IA en las empresas: por qué el 88% la usa pero solo el 6% gana dinero

Cualquiera que haya intentado pedirle a una máquina que redacte un contrato, sintetice un informe financiero de cien páginas o programe una rutina en Python habrá sentido esa extraña chispa: la certeza inmediata de estar presenciando un salto de época. Esa fue la fase del asombro, el tramo donde las métricas de registro reventaron los contadores globales. En junio de 2026, ChatGPT alcanzó la marca histórica de los 1.000 millones de usuarios activos mensuales, según datos de Sensor Tower divulgados por Reuters. Sin embargo, cuando la polvareda de las demos espectaculares comienza a asentarse sobre la moqueta de los consejos de administración, la pregunta del millón ya no es qué puede hacer la máquina, sino cuánto dinero está dejando realmente en la caja al final del trimestre.

El fenómeno atraviesa hoy una transición delicada. Ha dejado de ser una curiosidad fascinante para convertirse en algo mucho más prosaico y exigente: infraestructura básica. Los datos compilados por Stanford HAI y Resourcera dibujan una industria que ha sobrepasado los 514.000 millones de dólares de valoración global, impulsada por un despliegue de capital sin precedentes. La consultora Gartner calcula que el gasto mundial en inteligencia artificial rozará los 2,59 billones de dólares en 2026, un incremento del 47% respecto al ejercicio anterior. La masa monetaria que fluye hacia los centros de datos, los procesadores especializados y los desarrollos de software es gigantesca, pero el retorno de esa inversión está mostrando una geografía profundamente irregular.

La rendija de los beneficios: el 88% la usa, el 6% la monetiza

Existe una distancia preocupante entre la adopción técnica y la rentabilidad tangencial. Quien busque una explicación lineal sobre la integración de la IA en el mundo corporativo chocará de frente con la última encuesta global de McKinsey. El estudio revela una paradoja incómoda: aunque el 88% de las organizaciones reconoce utilizar inteligencia artificial en al menos un departamento, solo un exiguo 6% de las empresas es capaz de atribuir mejoras superiores al 5% en su resultado operativo antes de intereses e impuestos (EBIT) a estas tecnologías.

Esta desconexión indica que la mayoría de las organizaciones está aplicando la IA como un parche superficial —un acelerador para redactar correos o resumir actas de reunión— en lugar de utilizarla para reestructurar procesos de negocio complejos. Se genera así una especie de productividad atomizada que beneficia al trabajador en su rutina individual, pero que se diluye por completo antes de llegar a la cuenta de pérdidas y ganancias.

«La adopción global de IA siguió en aumento. En junio, el uso de IA representaba el 18,8% de la población en edad laboral mundial, con un crecimiento generalizado en casi todas las economías», señala Juan Lavista Ferres, científico de datos en jefe en Microsoft.

El diagnóstico de Lavista Ferres confirma que el hábito de consumo se ha consolidado entre la fuerza laboral global a una velocidad inédita. Pero la velocidad a la que los empleados incorporan estas herramientas en sus pantallas difiere radicalmente de la capacidad directiva para reorganizar las empresas en torno a ellas.

El caso español: autopistas de fibra con camiones a pedales

El panorama en España ofrece una radiografía perfecta de esta disonancia. La infraestructura tecnológica del país no es el problema; al contrario, es un privilegio. Con una cobertura de redes de alta capacidad que alcanza al 95% de la población —según informes cruzados de AmChamSpain y el Banco de España—, la conectividad no supone ningún cuello de botella. El atasco se produce varios pisos más arriba, en la capa estratégica.

Los datos oficiales reflejan un salto cuantitativo notable. El Instituto Nacional de Estadística (INE) registró que el 21,1% de las empresas españolas de 10 o más empleados utilizaba herramientas de inteligencia artificial en 2025, prácticamente el doble que el 12,4% contabilizado el año anterior. No obstante, al rascar bajo la superficie cuantitativa, la calidad de esa adopción deja sombras importantes. El mismo análisis del Banco de España y AmChamSpain advierte de que el 60% de esas compañías que afirman utilizar IA continúan atascadas en la fase de pruebas piloto, incapaces de escalar los experimentos a sus líneas de producción principales.

En el foro Global Trends, la perspectiva se volvió aún más cruda: apenas el 6% de los negocios en España ha logrado integrar la inteligencia artificial de manera estructural en sus procesos operativos centrales. El resto juega en los márgenes, probando herramientas de generación de texto o asistentes virtuales que raras veces alteran la ventaja competitiva de la firma.

