Casi siete de cada diez pymes permanecen en fases experimentales u oportunistas de adopción de la inteligencia artificial, una situación que limita su capacidad para convertir proyectos aislados en resultados empresariales medibles. El dato procede de un estudio global de IDC encargado por SAS y refleja una brecha entre el interés que despierta esta tecnología y la preparación organizativa necesaria para extenderla al conjunto del negocio.
La investigación se basa en una encuesta a más de 1.600 responsables de pequeñas y medianas empresas de 28 países. Sus conclusiones indican que la adopción de IA en pymes ha avanzado principalmente a través de pruebas, herramientas concretas y oportunidades puntuales, mientras que su incorporación a una estrategia transversal continúa siendo minoritaria.
Esta diferencia resulta relevante porque experimentar con una aplicación exige menos coordinación que utilizar la IA de manera sostenida en varios procesos. El segundo escenario requiere conectar datos y herramientas, definir responsabilidades, contar con personal cualificado y establecer criterios que permitan comprobar si la inversión mejora costes, ingresos, productividad u otros indicadores del negocio.
De las pruebas aisladas a una capacidad empresarial
IDC denomina «brecha entre la preparación y la realidad» a la distancia entre la intención de adoptar IA y la capacidad efectiva de obtener resultados. En las etapas iniciales descritas por el estudio, las empresas pueden desarrollar iniciativas útiles, pero estas funcionan de forma independiente y todavía no se integran en una arquitectura tecnológica ni en una estrategia común.
La fragmentación de datos y herramientas aparece entre los principales obstáculos para avanzar. Si la información está dispersa entre sistemas, equipos o aplicaciones, una pyme tiene más dificultades para utilizarla de forma consistente, controlar su calidad y alimentar casos de uso que puedan ampliarse. La proliferación de proyectos desconectados también complica su mantenimiento y la comparación de resultados.
A esa fragmentación se añaden la escasez de profesionales con los conocimientos adecuados y una preparación organizativa insuficiente. El problema trasciende la elección de una herramienta: escalar la IA obliga a coordinar decisiones tecnológicas, procesos internos y recursos humanos, además de fijar mecanismos de gobernanza para determinar cómo se utilizan los datos y quién responde de cada iniciativa.
Daniel-Zoe Jiménez, vicepresidente de Investigación de IDC, resume esa exigencia organizativa: «Para que su estrategia de IA funcione de verdad, las PYMES deben alinear de verdad sus datos, su personal y sus recursos. Experimentar con la tecnología es fácil, usarla de forma estratégica y sostenible es mucho más complicado.»
La medición del retorno condiciona el escalado
El informe también identifica la falta de métodos claros para medir el retorno de la inversión como una barrera. Sin métricas compartidas, una empresa puede comprobar que una prueba técnica funciona, pero tendrá más dificultades para decidir si merece recursos adicionales, si debe extenderse a otras áreas o si resuelve una prioridad relevante para el negocio.
Esta limitación afecta especialmente a las pymes, que suelen disponer de menos recursos informáticos para mantener iniciativas paralelas o absorber proyectos que no alcancen los resultados previstos. El estudio sostiene que las organizaciones más expuestas a esos condicionantes necesitan plataformas de IA integradas y apoyo externo especializado, aunque la conveniencia de cada opción dependerá de su tamaño y grado de preparación.
Para ordenar ese diagnóstico, el estudio plantea un Índice de Preparación para la IA que analiza cuatro áreas: planificación, construcción, habilitación y ejecución. El modelo clasifica a las empresas en cuatro etapas de madurez, denominadas experimental, oportunista, estructurada e integrada, y pretende ofrecer una referencia para identificar qué capacidades faltan antes de ampliar el uso de la tecnología.
La clasificación permite diferenciar entre tener iniciativas de IA y disponer de una capacidad estable para gestionarlas. Una empresa estructurada o integrada, según el esquema propuesto, incorpora mayor coordinación que otra centrada en ensayos puntuales. El índice no aporta por sí mismo resultados financieros, pero puede ayudar a ordenar inversiones y evitar que la actividad experimental se confunda con una implantación consolidada.
Un diagnóstico para priorizar recursos
Junto al estudio, SAS ha presentado una Calculadora de preparación para la IA dirigida a pequeñas y medianas empresas. La herramienta permite evaluar el nivel actual de madurez, localizar carencias y recibir recomendaciones adaptadas al tamaño y la preparación declarada por cada organización.
Su utilidad potencial reside en convertir un concepto amplio como la madurez en una revisión de capacidades concretas. Para una pyme, ese ejercicio puede servir para decidir si debe priorizar la integración de datos, la capacitación de su plantilla, la gobernanza o el diseño de indicadores antes de adquirir nuevas soluciones o multiplicar los casos de uso.
Los resultados del estudio sitúan así el principal freno fuera de la mera disponibilidad de herramientas. El paso operativo consiste en vincular cada proyecto de IA con datos accesibles, responsables definidos, personal capacitado y una métrica de negocio desde su diseño. Sin esas condiciones, las pruebas pueden seguir creciendo en número sin convertirse en una estrategia escalable para la empresa.
