El 60% de las grandes empresas españolas usa IA sin hoja de ruta: el aviso de Deloitte

«Todo lo hace la máquina, ¿para qué lo voy a hacer yo?», planteaba esta semana el investigador José Hernández-Orallo en Jaén.

La frase la dijo un investigador de la Universidad de Cambridge ante unos 300 especialistas reunidos en la Universidad de Jaén para la conferencia CAEPIA 2026, pero podría salir de cualquier despacho de dirección. Porque mientras los expertos debaten cómo hacer una IA fiable, las grandes empresas españolas siguen sin decidir, en su mayoría, qué quieren hacer con ella.

El dato llega del informe «La transformación de las empresas a través de la IA», de Deloitte: seis de cada diez compañías analizadas no tienen una estrategia o hoja de ruta claramente definida para la inteligencia artificial.

Mucho entusiasmo, poca hoja de ruta

El informe dibuja una paradoja. La IA se ha consolidado como una de las principales prioridades tecnológicas de las grandes compañías, pero su adopción avanza de forma desigual. Solo un 26% afirma tener un plan estructurado para impulsar su uso; el resto improvisa, prueba herramientas por departamento o espera a ver qué hacen los competidores.

Cuando sí hay decisión, esta tiende a ser pragmática. El 69% de las empresas combina plataformas y soluciones externas con desarrollos propios, una fórmula que permite aprovechar lo que ya existe en el mercado y reservar el desarrollo interno para los casos que dan ventaja competitiva. También facilita mantener el control sobre los procesos críticos.

La brecha entre ambición y ejecución no es exclusiva de España, pero sí tiene aquí un matiz. El tejido empresarial se reparte entre unas pocas grandes compañías con equipos propios de datos y una mayoría de pymes que ni siquiera ha empezado. Un artículo reciente sobre el uso de IA en las empresas españolas cifraba en un 33,6% las que ya la utilizan y apuntaba a la falta de formación como lastre, sobre todo en las pymes. Si entre las grandes el 60% va sin plan, el panorama de las pequeñas es todavía más disperso.

Para qué la usan: eficiencia, no revolución

La IA que ven las empresas hoy no es la que sale en las películas. Los objetivos principales que recoge el informe son incrementar la productividad, automatizar tareas, transformar procesos de negocio y liberar a los empleados de actividades repetitivas para que se dediquen a tareas de más valor.

Otro estudio de Deloitte, esta vez con datos de unas 3.500 empresas de 25 países, refuerza la idea: el 81% de las empresas afirma que la IA ha acelerado su gestión, pero solo el 25% reconoce cambios importantes en el negocio y apenas el 15% los ha completado. Es decir: la IA ayuda a decidir más rápido, pero todavía no está cambiando lo que las empresas hacen.

Dónde va el dinero en 2027

La falta de estrategia no frena la cartera. El 74% de las compañías prevé aumentar su inversión en IA entre un 5% y un 20% en los próximos doce meses, y un 19% espera elevar su presupuesto en más de un 20%. Las prioridades de gasto dibujan el mapa de lo que viene.

Fuente: Deloitte, vía IT User · Datos de noviembre de 2026

Fíjate en el orden: lo que más se prioriza es hacer más cosas con IA, y lo que menos, controlar cómo se hacen. Entre los directivos esa jerarquía empieza a incomodar, porque cada caso de uso nuevo sin gobierno del dato multiplica el riesgo.

El informe concluye que las grandes empresas españolas entran en una nueva fase: tras los primeros años de pruebas y pilotos, el foco se desplaza hacia el escalado, los marcos de gobernanza y los resultados tangibles para el negocio.

El cuello de botella es el dato, no el modelo

Uno de los mensajes recurrentes del informe es la madurez del dato. Disponibilidad, calidad e integración de la información figuran como los principales elementos que condicionan los proyectos. Sin datos ordenados, los modelos son menos fiables y es más difícil llevarlos a escala corporativa.

Esto conecta con lo que se ha discutido en Jaén. La XXI Conferencia de la Asociación Española para la Inteligencia Artificial, del 11 al 13 de noviembre, ha puesto el foco en una IA fiable, ética y segura. Hernández-Orallo, del Leverhulme Centre for the Future of Intelligence, defendió la necesidad de métodos científicos para medir qué saben hacer realmente los modelos avanzados y qué riesgos entrañan, y avisó de que el riesgo más tradicional es precipitarse.

Hay además un coste de oportunidad. Las empresas que no definen una hoja de ruta tienden a acumular pilotos que nunca llegan a producción: una herramienta de resumen de reuniones en un departamento, un asistente de atención al cliente en otro, un experimento de predicción de demanda que nadie mantiene. Cada uno funciona por separado, ninguno comparte datos con los demás y el conjunto no cambia la cuenta de resultados. Es lo que el informe describe cuando habla de pasar de las pruebas a escalar los casos de uso.

1. 1Definir qué problemas de negocio quiere resolver la IA antes de comprar herramientas.
2. 2Ordenar los datos: sin calidad y trazabilidad, ningún modelo rinde.
3. 3Crear un marco de gobernanza con responsables claros.
4. 4Formar a las plantillas y planificar el impacto en los puestos de trabajo.
5. 5Medir resultados y escalar solo lo que funciona.

Qué significa para quien trabaja en una empresa

Si trabajas en una gran empresa española, lo más probable es que tu organización use alguna herramienta de IA sin un plan global. Eso tiene una cara buena —se prueba rápido y se aprende— y otra incómoda: nadie sabe bien qué datos se están compartiendo, qué decisiones delega la máquina o quién responde si algo falla.

Como apuntaba la profesora Reyes Calderón, de la Universidad Pontificia Comillas, en la mesa redonda de Jaén, la tecnología nos hace focalizar tanto que tendemos a olvidar capacidades. Preservar las humanas que no conviene delegar es una decisión de estrategia, no de software.

El año que viene habrá más dinero para IA que nunca. La pregunta ya no es cuánta gastarán las empresas, sino si sabrán en qué.