«España no falla en la infraestructura que sostiene la inteligencia artificial, falla en la traducción de esa capacidad en decisiones empresariales medibles», argumenta Lino Cattaruzzi, Director General de Google Iberia.

Esta carencia de traducción práctica se vuelve sangrienta al examinar el tejido pyme. El Barómetro IndesIA confirma que la inteligencia artificial generativa únicamente ha permeado de forma efectiva en el 4,1% de las pequeñas y medianas empresas industriales del país. Es cierto que aquellas poquísimas pymes que han superado la barrera de entrada reportan ganancias notables en eficiencia y mantenimiento predictivo, pero el porcentaje total sigue siendo marginal en un ecosistema dominado por empresas de escasa dimensión y escasa cultura de gobierno de datos.

La rebelión del escritorio y el fenómeno del 'Shadow AI'

Mientras la alta dirección diseña comités de gobernanza que tardan meses en redactar directivas internas, los trabajadores han tomado la iniciativa por su cuenta. Una encuesta reciente de Gallup en Estados Unidos muestra que el 52% de los empleados utiliza inteligencia artificial de manera habitual en su puesto de trabajo en 2026. En buena parte de los casos, este uso ocurre fuera del radar formal de los departamentos de sistemas, configurando un escenario de Shadow AI (IA en la sombra) donde el personal utiliza cuentas personales para resolver problemas cotidianos.

Este impulso 'bottom-up' (de abajo hacia arriba) ha creado una brecha de control insólita. Microsoft y McKinsey advertían en un documento conjunto sobre un fenómeno latente: la adopción funcional de la IA avanza a un ritmo sensiblemente más rápido que la capacidad técnica de las organizaciones para medir su impacto real en la cuenta de resultados. Los empleados ahorran tiempo, sí, pero las organizaciones no han decidido qué hacer con ese tiempo liberado. Si un analista tarda dos horas menos en elaborar un informe, pero la empresa no redirige esas dos horas hacia tareas de alto valor añadido o hacia la reducción de costes estructurales, la ganancia de productividad se evapora en el aire.

Del truco de magia a la reingeniería de procesos

¿Por qué resulta tan complejo pasar del prototipo al margen de beneficio? La respuesta está en la naturaleza misma de las organizaciones. Implementar inteligencia artificial generativa no consiste en instalar un nuevo software de gestión o cambiar el proveedor de correo electrónico. Exige, fundamentalmente, limpiar bases de datos fragmentadas, romper los silos departamentales y, sobre todo, redefinir cómo se toma una decisión.

Las empresas que han logrado colocarse en ese codiciado 6% con impacto financiero real comparten ciertas dinámicas que poco tienen que ver con la fascinación tecnológica:

• Gobierno de datos unificado: Han dedicado meses previos a ordenar, etiquetar y estructurar sus datos internos. Sin datos limpios, los modelos generativos solo producen alucinaciones verosímiles.
• Rediseño de flujos de trabajo completos: No usan la IA para que un operario redacte más rápido un informe de avería, sino para que la señal del sensor active el modelo, genere la orden de compra del repuesto y reorganice el turno de la plantilla de manera automática.
• Capacitación centrada en el contexto: Superan la formación genérica sobre cómo escribir 'prompts' y entrenan a sus equipos en el juicio crítico sobre los resultados producidos por la máquina.

El cuello de botella, por lo tanto, no radica en la potencia de los modelos —que sigue creciendo a ritmo exponencial gracias a las inversiones billonarias del sector tecnológico—, sino en la capacidad de absorción del tejido productivo. La tecnología ha corrido mucho más rápido que la pedagogía organizativa.

La calma tras la fiebre del oro sintético

El mercado ha comenzado a penalizar la simple narrativa de la 'innovación por la innovación'. La era en la que el mero anuncio de un proyecto piloto de IA hacía subir la cotización de una empresa en bolsa ha tocado a su fin. Los inversores y los directores financieros exigen métricas duras: reducción demostrable del coste de adquisición de cliente, disminución de los tiempos de paro en las fábricas o incrementos medibles en las ventas cruzadas.

El despliegue tecnológico continuará su marcha imparable; las cifras de gasto global previstas por Gartner no dejan lugar a dudas. Sin embargo, la brecha entre quienes usan la tecnología como un adorno digital y quienes la han integrado en las tripas de sus procesos estratégicos continuará ensanchándose. La inteligencia artificial está dejando de ser una promesa deslumbrante para convertirse en una disciplina operativa severa, donde la ventaja no la da el algoritmo más brillante, sino la organización más capaz de cambiar su forma de trabajar.