Hace unas semanas nos preguntábamos, en este mismo espacio, qué haremos con el tiempo que la inteligencia artificial libera en nuestras organizaciones. La pregunta suponía algo que raramente se comprueba: que ese tiempo se está liberando de verdad, y en qué medida. Antes de decidir qué hacer con un ahorro hay que saber si el ahorro existe, y aquí es donde la conversación sobre la IA en la empresa empieza a tambalearse, porque las cifras que circulan para decirlo no dicen lo mismo entre sí. Ni por asomo.
Eurostat sitúa la adopción de IA en las empresas europeas en el 13,5% para 2024. McKinsey, en la misma fecha, habla del 72%. El Censo de Estados Unidos, con una pregunta distinta y una muestra representativa, apenas llega al 9,7%. Tres institutos serios, tres metodologías defendibles, tres fotografías de la misma escena que no coinciden ni de lejos. La tentación inmediata es concluir que, si las cifras divergen tanto, ninguna sirve. Es la conclusión equivocada. Cada encuesta usa una cámara distinta, con una apertura distinta, y fotografía una franja diferente de la misma realidad: unas preguntan si la empresa ha tocado alguna tecnología concreta de una lista cerrada, otras si un directivo cree que su organización «usa IA en alguna función», otras si en las últimas dos semanas se produjo algo con su ayuda. El problema no es que midan mal. El problema es que casi nadie dice qué está midiendo, y el lector se queda con el número más grande porque es el más citable.
El Banco de España hizo, en su Boletín Económico de 2025, algo que ninguna de esas encuestas hace: no se conformó con preguntar si la empresa usa IA, sino con qué intensidad. El resultado desmonta de un plumazo el optimismo en el ambiente. El 19,9% de las empresas españolas dice usar IA de algún modo. Hasta ahí, una cifra razonable, comparable a la media europea. Pero al desagregar por intensidad, el 60% de ese 19,9% reconoce que solo experimenta o pilota, sin integración real en sus procesos. Solo el 6% declara un uso significativo. Traducido a la población total de empresas españolas: apenas el 1% usa la IA de forma que merezca ese nombre. Uno de cada cien. El resto toca el instrumento sin tocar la partitura.
Tres capas que el discurso confunde
Hay, en realidad, tres familias de indicadores distintas y el error sistemático de casi todo lo que se publica sobre adopción de IA es tratarlas como si fueran una sola. Está el input: licencias compradas, presupuesto asignado, porcentaje de empresas que «tienen acceso». Está el uso real: lo que efectivamente ocurre cuando alguien abre la herramienta, medible solo por telemetría, nunca por encuesta. Y está el resultado: el efecto sobre la productividad, la calidad, el tiempo. Confundir la primera capa con la tercera es el pecado original del sector: contar asientos y llamarlo transformación.
La brecha entre lo que se declara y lo que ocurre de verdad tiene, además, nombre y estudios que la documentan. Un análisis de Brynjolfsson, Li y Raymond sobre tres millones de conversaciones reales con un asistente de IA en un centro de atención al cliente encontró que los agentes seguían, de media, solo el 38% de las sugerencias que la herramienta les ofrecía. No es resistencia ciega: es criterio profesional filtrando una ayuda imperfecta. Más revelador todavía es lo que encontró METR al estudiar a dieciséis desarrolladores experimentados trabajando con IA sobre código que conocían bien: tardaron un 19% más que sin ella, pese a que antes del experimento preveían un 24% menos de tiempo y, terminado el experimento, seguían convencidos de haber ido un 20% más rápido. Treinta y nueve puntos de distancia entre lo que la persona cree que ha ocurrido y lo que de verdad ocurrió. Si el propio usuario se equivoca así de sistemáticamente al juzgar su productividad, ¿con qué autoridad puede una encuesta de opinión ejecutiva servir de indicador?
