Con el 30% de las tareas empresariales ya apoyadas por inteligencia artificial, frente al 25% registrado un año antes, la adopción de esta tecnología ha empezado a desplazarse desde los pilotos hacia una fase más operativa. El estudio The Value of AI 2026 , elaborado por SAP y Oxford Economics, anticipa que esa proporción llegará al 48% en los próximos dos años, un umbral que convierte la IA en una capacidad estructural para muchas organizaciones, aunque todavía condicionada por carencias en datos, talento y gobernanza.
A partir de una encuesta a 2.600 directivos de 13 países realizada entre marzo y mayo de 2026, el informe describe un mercado corporativo que ya no discute tanto la conveniencia de adoptar IA como la forma de escalarla sin perder control sobre procesos críticos. La presión procede de varios frentes a la vez: la automatización inteligente gana madurez, la IA generativa se consolida en áreas de productividad y análisis, y la IA agéntica empieza a ocupar espacio en las agendas directivas por su capacidad para ejecutar tareas con mayor autonomía.
En automatización inteligente, el 63% de las organizaciones afirma encontrarse en fases de liderazgo o escalado. La IA generativa alcanza el 54% en esas mismas etapas, lo que confirma su avance más allá de los primeros ensayos, aunque con niveles de integración todavía desiguales. La IA agéntica, en cambio, permanece en una zona intermedia: un 24% de empresas dice estar liderando o escalando iniciativas, mientras un 36% continúa experimentando.
Tras ese avance aparece una brecha relevante entre expectativa y preparación. El 83% de las organizaciones considera que la IA agéntica tendrá un impacto moderado o muy elevado en la transformación de su negocio, y el 64% ya ha desarrollado proyectos piloto. Pese a ello, solo el 3% se declara plenamente preparado para desplegar y escalar agentes de IA. La tecnología gana prioridad antes de que la mayoría de las compañías haya resuelto su encaje operativo.
La inteligencia artificial escala, pero muchas empresas siguen proyecto a proyecto
Aunque el discurso corporativo sobre IA se ha vuelto más estratégico, la ejecución sigue marcada por iniciativas aisladas. El 41% de las compañías prioriza inversiones caso por caso y únicamente el 17% aplica un enfoque transversal alineado con los objetivos corporativos. Esta última proporción casi duplica el nivel del año anterior, pero el peso de los despliegues puntuales continúa dominando la adopción.
En la práctica, esa fragmentación limita la captura de valor. Solo el 18% de las empresas tiene actualmente más despliegues transversales de IA que capacidades de uso individual. La previsión recogida por SAP y Oxford Economics apunta a un aumento hasta el 42% en dos años, una evolución que implicaría pasar de herramientas específicas a flujos integrados en áreas como operaciones, finanzas, recursos humanos, compras, ventas o desarrollo de producto.
La agenda directiva muestra una situación similar. El 73% de las organizaciones dispone ya de una estrategia de IA alineada con los objetivos de negocio y el 65% cuenta con presupuesto específico para financiar estas iniciativas. Sin embargo, menos de la mitad ha designado un responsable de IA, solo el 41% ofrece formación específica a sus directivos sobre capacidades y riesgos, y apenas el 33% incorpora indicadores de adopción de IA entre los objetivos del liderazgo.
Sean Kask, Chief AI Strategy Officer de SAP, sitúa el problema en la convivencia de dos velocidades: «Organizations pursuing AI strategies at enterprise scale face two challenges at once: risk that moves faster than most governance frameworks can keep up with, and value that is harder to measure than expected». La cita introduce un matiz importante para las empresas que ya han superado la fase experimental: escalar IA exige medir valor, pero también contener riesgos que se desplazan con rapidez.
El retorno mejora, aunque medir valor ya no depende solo del ahorro
Con una inversión media global de 28 millones de dólares por compañía este año, frente a los 26,7 millones del ejercicio anterior, la IA ha pasado a ocupar una partida presupuestaria significativa. El informe incluye en ese cálculo tecnología, talento y costes relacionados, una definición que amplía el perímetro habitual de gasto y ayuda a entender por qué las decisiones de IA afectan cada vez más a finanzas, recursos humanos, tecnología y cumplimiento.
Las previsiones apuntan a un incremento adicional del 45% en la inversión durante los próximos dos años. En paralelo, las empresas esperan obtener este año un ROI medio de 6,3 millones de dólares, equivalente al 21%, frente a los 4,7 millones y el 16% registrados el año anterior. A dos años vista, el retorno previsto asciende a 15,9 millones de dólares, con una rentabilidad estimada del 38%.
Donde el cambio resulta más pronunciado es en la IA agéntica. Las expectativas de retorno asociadas a esta tecnología han pasado del 10% al 17% en un año. En términos absolutos, SAP y Oxford Economics calculan que el ROI potencial de la IA agéntica podría alcanzar 17,6 millones de dólares en dos años para una empresa media global, más de cuatro veces la estimación recogida en la edición anterior del estudio.
