La IA empresarial ya se usa, pero su integración y sus resultados siguen siendo desiguales

La inteligencia artificial ocupa un lugar creciente en las agendas de inversión empresarial, pero eso no demuestra por sí solo que haya cambiado la forma de trabajar. Acceso, uso frecuente e integración en procesos son etapas distintas: facilitar herramientas a la plantilla no es lo mismo que incorporarlas a las operaciones y a la toma de decisiones.

El estudio global State of AI in the Enterprise 2026 de Deloitte, basado en más de 3.200 responsables empresariales y tecnológicos de 24 países, refleja esa diferencia: alrededor del 60 % de los trabajadores dispone de soluciones de IA aprobadas por su organización, pero menos de seis de cada diez empleados con acceso las usan a diario. Además, solo una de cada cuatro organizaciones ha llevado a producción al menos el 40 % de sus iniciativas de IA. La disponibilidad de herramientas no equivale a su uso sostenido ni a su despliegue en producción.

Cada porcentaje debe leerse según su definición y población. “Usar IA” puede referirse a prácticas diferentes, mientras que una previsión de gasto expresa una intención futura, no una inversión ejecutada. Por eso, las tasas de adopción y los resultados de encuestas empresariales no deben tratarse como medidas directas de productividad para toda la economía. El acceso, la inversión y el impacto son indicadores distintos.

En la presentación española del estudio, Deloitte indica que el 85 % de las empresas encuestadas prevé aumentar la inversión en IA durante el siguiente ejercicio fiscal; cerca de un tercio anticipa incrementos superiores al 20 %. El informe también recoge que el 68 % identifica la eficiencia y la productividad como el principal beneficio obtenido. La primera cifra expresa una expectativa de gasto; la segunda, un beneficio declarado, no una medición de productividad agregada de las empresas españolas.

El resultado de Deloitte corresponde a su encuesta empresarial, no a un recuento de todas las compañías del país. Otras mediciones pueden aplicar definiciones y muestras diferentes, por lo que sus tasas de adopción no son necesariamente comparables de forma directa. CaixaBank Research describe la adopción de IA en la empresa española como rápida, pero todavía limitada y heterogénea. La lectura conjunta es de avance con diferencias entre empresas, no de una transformación uniforme.

Para una dirección empresarial, la cifra nacional no sustituye el diagnóstico interno. Es más útil establecer si la organización ofrece acceso, si la plantilla utiliza las herramientas con regularidad y si estas se han incorporado a procesos concretos. La madurez se aprecia en el trabajo que efectivamente se realiza con IA, no solo en las licencias o el presupuesto anunciado.

Deloitte informa de que solo una de cada cuatro organizaciones ha llevado a producción al menos el 40 % de sus iniciativas de IA. La cifra describe el avance de proyectos en la muestra global: no significa que las demás organizaciones no tengan ningún sistema en producción. Sí muestra que el paso desde probar una solución hasta desplegarla de forma operativa sigue siendo un reto para muchas de las organizaciones estudiadas. Un piloto y un sistema en producción no son la misma etapa.

El informe también señala que el 84 % de las organizaciones no ha rediseñado puestos de trabajo ni flujos operativos para integrar la IA. Ese dato ayuda a situar la brecha entre disponer de herramientas y modificar la actividad empresarial: cuando la incorporación se limita a añadir tecnología sobre los procesos existentes, la integración organizativa sigue pendiente. El rediseño del trabajo aparece como una asignatura relevante, junto con la adopción tecnológica.

El Banco Interamericano de Desarrollo ofrece un contraste regional, no una estimación aplicable a España o Europa: en América Latina y el Caribe, su análisis distingue el uso de herramientas de la obtención declarada de réditos económicos y de su integración en las operaciones centrales. La comparación sirve para separar conceptos, no para equiparar resultados entre regiones. La difusión de una tecnología y la captura de valor deben evaluarse por separado.

La integración empresarial también plantea cuestiones de capacidades y gestión. Deloitte recoge que, en España, el 59 % de las organizaciones está formando a su plantilla general para mejorar su conocimiento práctico de IA y el 54 % ha iniciado acciones de recualificación. Estas cifras describen medidas declaradas por las organizaciones encuestadas; no indican por sí solas el alcance o los resultados de cada programa. La formación figura entre las respuestas empresariales al despliegue de IA.

El mismo informe señala que el 70 % de las organizaciones españolas encuestadas expresa una preocupación alta o muy alta por el uso de sus datos propietarios, y que el 49 % identifica la regulación y la gobernanza como una de las principales barreras para adoptar IA generativa. Son porcentajes de percepción recogidos en la encuesta, no una medida de incidentes ni una clasificación de riesgos. La gestión de los datos y la gobernanza forman parte del debate sobre la adopción.

En una decisión concreta, estos asuntos se traducen en preguntas sobre el uso y la supervisión de las herramientas: qué información interviene, quién tiene responsabilidad sobre el proceso y cómo se controla su utilización. La necesidad de responderlas dependerá del uso empresarial y de los datos involucrados. Un análisis por caso evita tratar todas las aplicaciones como si tuvieran las mismas exigencias.

Antes de desplegar una solución, la empresa puede fijar una línea de base para el proceso que quiere modificar. Según el objetivo, puede observar el tiempo por tarea, el volumen atendido, los errores o el plazo de respuesta. Después, debe comparar el mismo indicador y considerar los costes de integración, licencias, formación y operación que correspondan. Sin una medida previa, resulta difícil atribuir el cambio a la iniciativa.

También conviene separar una mejora operativa de un resultado financiero. Una tarea más rápida puede ser un resultado relevante, pero su valor económico depende de cómo afecte al trabajo y a los costes de la empresa. El retorno no se deduce de una previsión de inversión ni de la percepción general de que la IA mejora la productividad. La métrica debe corresponder al propósito concreto del proyecto.

Para decidir si continuar o ampliar un piloto, la dirección puede identificar quién responde por el proceso, qué resultado espera y con qué criterio evaluará el avance. Las cifras de Deloitte sobre iniciativas en producción muestran por qué merece la pena distinguir entre experimentación y despliegue. La decisión de escalar necesita información sobre el caso específico, en vez de basarse únicamente en el interés general por la tecnología.

Las diferencias entre organizaciones no se explican únicamente por el presupuesto: la incorporación de IA también implica cambios en los procesos, en la formación y en la gobernanza, aspectos que aparecen en el análisis de Deloitte. Sin embargo, los datos citados no permiten atribuir resultados a un factor único ni concluir que el tamaño de una empresa determine su capacidad para obtener beneficios. Conviene evitar explicaciones universales a partir de una encuesta.

Antes de ampliar una iniciativa, una dirección puede comprobar cuatro cuestiones:

• Proceso: qué actividad pretende modificar.
• Indicador: qué resultado observará y cuál es su punto de partida.
• Responsabilidad: quién seguirá el despliegue y sus resultados.
• Costes: qué recursos requiere, además de la herramienta.

Estas preguntas no garantizan un retorno: ayudan a concretar qué se está evaluando y a distinguir una prueba de una aplicación operativa.

En 2026, las cifras de Deloitte y CaixaBank Research describen un panorama de inversión activa y adopción desigual, no una medida definitiva del efecto de la IA sobre la productividad de toda la economía española. Para cada empresa, la decisión útil es observar si una aplicación concreta se incorpora al proceso previsto y qué resultado muestra. La evidencia de uso e integración es más informativa que una expectativa presupuestaria, aunque el impacto económico deba medirse por separado.