Las empresas con prácticas avanzadas de IA confiable tienen 15 veces más probabilidades de obtener un retorno firme o alto de sus proyectos de inteligencia artificial, según un estudio de SAS realizado por IDC. La diferencia, un 62% frente al 4% entre las organizaciones rezagadas, sitúa la gobernanza, la explicabilidad y la calidad del dato como factores vinculados al rendimiento empresarial de la tecnología, además de a su control.
El resultado apunta a una brecha entre organizaciones que despliegan IA con mecanismos de supervisión y aquellas que aún carecen de una base operativa suficiente. Las compañías con las prácticas más maduras obtienen resultados 1,85 veces superiores en 13 indicadores empresariales, entre ellos el crecimiento de los ingresos, el ahorro de costes y la experiencia del cliente. La investigación no atribuye esa diferencia a una tecnología concreta, sino a la forma de gestionar los datos, los modelos y las responsabilidades asociadas a sus decisiones.
Los datos proceden de una encuesta a 2.699 directivos con conocimiento o influencia sobre las iniciativas corporativas de IA y datos. Participaron organizaciones de 28 países pertenecientes a banca, seguros, ciencias de la vida y sector público. Este alcance permite comparar distintos grados de madurez, aunque los resultados describen esos cuatro sectores y se basan en las respuestas de los responsables consultados.
La falta de explicaciones reduce la adopción interna
La confianza adquiere una consecuencia operativa cuando los empleados deciden si utilizan una recomendación automatizada. El 97,2% de los usuarios reconoce haber ignorado en alguna ocasión una respuesta generada por IA. El principal motivo señalado es la incapacidad del sistema para explicar cómo ha alcanzado su decisión, incluso cuando el resultado puede considerarse correcto.
Ese comportamiento introduce trabajo manual y limita las ganancias previstas. Si una persona revisa, corrige o descarta de forma recurrente las salidas del sistema, la empresa mantiene parte del coste del proceso anterior y añade el de la nueva infraestructura. La explicabilidad afecta así a la productividad y a la adopción interna: una herramienta desplegada técnicamente puede seguir sin integrarse de manera efectiva en las decisiones cotidianas.
La dificultad aumenta con la autonomía. La confianza declarada baja del 76% para la IA generativa al 66% para los agentes de IA, sistemas capaces de intervenir con un grado mayor de independencia en los flujos de trabajo. Cuanto menor es la intervención humana inmediata, más relevantes resultan la trazabilidad de las acciones, la definición de responsabilidades y la posibilidad de revisar el resultado.
Chris Marshall, vicepresidente de IDC, vincula estos controles con la capacidad de extender la tecnología dentro de las organizaciones: «A medida que la IA se vuelve cada vez más autónoma, las empresas afrontan un nuevo reto: mantener la confianza en sistemas que las personas no comprenden plenamente. Nuestras conclusiones demuestran que una mayor supervisión, capacidad de explicación, rendición de cuentas y cimientos de datos se están convirtiendo en prerrequisitos para poder escalar el uso de la IA con éxito».
El estudio considera líderes en IA confiable a las organizaciones que alcanzan una puntuación media de al menos 80 sobre 100. La evaluación abarca la calidad y gobernanza de los datos, la supervisión de los modelos, la explicabilidad y la equidad, las políticas de IA responsable, y la auditoría y rendición de cuentas. Esta clasificación combina, por tanto, controles técnicos con procesos organizativos que determinan quién puede revisar un modelo y responder cuando falla.
La infraestructura de datos limita el retorno
La madurez de los datos aparece como uno de los principales obstáculos para convertir esos principios en resultados. Solo el 17,5% de las empresas consultadas cuenta con una infraestructura optimizada para las exigencias de los agentes de IA. Para el resto, la incorporación de sistemas más autónomos se produce sobre arquitecturas que pueden dificultar la consistencia, la trazabilidad y la explicación de sus respuestas.
Las organizaciones con cimientos de datos optimizados presentan cuatro veces más probabilidades de obtener un ROI sólido de sus proyectos de IA. También tienen seis veces más probabilidades de establecer los controles de calidad del dato y explicabilidad necesarios para generar confianza. La relación conecta dos capas que a menudo se gestionan por separado: el funcionamiento del modelo depende de la disponibilidad, procedencia y calidad de la información que recibe.
Una arquitectura adecuada facilita mantener registros, localizar el origen de un dato y comprobar qué información intervino en una decisión. Sin esas capacidades, las políticas de supervisión pueden quedar desconectadas de la operación diaria. La gobernanza requiere procesos aplicables al ciclo completo, desde la entrada de los datos hasta la revisión de una recomendación o acción producida por la IA.
La asociación entre madurez y retorno tampoco implica que cualquier inversión en controles produzca automáticamente los resultados observados. Los porcentajes comparan grupos de organizaciones con capacidades distintas y reflejan una relación entre sus prácticas y el desempeño declarado. Aun así, ofrecen a los directivos una referencia para evaluar por qué algunos proyectos no superan las fases iniciales o generan más revisiones manuales de las previstas.
La inversión puede ensanchar la diferencia
La distancia podría crecer a medida que las organizaciones con mejores resultados refuercen sus capacidades. El 85% de los líderes en IA confiable prevé elevar más de un 10% su inversión en este ámbito durante 2026. Esos recursos pueden dirigirse a elementos menos visibles que un nuevo modelo, pero decisivos para su uso empresarial: controles, auditoría, supervisión, políticas y preparación de los datos.
Los resultados sectoriales muestran que la gobernanza ya forma parte de las decisiones operativas en actividades reguladas o intensivas en información. El 85% de los bancos clasificados como líderes ha establecido marcos de gobernanza, frente al 29% de los rezagados. En ciencias de la vida, el 23% de las compañías ha escalado la IA al conjunto de la organización, el porcentaje más alto entre los sectores analizados. En el sector público, el 41% de los líderes planea incrementar más de un 20% su inversión en IA confiable durante el próximo año.
Para las empresas que estudian ampliar sus despliegues, la consecuencia práctica es incorporar la gobernanza y los datos al cálculo económico desde el diseño del proyecto. Medir el retorno exige considerar el uso real de las recomendaciones, el volumen de correcciones manuales y la capacidad para reconstruir una decisión. Antes de conceder más autonomía a un sistema, disponer de responsables, registros auditables y datos trazables puede determinar si la IA llega a integrarse en la operación o permanece como una capa tecnológica infrautilizada.
