Entre las empresas españolas de 10 o más empleados que se habían planteado usar IA y al final no la usaron, el 82,4 % señaló como principal motivo la falta de conocimientos especializados en la empresa, y el 47,4 % los altos costes (ONTSI, con datos del INE de 2025). Lo más citado en esa respuesta no es el coste de la tecnología, sino la falta de conocimientos especializados dentro de la empresa.
Este artículo repasa lo que dicen tres fuentes oficiales sobre los frenos a la IA, explica cómo leerlas sin sacar conclusiones que no admiten y propone cómo ordenar los primeros 90 días para ir resolviendo cada obstáculo. Si diriges una pyme y todavía no has dado el paso, te sirve de mapa. Si ya lo has dado, te ayuda a ver qué te falta.
Qué dicen las encuestas oficiales
Las tres fuentes preguntan a empresas por los obstáculos para usar IA, y coinciden en lo esencial:
- Unión Europea (Eurostat, 2025). Entre las empresas de 10 o más empleados que se habían planteado usar IA pero no la usaban, el motivo más citado fue la falta de conocimientos especializados (70,3 %), seguido de la falta de claridad sobre las consecuencias legales (53,6 %). Eurostat indica que la falta de competencias es el motivo principal en todos los tamaños de empresa.
- España (ONTSI con datos del INE, 2025). Entre las empresas españolas de 10 o más empleados que habían considerado usar IA y no llegaron a hacerlo, el 82,4 % señaló la falta de conocimientos especializados y el 47,4 % los altos costes.
- España (Banco de España, 2024). En una encuesta a unas 6.300 empresas, el principal obstáculo fue la falta de personal cualificado: el 45,8 % lo considera relevante o muy relevante. Le siguen el coste de adopción percibido (40,8 %) y la falta de datos disponibles (37,8 %).
Hay además un dato relacionado con la falta de conocimientos. En una encuesta de la OCDE de finales de 2024 a más de 5.000 pymes de siete países (Austria, Canadá, Alemania, Irlanda, Japón, Corea y Reino Unido), solo el 23,6 % de las pymes que usan IA generativa declaró que sus empleados participan en formación relacionada con la IA; entre las que no la usan, la cifra baja al 2,7 %. La OCDE recuerda que, en sus encuestas anteriores, los resultados de la IA fueron en general mejores cuando los trabajadores habían recibido formación. Es una asociación, no una prueba de que la formación sea la causa.
Cómo leerlos (y qué no dicen)
Las cifras son útiles, pero cada una tiene su letra pequeña:
- No siempre son porcentajes de todas las empresas. En Eurostat y ONTSI la base son las empresas que se habían planteado usar IA y no la usaban; en el Banco de España, las empresas encuestadas, sin que la base exacta quede del todo clara. Por eso no se pueden comparar entre sí ni leer como «el 82,4 % de las empresas no usa IA por falta de conocimientos».
- En Eurostat y ONTSI eran respuestas múltiples. Una empresa podía citar varios motivos, así que esos porcentajes no suman 100.
- Son percepciones. Que un coste se perciba como alto no significa que lo sea; puede ser un coste mal estimado. Y que falte «personal cualificado» puede querer decir que falta alguien que sepa qué pedirle a la herramienta, no un ingeniero.
- Las cifras de Eurostat y ONTSI que aquí se citan son de empresas de 10 o más empleados. Y la muestra del Banco de España es solo eso, una muestra, no toda la población empresarial. Si eres una empresa más pequeña, tu situación puede ser distinta.
- No dicen qué pasa después. Vencer el obstáculo no asegura que la IA vaya a dar beneficios; solo que podrás probarla con criterio.
Una última advertencia: las fuentes son distintas y de años distintos (2024 y 2025). Conviene citar cada cifra con su fuente y su año, y no mezclarlas en una sola frase.