Lo que sí funciona, y sus condiciones
Sería injusto, y falso, quedarse solo con el escepticismo. Existe evidencia causal sólida de que la IA generativa mejora resultados, y sería un error de la misma familia que el que estamos denunciando ignorarla porque no encaja con la tesis. Noy y Zhang, en un experimento publicado en Science, midieron una reducción del 40% en el tiempo empleado en tareas de escritura profesional, con mejoras de calidad del 18%, y un efecto particularmente fuerte en quienes partían de menor destreza: la IA nivela más de lo que multiplica. El propio estudio de Brynjolfsson, Li y Raymond, pese a la brecha del 38% que acabamos de citar, halló una mejora del 15% en incidencias resueltas por hora, concentrada sobre todo en los agentes novatos. La herramienta, cuando se mide bien, funciona.
Pero funciona dentro de un territorio acotado, al que Dell’Acqua y su equipo, estudiando a 758 consultores de BCG, llamaron la «frontera dentada»: un perímetro irregular donde algunas tareas caen dentro de lo que el modelo domina y mejoran sustancialmente, y otras, aparentemente parecidas, caen fuera y empeoran. En su experimento, los consultores que usaron IA en una tarea diseñada para quedar fuera de esa frontera acertaron 19 puntos porcentuales menos que quienes trabajaron sin ella. La misma herramienta, en la tarea de al lado, ayuda o perjudica según de qué lado de una línea invisible caiga el trabajo. Nadie traza esa línea de antemano; se descubre haciendo el trabajo.
Y luego está la distancia entre el laboratorio y la vida de una empresa real. Humlum y Vestergaard siguieron a cerca de 25.000 trabajadores daneses en once ocupaciones durante los dos años posteriores al lanzamiento de ChatGPT y no encontraron efecto significativo en salarios ni en horas registradas en ninguna de ellas. El ahorro de tiempo que los propios trabajadores declaraban era del 2,8%: una fracción menor del 15% o el 40% que muestran los experimentos controlados. No es que los experimentos mientan. Es que miden tareas dentro de la frontera, en condiciones ideales, con formación reciente y motivación alta. La economía real está hecha de tareas fuera de esa frontera, curvas de aprendizaje sin terminar, procesos que nadie ha rediseñado todavía. El 2,8% no contradice al 15%: lo pone en su sitio.
Por qué el retorno tarda, y no es una excusa
Hay una explicación económica seria para por qué el retorno de la inversión en IA no aparece todavía en las cuentas de la mayoría de las empresas, y no tiene nada de coartada. Brynjolfsson, Rock y Syverson la formularon como la «curva en J»: las tecnologías de propósito general exigen una inversión intangible, invisible en el balance, que precede al beneficio, en rediseño de procesos, en capital organizativo, en el tiempo que cuesta que una herramienta deje de ser un añadido y se convierta en la manera en que las cosas se hacen. Mientras esa inversión se hace, la productividad medida cae o se estanca, porque se están gastando recursos sin cosechar todavía. Solo después, cuando el rediseño madura, el efecto aparece, y entonces suele sobreestimarse en la dirección contraria. Robert Solow lo dijo antes, en 1987, sobre los ordenadores: se veía la era de la informática en todas partes menos en las estadísticas de productividad.
Exigir un retorno visible en el primer trimestre de un despliegue de IA no es exigencia razonable: es desconocer cómo se comportan históricamente las tecnologías de este calibre.
Lo cual no convierte la curva en J en coartada permanente. También predice que, pasado el tramo de inversión, el efecto llega y suele ser mayor del que se anticipaba. Una empresa que en el mes seis sigue sin ningún indicio de cambio en sus procesos no está en la parte baja de la curva: probablemente no ha iniciado la inversión intangible que la curva presupone.
El test de madurez que promete demasiado
En paralelo a las encuestas de adopción ha florecido un género propio: el test o modelo de madurez de IA, esa parrilla de cinco niveles que promete decirle a una organización en qué estadio se encuentra. Una revisión sistemática publicada en PeerJ Computer Science examinó quince de estos modelos y encontró que menos de la mitad había validado empíricamente su diseño. La mayoría son taxonomías razonables construidas por intuición experta, no instrumentos de medición contrastados. Tienen un valor real: ordenan una conversación de dirección, dan vocabulario común a un comité que de otro modo discutiría a ciegas. Pero venderlos como diagnóstico riguroso es prometer más de lo que la evidencia sostiene. Sirven de mapa de conversación. No sirven de termómetro. Es la misma cautela que aplicamos en nuestro propio diagnóstico de madurez en IA generativa: no parte de un cuestionario cerrado, sino de cruzar la telemetría real de uso con lo que de verdad ocurre en los procesos.
