La IA mejora la productividad, pero solo el 37 % de las empresas logra impacto en el beneficio

Según un informe de McKinsey citado por Scalian Spain, el 80 % de los profesionales percibe mejoras en su productividad gracias a la inteligencia artificial, pero solo el 37 % de las organizaciones identifica un impacto positivo en su beneficio operativo.

Para la compañía, esta diferencia se explica porque el ahorro de tiempo no se traduce automáticamente en rentabilidad.

“El tiempo ahorrado gracias a la IA es capacidad liberada, pero solo se convierte en beneficio cuando la empresa decide cómo capturar ese valor”, señala Fernando de Águeda, CEO de Scalian Spain.

Productividad no significa necesariamente rentabilidad

La capacidad liberada mediante IA puede transformarse en beneficio si permite gestionar más actividad con la misma estructura, reducir la subcontratación o acelerar la llegada de productos y servicios al mercado.

Sin embargo, mejorar una fase concreta de un proceso no garantiza una mejora global.

“Acelerar una tarea aislada no garantiza que mejore el proceso de extremo a extremo. Si la programación avanza más rápido, pero la validación, las pruebas o la certificación mantienen los mismos tiempos, el cuello de botella se desplaza y el ciclo apenas cambia, mientras que los costes de la tecnología sí aparecen en la cuenta de resultados”, explica De Águeda.

Los costes de la IA, además, aparecen desde el primer momento en forma de licencias, infraestructura, integración, mantenimiento y supervisión humana, mientras que los beneficios suelen repartirse entre distintas mejoras operativas y requieren una medición específica.

El riesgo del “piloto perpetuo”

Scalian identifica varios errores recurrentes que dificultan la obtención de retorno.

El primero consiste en optimizar una tarea aislada sin comprobar el impacto sobre el proceso completo. La compañía considera que los proyectos deben partir de un objetivo de negocio concreto y utilizar la IA únicamente donde pueda aportar un valor medible.

“El problema no es rediseñar un proceso, sino hacerlo para acomodar una tecnología. Las organizaciones que obtienen mejores resultados parten de una necesidad concreta y utilizan la IA allí donde aporta un valor medible”, señala De Águeda.

Otro de los principales obstáculos es el denominado “piloto perpetuo”: proyectos que permanecen durante largos periodos en fase experimental porque no cuentan con criterios previamente definidos para ampliarse, modificarse o cerrarse.

“Los proyectos exploratorios son necesarios, pero deben contar con un presupuesto limitado, objetivos de aprendizaje y una fecha para decidir si se continúa. Lo que no sirve es el ‘ya veremos’”, afirma.

También supone un problema dejar toda la responsabilidad en manos de los equipos tecnológicos. Según Scalian, los proyectos con mejores resultados cuentan con responsables de negocio directamente vinculados a los indicadores que se pretende mejorar.

A ello se suman otros factores como infravalorar el trabajo necesario con los datos o abordar las exigencias regulatorias únicamente en las etapas finales.

Solo el 22 % logra escalar la IA

Según Gartner, únicamente el 22 % de las organizaciones ha conseguido escalar con éxito la inteligencia artificial en varias unidades de negocio o adoptar un enfoque empresarial centrado en esta tecnología.

Las compañías con mejores resultados gestionan sus iniciativas de IA como una cartera de inversiones y establecen previamente criterios para determinar qué proyectos deben ampliarse, modificarse o abandonarse.

También diferencian entre iniciativas destinadas a generar beneficios directos y aquellas inversiones que crean las condiciones necesarias para que la tecnología pueda escalar posteriormente.

Los plazos para obtener retorno varían significativamente según cada caso de uso. Aplicaciones como la automatización documental, la clasificación de incidencias o los asistentes de programación pueden comenzar a generar resultados en semanas, mientras que las soluciones que transforman procesos completos requieren periodos de integración más largos.

Scalian advierte de que prometer un retorno inmediato en todos los proyectos puede generar expectativas difíciles de cumplir.

Banca, telecomunicaciones y distribución parten con ventaja

El sector en el que se implanta la tecnología también condiciona la velocidad con la que puede obtenerse retorno.

Las actividades con procesos repetitivos, elevados volúmenes y métricas consolidadas parten con ventaja, como banca y seguros, telecomunicaciones, distribución, atención al cliente y desarrollo de software.

También presenta potencial la industria que ya dispone de datos procedentes de sensores para aplicaciones como mantenimiento predictivo o control de calidad.

En cambio, sectores regulados y críticos como aeroespacial, defensa, energía y sanidad requieren mayores niveles de certificación, trazabilidad y control sobre posibles errores, lo que retrasa la obtención de resultados medibles.

No obstante, cuando el retorno se materializa en estos ámbitos puede generar ventajas más difíciles de replicar y sostenibles en el tiempo.

Una de cada cinco empresas españolas ya utiliza IA

La adopción de inteligencia artificial continúa creciendo en España.

Según los datos del Instituto Nacional de Estadística, el 21,1 % de las empresas de diez o más empleados utilizaba tecnologías de IA durante el primer trimestre de 2025, frente al 12,4 % del año anterior, un incremento de 8,7 puntos porcentuales.

Para Scalian, este crecimiento no implica necesariamente que la tecnología esté integrada plenamente en los procesos ni que sus resultados se estén midiendo de forma rigurosa.

“La adopción es amplia, pero todavía poco profunda, especialmente en las pymes. El reto de España ya no es adoptar la IA, sino industrializarla y medir su éxito por el valor real que genera para el negocio, no por el número de herramientas implantadas”, concluye Fernando de Águeda.