Qué hacer con esto: los primeros 90 días
Si los tres frenos más citados son conocimiento, dudas legales y coste, el orden lógico es atacarlos en ese orden, y en poco tiempo. Esta es una propuesta que puedes adaptar:
| Obstáculo declarado | Qué hacer en la práctica | Cuándo |
|---|---|---|
| Falta de conocimientos | Formar a dos o tres personas clave con casos reales de tu negocio y elegir una sola tarea que pese en el día a día | Días 1-30 |
| Dudas legales | Fijar reglas mínimas sobre qué datos no se introducen nunca, hacer una lista de los usos de IA y guardar un registro interno de la formación | Días 1-30, en paralelo |
| Coste | Probar la tarea elegida en un piloto acotado y medir el tiempo que lleva antes y después | Días 31-60 |
| Orden interno y datos | Reunir plantillas, ejemplos buenos y criterios de esa tarea para que la herramienta trabaje con material tuyo | Días 31-60 |
| Decidir | Con lo medido, ampliar, ajustar o parar | Días 61-90 |
Conocimiento primero, y por puesto. No hace falta que toda la plantilla sepa de IA el primer mes. Hace falta que una o dos personas sepan usarla en una tarea concreta, que la expliquen al resto y que sepan cuándo desconfiar de lo que responde. Es más eficaz formar con ejemplos de tu propio negocio que con ejemplos genéricos.
Reglas de datos desde el primer día. La falta de claridad legal pesa en la encuesta de Eurostat, y se resuelve en buena parte con reglas sencillas: qué no se pega nunca en una herramienta (datos de clientes, contratos, información confidencial), quién autoriza usos nuevos y a quién se pregunta cuando hay dudas. Sobre la formación, la Comisión Europea aclara que, para acreditar el cumplimiento del artículo 4 del Reglamento europeo de IA (la alfabetización en IA del personal), no hace falta ningún certificado: se puede llevar un registro interno de las formaciones y de otras iniciativas de orientación. Para lo demás (contratos con proveedores, datos personales, casos dudosos), consulta con tu asesor.
El coste, medido y no imaginado. Un piloto de una sola tarea convierte un coste percibido en un coste conocido: cuántas horas lleva hoy, cuántas con ayuda de la herramienta, cuántas se dedican a revisar. Dos advertencias: mide también el tiempo de revisión, que puede reducir o anular el ahorro, y no asumas que lo ahorrado se mantendrá cuando se amplíe. Para elegir qué medir, mira tres indicadores bastan: qué medir en un plan de 90 días.
Orden interno. Una herramienta rinde según el material que recibe. Si la tarea elegida depende de papeles dispersos o de criterios que solo conoce una persona, ese es el trabajo previo. A menudo es lo más valioso del proyecto, con o sin IA.
Lo que un plan de 90 días no resuelve
Conviene decir también lo que queda fuera:
- No sustituye al asesor legal o fiscal. Ordena las dudas, pero no las responde. Las decisiones de cumplimiento las toma un profesional.
- No elimina los riesgos. Errores sin detectar, datos de clientes y dependencia de un proveedor siguen ahí; los repasamos en riesgos de crecer apoyándote en IA y cómo acotarlos.
- No sustituye las decisiones sobre personas. Contratar, evaluar o despedir sigue siendo cosa de la dirección, no de una herramienta.
- No asegura que la tarea elegida sea la correcta. Si el piloto no mejora nada, es una buena noticia: has aprendido barato y puedes probar otra.
Si te preguntas si el obstáculo es tu tamaño, mira cómo se comparan las empresas según su dimensión en cuánto más usan IA las grandes que las pymes. Y si el frenazo viene desde dentro, siete errores de dirección que frenan la adopción de IA te ayudará a reconocerlos.
Fuentes
- Eurostat (2025): The use of artificial intelligence (AI) technologies in the European Union (KS-01-26-009, 2026)
- ONTSI, Red.es (2025): Indicadores de uso de inteligencia artificial en España. Edición 2026 - Datos 2025
- 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)
- OCDE (2024): Generative AI and the SME Workforce: New Survey Evidence
- Comisión Europea, Oficina de IA (2026): AI Literacy - Questions & Answers | Shaping Europe's digital future
Conclusión
Las encuestas oficiales coinciden: lo que más frena a las empresas no es la tecnología, sino la falta de conocimientos, las dudas legales y un coste que no saben calcular. Los tres se pueden trabajar en 90 días si se ordenan: formar a pocas personas con casos reales, fijar reglas de datos desde el primer día y medir una sola tarea antes de decidir.
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 más en cómo apalancarte en IA.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.