La satisfacción con los resultados actuales convive con dudas sobre el potencial no capturado. El 69% de los encuestados se declara satisfecho con el ROI de sus iniciativas de IA, pero el 67% no está convencido de que su implementación esté entregando todo lo que podría. Además, solo el 22% discrepa de la idea de que el retorno de la IA se mida cada vez más por el valor creado y no únicamente por el ahorro de costes.
En los beneficios observados, la mayor mejora aparece en conocimiento y toma de decisiones, con un 42% de empresas que declara avances significativos. La relación con clientes y potenciales clientes también destaca, con un 33%. En cambio, la productividad registra un 29% de mejoras significativas y la eficiencia de costes se queda en el 27%, un reparto que desplaza la lectura de la IA desde la reducción de gastos hacia la capacidad de generar información útil, acelerar decisiones y mejorar interacciones comerciales.
Datos, talento y gobernanza frenan el valor de la inteligencia artificial
Entre los obstáculos para obtener más valor, la calidad y disponibilidad de los datos ocupa la primera posición. El 73% de las organizaciones identifica este factor como una barrera, cuatro puntos más que el año anterior. Al mismo tiempo, el 76% considera que la disponibilidad y calidad de los datos es muy importante o crítica para decidir sobre IA, mientras solo el 62% afirma estar preparada en este ámbito, frente al 64% registrado un año antes.
Por áreas funcionales, la preparación para IA muestra diferencias acusadas. Operaciones alcanza el 67%, ventas, marketing y atención al cliente se sitúan en el 60%, y desarrollo de producto llega al 59%. La cifra cae al 36% en finanzas, al 37% en recursos humanos y al 25% en legal y riesgos, precisamente áreas donde los errores, sesgos o usos inadecuados pueden tener implicaciones económicas, laborales o regulatorias más sensibles.
Los efectos de una base de datos deficiente ya se perciben en la operativa diaria. El 79% de las empresas experimenta resultados de baja calidad al menos ocasionalmente, con consecuencias como retrabajo, retrasos o acumulación de tareas. El 82% afirma haber tenido que adaptar el trabajo cotidiano de forma moderada, significativa o extensa por esos resultados.
Junto a los datos, la falta de habilidades o experiencia en IA aparece como barrera para el 57% de las organizaciones. A la vez, el 78% no está convencido de que los programas corporativos de capacitación avancen al ritmo de las herramientas, y otro 78% duda de que el alcance de los puestos esté cambiando con la rapidez necesaria para aprovechar flujos de trabajo habilitados por IA.
En materia laboral, las preocupaciones principales no se limitan a la automatización de tareas. El informe sitúa entre los riesgos más relevantes la alfabetización desigual en IA, el debilitamiento del juicio crítico y de la toma de decisiones, la distribución irregular de capacidades y la pérdida de aprendizaje en el puesto. El 79% de los encuestados sostiene que maximizar el valor de la IA exige transformar la fuerza laboral más allá de la formación técnica.
La IA agéntica eleva la exigencia de control operativo
A medida que las herramientas se incorporan al trabajo diario, el uso no autorizado de IA por parte de empleados introduce un riesgo adicional. El informe recoge la utilización de soluciones de terceros sin aprobación formal ni supervisión, una práctica que ya ha provocado resultados inconsistentes o inexactos en el 54% de las empresas. El 48% menciona fugas de datos o exposición de propiedad intelectual, el 38% vulnerabilidades de seguridad y el 34% incumplimientos normativos.
Con los agentes de IA, la dificultad aumenta por la autonomía de los sistemas y por su integración con procesos empresariales. Todas las organizaciones que experimentan o utilizan IA agéntica han encontrado al menos un problema de adopción. El 62% cita esfuerzos de integración superiores a lo previsto, el 50% detecta más problemas de fiabilidad o calidad al escalar, el 49% señala dificultades para reproducir o depurar comportamientos y el 44% reconoce acciones incorrectas ejecutadas por agentes.
La infraestructura de gobierno aún presenta huecos importantes. El 62% dispone de procesos «human-in-the-loop» para agentes, pero el 38% carece de ellos. Solo el 44% cuenta con un registro de agentes, el 50% mantiene logs de auditoría sobre sus decisiones y apenas el 32% aplica controles de coste o uso. Además, únicamente el 12% de las empresas afirma que sus habilidades o procesos están plenamente preparados para gobernar la IA de forma efectiva.
Para las compañías españolas que operan en sectores regulados, industriales o intensivos en datos, la lectura empresarial va más allá de la selección de modelos o proveedores. La próxima fase dependerá de conectar IA con procesos reales, datos fiables, responsabilidades claras y mecanismos de supervisión que permitan escalar sin duplicar agentes, exponer información crítica o trasladar decisiones automatizadas a zonas sin control suficiente. La autonomía operativa empieza a depender tanto de la arquitectura empresarial como de la capacidad técnica de los algoritmos.
