó el retorno inicial en tareas intensivas en información, desde conciliación bancaria hasta previsiones de cobro y pago. Para una pequeña empresa, donde una misma persona puede asumir funciones administrativas, financieras y comerciales, liberar tiempo puede generar un impacto proporcionalmente mayor que en una organización con departamentos especializados.
Y Carlos Gándara, responsable de Samsung Electronics, defendió una aproximación igualmente acotada: identificar un problema concreto y utilizar una herramienta que demuestre productividad, en lugar de acumular aplicaciones. La segunda fase, señaló, consiste en conseguir que los empleados adopten esas capacidades y las interpreten como una ayuda en su trabajo.
El denominador común se aleja de los grandes proyectos de transformación. Propósito, datos disponibles, una primera aplicación manejable, acompañamiento y formación aparecen como condiciones más realistas para organizaciones con recursos limitados.
La adopción sectorial obliga a introducir contexto y control
Ese mismo principio apareció en la sesión dedicada a IA aplicada en sectores.
Alberto Gago, director general de la Agencia Española de Supervisión de Inteligencia Artificial (AESIA), defendió una gobernanza que permita probar sistemas con garantías y presentó la confianza como una condición para extender su uso. Su argumento es que la responsabilidad regulatoria puede convertirse también en una ventaja para compañías que necesiten acreditar seguridad jurídica y trazabilidad frente a clientes.
La mesa posterior, moderada por Carla Redondo, directora general de Ordenación de los Servicios de Digitalización y de Comunicación Audiovisual, reunió a Néstor Nocetti, cofundador y Chief Corporate Affairs Officer de Globant; Eugenia Duto, directora de Consultoría y Servicios de Wolters Kluwer; y Adrián Gómez Pastor, director nacional de Randstad Digital.
Sus intervenciones mostraron por qué hablar de «adopción de IA» sin distinguir sectores ofrece poca información.
En recursos humanos, Gómez Pastor defendió mantener a la persona al mando de las decisiones, especialmente en procesos donde pueden aparecer efectos discriminatorios. Randstad utiliza la expresión «human in the lead» para diferenciar ese planteamiento de una supervisión puramente formal: la organización debe decidir previamente qué puede automatizarse y qué necesita una decisión humana.
Duto puso el foco en sistemas especializados que proporcionen contexto a profesionales que operan en entornos regulados. Para Wolters Kluwer, el valor inicial está en reducir el tiempo que transcurre entre un cambio normativo y su incorporación a una solución, además de permitir que los especialistas concentren atención en decisiones donde su conocimiento tiene mayor peso.
Nocetti llevó el argumento un paso más allá: las mayores ganancias no tienen por qué aparecer cuando se utiliza IA para acelerar el mismo proceso existente, sino cuando la nueva capacidad permite reorganizar cómo se ejecuta ese trabajo.
La cuestión enlaza con las empresas analizadas durante el primer día. El salto relevante empieza cuando la tecnología modifica el proceso, pero esa transformación requiere conocimiento sectorial, reglas y mecanismos de control que no pueden obtenerse únicamente del modelo.
Industria: la adopción avanza con ritmos distintos
El cierre institucional de la mañana devolvió el debate al conjunto de la economía.
Jordi García Brustenga, secretario de Estado de Industria, cifró en torno al 17% el uso de inteligencia artificial en empresas industriales, frente a aproximadamente un 21% para el conjunto empresarial. La diferencia no responde únicamente a una menor disposición tecnológica. «Cada empresa, cada fábrica es un mundo», explicó al señalar la dificultad de escalar soluciones idénticas entre procesos productivos distintos.
Los ejemplos que citó muestran una adopción alejada de los grandes modelos generalistas: diseño de módulos para construcción industrializada, clasificación de materias primas en una harinera o controles de color en producción textil.
Son aplicaciones estrechas, insertadas directamente en procesos físicos y con resultados observables. Precisamente por eso requieren más integración que una herramienta de productividad de oficina y resultan más difíciles de replicar entre fábricas.
Brustenga utilizó esos casos para defender que España continúe concentrando inversión en industria y autonomía estratégica. La cuestión vuelve a ser dónde colocar recursos limitados y qué capacidad productiva puede construirse alrededor de las tecnologías que se están financiando.
La segunda jornada de Santander40 terminó así aterrizando varias de las preguntas abiertas el día anterior.
Construir más capacidad de cómputo puede reducir dependencias y atraer actividad, pero exige anticipar qué demanda la utilizará. Los espacios de datos pueden aportar la información que necesitan empresas y modelos, pero deben generar intercambios y casos de uso efectivos. Y la llegada de IA a pymes e industrias depende menos de disponer de otra herramienta que de identificar problemas concretos, ordenar los datos, acompañar la implantación y reorganizar determinadas formas de trabajar.
España empieza a disponer de piezas relevantes en cada una de esas capas. El desafío está en conectarlas.
La competitividad tecnológica que dominó la apertura de Santander40 adquiere así una medida más exigente. Ya no puede evaluarse únicamente por la cantidad de infraestructura instalada, los fondos movilizados o el número de empresas que declaran utilizar inteligencia artificial. Tendrá que observarse en qué medida esa capacidad consigue circular desde los centros de computación hasta los datos, desde los datos hasta los procesos y desde esos procesos hasta mejoras comprobables de productividad.
En esa cadena, la infraestructura es necesaria, pero la ejecución determinará su valor económico.
