La inteligencia artificial en España ha dejado de ser principalmente un terreno de experimentación. El 60,5% de las empresas ya la integra en su estrategia y el 79% prevé aumentar su presupuesto durante el próximo año, según la segunda edición del Data and AI Impact Report: The New Economics of Trust , publicado por SAS a partir de una investigación de IDC. El crecimiento de la inversión, sin embargo, convive con una dificultad cada vez más visible: trasladar la adopción tecnológica a resultados financieros sostenibles.
La situación española forma parte de un fenómeno más amplio. La última encuesta global de McKinsey muestra que ocho de cada diez profesionales consideran que la IA ha mejorado su productividad individual, mientras que únicamente el 37% de las organizaciones atribuye a esta tecnología alguna contribución positiva a su EBIT. La proporción prácticamente no ha cambiado respecto al año anterior pese al aumento de los despliegues empresariales.
El desfase señala uno de los problemas que empiezan a dominar la siguiente fase de adopción: utilizar herramientas de IA en tareas concretas resulta mucho más sencillo que reorganizar procesos completos, conectar sistemas, preparar los datos y establecer mecanismos de supervisión capaces de funcionar a escala.
El Banco Central Europeo observa una dinámica similar desde una perspectiva macroeconómica. El uso de IA crece con rapidez entre trabajadores y empresas de la zona euro, 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 adopción avanza más rápido que el retorno
Los datos españoles del estudio de SAS e IDC reflejan esa distancia entre despliegue y resultados. Aunque el 60,5% de las compañías incorpora ya la IA a su estrategia, únicamente el 17,3% declara obtener un retorno de inversión elevado.
El índice de impacto de la IA elaborado para España también ha retrocedido, desde los 61 puntos del año anterior hasta 53,1. Más que una reducción del interés empresarial por la tecnología, el dato coincide con una etapa en la que las compañías empiezan a someter sus proyectos a exigencias operativas y económicas mayores.
La dificultad para pasar de las pruebas a sistemas plenamente integrados tampoco es exclusiva del mercado español. Una investigación de IDC encargada por Lenovo concluyó anteriormente que el 88% de las pruebas de concepto de IA no alcanzaba un despliegue a gran escala. El indicador mide el paso desde el piloto hasta producción, no el porcentaje de proyectos que obtiene pérdidas ni la capacidad técnica de los modelos.
McKinsey identifica el rediseño de los flujos de trabajo como una de las diferencias entre las organizaciones que consiguen generar valor y las que concentran la IA en mejoras aisladas. Automatizar una parte de un proceso puede ahorrar tiempo al empleado sin modificar de forma significativa los costes, los ingresos o la capacidad productiva de toda la organización.
Para las empresas, el cambio implica trasladar la discusión desde cuántas herramientas de IA utilizan hacia qué procesos han cambiado realmente, qué resultado económico persiguen y cómo se mide.
La explicabilidad se convierte en un problema operativo
La confianza aparece como otra de las barreras. 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, según los datos del informe de SAS e IDC.
Esta limitación adquiere mayor importancia a medida que las herramientas dejan de generar únicamente textos o análisis y comienzan a intervenir en decisiones empresariales. Una recomendación puede resultar técnicamente correcta, pero perder utilidad si el profesional responsable no dispone de información suficiente para justificarla, revisarla o reconstruir posteriormente el proceso.
El estudio global en el que se encuadran los datos españoles detecta precisamente una relación entre estas prácticas y los resultados económicos. Las organizaciones con niveles más altos de gobernanza, calidad del dato y capacidad de auditoría tienen 15 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 empresas rezagadas en estas prácticas.
La diferencia no implica que incorporar mecanismos de gobernanza multiplique automáticamente por quince el rendimiento económico de un proyecto. El indicador expresa una asociación entre organizaciones con prácticas de IA confiable más desarrolladas y la probabilidad de que comuniquen un ROI elevado.
Los datos siguen siendo una pieza pendiente
La infraestructura de información constituye otro límite para escalar la IA. En España, el 43,2% de las compañías gestiona todavía la calidad del dato de manera aislada, dentro de equipos o departamentos concretos, mientras que apenas el 18,5% la establece como requisito obligatorio para todos sus proyectos, de acuerdo con el estudio.
La fragmentación complica tareas que adquieren especial importancia con la automatización: determinar qué información ha utilizado un modelo, quién puede acceder a ella, comprobar su calidad, rastrear modificaciones o reproducir una decisión cuando aparece un error.
El problema crece con los sistemas de IA agéntica, capaces de ejecutar acciones con mayor autonomía. El estudio internacional de SAS e IDC, realizado entre cerca de 2.700 responsables de decisión de 28 países, muestra que la confianza declarada disminuye a medida que aumenta esa autonomía: pasa del 76% para la IA generativa al 66% en el caso de los agentes.
España afronta esta etapa, además, dentro del marco regulatorio europeo. El desarrollo de sistemas más autónomos amplía la necesidad de documentar modelos, supervisar decisiones y mantener controles sobre los datos, especialmente en usos empresariales con consecuencias para clientes, empleados o procesos regulados.
Jorge Zafra, director de marketing de SAS Iberia, interpreta el descenso del índice español como una fase de ajuste: «El mercado español ha hecho un trabajo excelente en gobernanza y regulación, pero nos encontramos en un momento de transición crítico donde es imperativo trasladar las políticas teóricas a la operación diaria. La bajada en el índice de impacto debe interpretarse como una pausa saludable que permite a las compañías ajustar sus cimientos de datos y asegurar que los proyectos sean confiables a largo plazo».
El interés inversor, entretanto, continúa. El 79% de las empresas españolas consultadas prevé incrementar su presupuesto de inteligencia artificial durante el próximo año. La siguiente fase estará condicionada por la capacidad de convertir ese gasto en sistemas incorporados a procesos reales, con datos controlados, resultados medibles y mecanismos que permitan explicar y auditar las decisiones.
Con más proyectos llegando a producción y las direcciones financieras elevando las exigencias sobre 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.
