Usar IA no es lo mismo que sacarle partido. En una encuesta del Banco de España a 6.300 empresas (noviembre de 2024), el 19,9 % de las empresas encuestadas utilizaba alguna forma de IA, pero el 60 % de las usuarias solo la estaba probando o usando en proyectos piloto. Dicho claro: entre las empresas que dicen usar IA, buena parte todavía está en fase de pruebas.
Otras encuestas apuntan en la misma dirección. En una del NBER a casi 6.000 directivos de empresas de cuatro países, nueve de cada diez declaran que la IA no ha tenido impacto en el empleo ni en la productividad de su empresa en los últimos tres años. Para un gerente, la moraleja no es que la IA no sirva, sino que probarla no basta: hay que decidir qué resultado se medirá antes de empezar. Este artículo repasa lo que muestran las encuestas, con sus límites, y termina con una regla sencilla para tus propios pilotos.
¿Cuántas empresas usan IA de verdad y cuántas solo la prueban?
Según la Encuesta del Banco de España sobre la Actividad Empresarial (trabajo de campo del 11 al 25 de noviembre de 2024, unas 6.300 empresas), el 19,9 % de las empresas encuestadas utilizaba algún sistema de IA. El Banco de España añade que el 60 % de las usuarias solo la estaba probando o usando en proyectos piloto. Es decir, para la mayoría de las empresas usuarias de la encuesta, la IA seguía en fase de prueba.
La misma encuesta pregunta por los frenos, y el más citado es la falta de personal cualificado, que el 45,8 % de las empresas encuestadas considera relevante o muy relevante, por delante de los costes (40,8 %) y de la falta de datos (37,8 %). Los datos que citamos no explican por qué tantas empresas se quedan en la fase de pruebas, y la base de la pregunta sobre los obstáculos no es del todo clara (puede referirse a empresas que no usan ni prevén usar IA). Es una hipótesis razonable, no un dato, que la falta de personas que sepan sacarle partido influya: sin ellas, un piloto difícilmente pasa a uso diario. Lo detalla qué frena más el uso de IA.
¿Qué dicen los directivos de otros países?
El NBER (Yotzov, Barrero, Bloom y otros, 2026) encuestó a casi 6.000 directivos de empresas de EE. UU., Reino Unido, Alemania y Australia. Según ese estudio, el 69 % de las empresas usa IA de forma activa, pero nueve de cada diez directivos declaran que la IA no ha tenido impacto en el empleo ni en la productividad de su empresa en los últimos tres años. Eso sí, esperan que en los próximos tres años aumente la productividad de su empresa un 1,4 % de media.
No compares el 69 % con el 19,9 % del Banco de España: son poblaciones distintas (directivos de cuatro países frente a empresas españolas), definiciones distintas y años distintos. Lo útil es otra cosa. Aunque el uso activo sea habitual entre las empresas encuestadas, nueve de cada diez directivos no perciben todavía impacto. Puede deberse a que el uso es reciente, a que se usa en tareas pequeñas o a que no se está midiendo bien, pero los datos que citamos no permiten saber cuál de las tres.
¿Por qué algunas empresas ganan con la IA y otras no notan nada?
Un estudio del Banco de Pagos Internacionales (BIS, 2026) con datos emparejados de más de 12.000 empresas no financieras de la UE y de EE. UU. estima que adoptar IA aumenta el nivel de productividad laboral de la empresa un 4 %. Las ganancias son mayores en las empresas medianas y grandes, y dependen de inversiones complementarias en software, datos o formación de la plantilla. Las empresas pequeñas capturan menos ganancia.