El espejo que devuelve lo que se le pide
Hay una ley, formulada por el economista Charles Goodhart en 1975 y resumida después por la antropóloga Marilyn Strathern en una frase que merece citarse entera: «cuando una medida se convierte en objetivo, deja de ser una buena medida». Aplicada a la IA en la empresa, esto significa algo muy concreto: en el momento en que «usuarios activos», «asientos contratados» o «prompts al día» pasan de ser un indicador de seguimiento a ser el objetivo de un directivo o el criterio de una evaluación de desempeño, dejan de contar lo que decían contar y empiezan a contar cuánto sabe alguien jugar con el sistema. La métrica, entonces, deja de ser un espejo del territorio y se convierte en un espejo de sí misma. Es la razón última por la que tantas empresas presumen de adopción alta y no encuentran, cuando miran de cerca, ningún cambio real en cómo trabajan.
Un cuadro de mando a la medida de la pyme
Toda esta evidencia, leída junta, deja una conclusión que quizá no nos guste tanto, pero es muy práctica: la mayoría de los indicadores que circulan en el discurso español sobre adopción de IA no están calibrados para una pyme, sino heredados de encuestas de gran corporación o de fórmulas de consultora que ignoran la curva en J y no exigen línea base. Ya hablamos, a propósito de otra restricción, de la tabla más corta del barril que limita cualquier proyecto de adopción por encima de lo que valga la herramienta elegida; medir mal es exactamente ese tipo de restricción invisible, solo que nadie la señala como tal. Frente a eso, proponemos algo más modesto y más honesto: tres indicadores, baratos de levantar, que dicen la verdad sobre lo que está pasando.
El primero es el uso real medido por telemetría de la herramienta contratada, no por el número de licencias activas. Si una empresa compra cincuenta asientos y a los noventa días menos de un tercio se usa con regularidad, no tiene un problema de herramienta: tiene un problema de asimilación, y ningún curso de una hora lo va a resolver. El segundo es el tiempo ahorrado en un proceso concreto, medido contra una línea base tomada antes de introducir la IA, no estimado de memoria después. Sin ese «antes» documentado, cualquier cifra de ahorro es narrativa, no dato. El tercero, y el único que hoy es también obligación legal, es la evidencia documentada de formación: desde el 2 de febrero de 2025, el artículo 4 del Reglamento europeo de IA exige que empresas y autónomos garanticen un nivel suficiente de alfabetización en IA entre quienes operan estos sistemas, sin umbral de tamaño que exima a la pyme. Registrar quién se ha formado, en qué y con qué evaluación no es solo cumplimiento normativo. Es, según la propia evidencia citada más arriba, uno de los pocos factores que multiplican la probabilidad de que la adopción declarada se convierta en adopción real.
Ningún tratamiento estadístico salva la falta de línea base, y ningún test de madurez sustituye a mirar la telemetría. Lo que este cuadro de mando ofrece no es certeza sino honestidad metodológica: declarar qué capa se está midiendo, exigir un «antes» contra el que comparar, aceptar que el retorno tardará lo que tarde una curva en J en desplegarse, y no convertir jamás el indicador en el objetivo, porque en cuanto eso ocurre, deja de servir para lo que se construyó.
Volvamos, entonces, a la pregunta de partida: qué haremos con el tiempo que la IA libera. La respuesta honesta, para la inmensa mayoría de las pymes españolas hoy, es que todavía no lo sabemos, porque no hemos comprobado si se está liberando de verdad, cuánto, ni en qué procesos. Antes de gobernar un ahorro hay que medirlo bien. Y medirlo bien, según toda la evidencia que hemos reunido aquí, empieza por desconfiar del número más grande y preguntar, siempre, qué cámara lo tomó.
Este artículo ha sido escrito por Carlos Girón.
