Cómo medir la adopción tecnológica de las empresas españolas: lo que revela el capital invertido

Decir que una empresa «ha adoptado» una tecnología puede referirse a situaciones muy distintas: comprar una licencia, probar una herramienta, usarla con regularidad o incorporarla a procesos que cambian la producción. La compra por sí sola no demuestra integración ni permite saber si la tecnología tiene un efecto apreciable en el negocio.

Esta distinción importa al interpretar los indicadores. Una cifra de capital tecnológico describe recursos asociados a ciertas categorías de activos, mientras que una medición del uso empresarial tendría que precisar qué organizaciones cuentan como usuarias y bajo qué definición. No son medidas intercambiables: inversión y utilización habitual responden a preguntas diferentes.

El análisis de CaixaBank Research publicado el 13 de febrero de 2020 estudia la relevancia económica del capital asociado a tecnologías nuevas en España y otros países avanzados. No ofrece una cifra directa de empresas españolas que usen inteligencia artificial. Su utilidad está en mostrar cómo aproximar la intensidad tecnológica cuando las estadísticas no cuantifican directamente esa tecnología concreta.

Para aproximar la presencia de tecnologías emergentes, el estudio utiliza cuatro categorías de capital de la base EU KLEMS: software y bases de datos, investigación y desarrollo, ordenadores y equipos de telecomunicaciones. Las combina y las relaciona con las horas trabajadas. El resultado se expresa como euros constantes de 2010 de capital tecnológico por hora trabajada.

La elección evita presentar una cifra de uso de IA que los datos empleados no ofrecen. En el planteamiento del artículo, la IA es demasiado reciente para disponer de una medida económica directa comparable; por eso, el capital seleccionado representa un conjunto más amplio de activos que puede contribuir a desarrollar o utilizar tecnologías digitales. Es un indicador indirecto, no una medición de algoritmos instalados, proyectos en producción ni resultados empresariales.

El denominador también cambia la lectura: capital por hora trabajada no equivale al gasto total de un país o sector. Permite comparar la intensidad relativa de capital tecnológico en relación con el trabajo, pero no informa por sí solo del número de compañías que invierten, del tamaño de cada inversión ni de su rentabilidad. Tampoco determina por sí solo el grado de utilización de los activos contabilizados.

Con los datos históricos que analiza, CaixaBank Research sitúa a España por debajo de Estados Unidos, Francia y Alemania en capital tecnológico por hora trabajada, aunque destaca que la medida creció con rapidez en España durante las dos décadas examinadas. La comparación describe una trayectoria pasada, no una garantía de convergencia: el artículo planteaba que España podría acercarse a Francia o Alemania en unos diez años si se mantenían las tendencias observadas.

La comparación sectorial para España abarca 31 ramas de industria y servicios; el estudio excluye agricultura y minería de ese desglose. Sus autores identifican diferencias entre sectores con niveles altos y medio-bajos de capital tecnológico, y relacionan los primeros con actividades clasificadas por Eurostat como de alta tecnología o intensivas en conocimiento. La media nacional oculta esa heterogeneidad: el indicador no implica que todas las actividades adopten tecnologías al mismo ritmo.

El texto también advierte que la clasificación de maquinaria puede ocultar componentes tecnológicos. Como ejemplo, señala que algunos robots industriales se contabilizan dentro de categorías generales de maquinaria, no necesariamente en las partidas usadas para construir su indicador. Por tanto, una comparación basada en categorías contables puede representar de forma incompleta tecnologías físicas cuya función digital no queda identificada por separado.

El análisis de CaixaBank Research observa capital tecnológico acumulado y lo relaciona con horas trabajadas; no mide directamente cuántas empresas han incorporado una tecnología a sus operaciones. Por eso, sus resultados no se deben presentar como una tasa de adopción empresarial. El tipo de dato delimita la conclusión: el indicador permite hablar de intensidad de capital, no de uso declarado por las compañías.

El estudio tampoco es una previsión de mercado. Su comparación se basa en categorías de capital y datos históricos, mientras que una proyección sobre una tecnología concreta puede referirse a un escenario futuro. Para poner dos cifras en contexto habría que comprobar que comparten período, población, definición tecnológica y unidad de medida; el artículo de 2020, por sí solo, no permite validar una previsión comercial.

Al leer una afirmación sobre adopción, conviene identificar qué cuenta: organizaciones, empleados, licencias, proyectos, gasto o capital acumulado. También importan el año de referencia, los sectores incluidos y si el dato distingue entre una prueba puntual y el uso habitual. Sin esa precisión, una cifra puede describir un fenómeno distinto del que parece medir.

El indicador de capital no permite deducir qué tecnología debería comprar una pyme concreta. Sí ayuda a entender una cuestión estructural: la capacidad tecnológica de una economía depende de inversión en activos complementarios, como software, datos, equipos e I+D, y esa capacidad no se distribuye uniformemente entre sectores. La decisión empresarial debe partir del proceso que se quiere mejorar, no de una lista de tendencias.

Una investigación de 2025 de la Universitat de València basada en 30 entrevistas a empresas de la Comunitat Valenciana que utilizan IA examina cómo pasan de la intención a la práctica y qué fricciones organizativas aparecen. Por su método y ámbito, aporta experiencias cualitativas, no una estimación de la proporción de empresas españolas que adopta IA. La integración organizativa y la presencia de capital son cuestiones diferentes.

Para decidir si probar una solución, una pyme puede plantearse preguntas concretas: ¿qué tarea cambia?, ¿qué datos requiere?, ¿con qué sistema existente debe conectarse?, ¿quién se responsabiliza de su uso y mantenimiento? Una prueba acotada puede aportar información práctica sobre compatibilidad y costes. No demuestra, por sí misma, que la solución vaya a integrarse a mayor escala ni que sus resultados se repitan en otras empresas.

El trabajo de CaixaBank Research utiliza EU KLEMS y compara categorías de capital con datos históricos. Sus resultados describen diferencias en intensidad de capital y tendencias del período estudiado, pero no miden directamente la adopción de IA. Para valorar el impacto de una inversión sobre la productividad haría falta relacionar ambas variables con un método adecuado, algo distinto de observar la evolución del capital por hora trabajada.

También hay límites de cobertura: el desglose sectorial citado incluye industria y servicios, no agricultura ni minería, y la clasificación contable no identifica siempre los activos tecnológicos con precisión. El indicador agregado puede variar por composición sectorial y por la forma en que se registra el capital. Además, el dato por hora trabajada no equivale a una medición directa del uso empresarial de una tecnología.

La conclusión útil es acotada: el análisis documenta que el capital asociado a tecnologías digitales ganó relevancia en España en el período observado y que su peso difiere entre países y sectores. Para hablar de adopción empresarial actual hacen falta datos de uso con una fecha de referencia clara. Capital, uso habitual y resultados son niveles distintos; distinguirlos evita convertir inversión o expectativa en una afirmación sobre implantación generalizada.