Un factor central, según el estudio, son esas inversiones complementarias. Comprar una herramienta no basta: según el estudio, la ganancia depende de acompañarla con inversiones en software, en datos o en la formación de la plantilla. Es una explicación razonable de por qué dos empresas con la misma herramienta pueden tener resultados distintos, y de por qué la formación importa además de la tecnología. Si quieres ver un panorama más amplio de estimaciones de productividad, está en cuánto aumenta la productividad con IA.
| Fuente y población | Qué dice | Lo que no significa |
|---|---|---|
| Banco de España (2024), unas 6.300 empresas españolas | El 19,9 % usaba IA; el 60 % de las usuarias, solo en pruebas o pilotos | Que el 19,9 % sea el total de empresas españolas que usa IA |
| NBER (2026), casi 6.000 directivos de cuatro países | Nueve de cada diez no ven impacto aún; esperan un 1,4 % de media en tres años | Que la IA no aporte nada: son percepciones y una previsión |
| BIS (2026), más de 12.000 empresas de la UE y EE. UU. | Estima un 4 % más de productividad laboral al adoptar IA | Que una empresa pequeña obtenga ese 4 %: las pequeñas capturan menos ganancia |
Cómo leer estas cifras (y qué no dicen)
- Son percepciones y estimaciones, no balances. La encuesta del NBER recoge lo que declaran los directivos, no mediciones de productividad, y la previsión a tres años es una expectativa, no un resultado.
- «Usar IA» tiene definiciones distintas. El Banco de España usa una definición propia (IA predictiva o generativa); el NBER habla de uso activo declarado. No se pueden juntar.
- El estudio del BIS no es un experimento. Es una estimación estadística con variable instrumental (usa la adopción de empresas pares de EE. UU.), publicada como documento de trabajo en enero de 2026. Los autores aclaran que son efectos a corto plazo y que los de largo plazo siguen siendo inciertos.
- Las empresas pequeñas capturan menos. En el estudio del BIS las ganancias son mayores en las empresas medianas y grandes.
- Ninguna describe tu empresa. Son medias de miles de empresas de sectores distintos.
Qué hacer con esto: fija el resultado antes de empezar el piloto
Si tantas empresas se quedan en la fase de pruebas, la pregunta útil es qué hace diferente a un piloto que sí llega a algo. Una regla sencilla: decide qué vas a medir antes de empezar, no después.
- Elige un proceso y una medida. Por ejemplo, tiempo por presupuesto, número de correos resueltos sin ayuda o errores detectados al revisar.
- Anota el punto de partida. Sin el «antes», no hay forma honesta de comparar.
- Fija duración y criterio de parada. Cuánto tiempo durará la prueba y qué resultado hará que la sigas, la cambies o la abandones.
- Decide quién revisa. Un agente de IA, que es un programa que hace tareas de trabajo por ti y te consulta lo importante, prepara el trabajo; una persona comprueba el resultado antes de que salga al cliente.
- Decide al final. Con tus números, resuelve si ampliar, ajustar o parar. Parar a tiempo también es un buen resultado.
Con esta regla evitas dos errores frecuentes: el piloto eterno, que nunca termina ni se evalúa, y la ampliación a ciegas, sin saber si funcionó. Nadie puede prometer un ahorro concreto sin conocer tu negocio, pero midiendo sabrás en qué punto estás. Para diseñarlo con método, tienes cómo diseñar un piloto de IA exitoso en tu empresa, qué métricas definen si un piloto de IA ha sido un éxito y cuánto debe durar un piloto de IA antes de decidir si escalarlo.
Fuentes
- Banco de España (2024): Adoption of artificial intelligence in Spanish firms: an initial analysis based on the Banco de España Business Activity Survey (Boletín Económico 2025/T2, artículo 06)
- Banco de España (2024): La adopción de la inteligencia artificial en las empresas españolas: un primer análisis basado en la EBAE (Boletín Económico 2025/T2, artículo 06)
- NBER (2026): Firm Data on AI (NBER Working Paper 34836)
- Banco de Pagos Internacionales (2026): AI adoption, productivity and employment: evidence from European firms (BIS Working Papers n.º 1325)
Conclusión
Las encuestas muestran una distancia entre decir que se usa IA y notar sus efectos: el 19,9 % de las empresas encuestadas por el Banco de España la usaba y el 60 % de ellas solo la probaba; en el NBER, nueve de cada diez directivos no percibían aún impacto. Y el BIS estima ganancias que dependen de inversiones complementarias. La regla para una pyme es fijar antes del piloto qué resultado se medirá, quién revisa y cuándo se decide.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, y formamos a tu equipo para sacarles partido.
Puedes ver el planteamiento en cómo apalancarte en IA.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.