Digitalizar una empresa con IA: lo que los informes no cuentan y por dónde empezaría

Según el Barómetro IndesIA 2026, solo el 4,1 % de las pymes españolas muestra un uso identificable de inteligencia artificial. El mismo año, un informe de Wolters Kluwer dice que el 76 % de las pymes españolas usa soluciones de IA al menos una vez por semana. Las dos cifras se publicaron en 2026 y hablan, en teoría, de lo mismo.

No hace falta decidir cuál miente. Miden cosas distintas, y entender en qué se diferencian es más útil para quien quiere digitalizar una empresa que cualquiera de los dos números.

Cuatro cifras, cuatro preguntas distintas

El dato del 4,1 % viene del barómetro de la asociación IndesIA, elaborado con Informa. No he podido localizar el informe original, así que lo cito a partir de la cobertura de prensa. Según esa cobertura, el estudio analiza 131.554 pymes y busca la presencia detectable de IA en cada empresa, sin preguntarle a nadie. Sube del 2,1 % en 2024 y el 2,9 % en 2025, y va del 3,6 % en microempresas al 6,5 % en medianas. Una micropyme cuyo gerente usa ChatGPT para redactar correos no deja ninguna huella detectable, así que queda fuera.

El 76 % sale del informe Future Ready Business 2026 de Wolters Kluwer, una encuesta a más de 1.000 responsables de pymes de menos de 250 empleados en ocho países europeos, España entre ellos. No he encontrado el tamaño de la submuestra española. Es una encuesta autodeclarada de un proveedor de software de gestión, y el dato es el porcentaje que afirma usar soluciones de IA al menos una vez por semana, algo que cumple quien abre un asistente generativo cada lunes.

Entre medias hay dos fuentes más. El Barómetro de Digitalización de Gigas, con una muestra de 1.300 empresas, sitúa en un 36 % las pymes que usan alguna forma de IA, de las que solo un 15 % paga por ella. Y la encuesta del Banco de España a empresas (EBAE) daba en 2025 casi un 20 % de empresas con sistemas de IA, la mayoría en fase experimental.

Puestas en fila, las cifras dibujan una escalera bastante coherente: mucha gente usa un chat de IA con frecuencia, bastante menos la ha metido en algún proceso aunque sea a prueba, y muy pocas empresas la tienen integrada de forma que se note desde fuera. Lo que los titulares llaman «adopción» suele ser el primer peldaño.

La distancia entre lo que se cree y lo que hay

El barómetro de Gigas tiene otro dato que me parece más revelador que cualquier porcentaje de uso. El 44 % de las empresas valora su nivel de digitalización entre 8 y 10. Solo el 9 % hace un uso avanzado de la tecnología cuando se analizan sus bases técnicas: cloud, ciberseguridad, IA y talento.

Los detalles explican la distancia. Dos tercios usan algún servicio en la nube, sobre todo para correo y copias de seguridad; solo el 30 % tiene allí algún proceso crítico, apenas un 9 % ha llevado su ERP y más de la mitad mantiene servidores físicos en la oficina.

Para la IA, esto pesa más que cualquier porcentaje de uso. Un modelo de lenguaje no arregla datos que viven en un Excel en el escritorio de alguien, ni procesos que solo existen en la cabeza de quien los hace. Si los datos no son accesibles por una API o una consulta, el agente más capaz del mercado se queda en un chat al que alguien copia y pega cosas. Eso ayuda a quien lo usa, pero no digitaliza la empresa.

Mi posición es que la mayoría de empresas que preguntan por agentes de IA deberían estar preguntando por algo más aburrido: dónde están sus datos, quién es dueño de cada proceso y qué parte de ese proceso está escrita en algún sitio.

El freno no es la tecnología

El Banco de España pregunta también por los obstáculos, y el primero que aparece en su análisis es la falta de mano de obra cualificada, por delante de los costes de implantación y de la falta de datos disponibles. Gigas apunta en la misma dirección: la mitad de las pymes dice que le cuesta avanzar en su digitalización por falta de personal cualificado, y un 67 % no hizo ni planificó formación tecnológica para su equipo en el último año.

El dato es incómodo para buena parte del discurso comercial, que presenta la IA como sustituta de las personas cualificadas que no tienes. Las encuestas dicen que, para adoptarla, necesitas precisamente esas personas. Alguien tiene que entender el proceso, decidir qué parte automatizar, revisar lo que hace el modelo, mantenerlo cuando cambia la API del proveedor y responder cuando se equivoca. La IA reduce mucho el coste de escribir el software que automatiza un proceso, pero no elimina la necesidad de alguien que sepa qué software hay que escribir.

Por eso desconfío de las propuestas de digitalización que empiezan por la herramienta. «Vamos a implantar agentes» no es un objetivo. «El cierre mensual tarda cuatro días porque hay que cruzar tres exportaciones a mano» sí lo es, y probablemente se resuelve con un script antes que con un agente.

Lo que ha cambiado de verdad: el coste de escribir el script

El cambio más útil que la IA ha traído a la digitalización me parece mucho menos vistoso que los agentes autónomos: escribir un programa pequeño y correcto ha pasado a costar muy poco.

Lo veo en la digitalización interna de la empresa donde trabajo, que no ofrece ese servicio a terceros, y en los proyectos que hago a título particular. La ventaja de herramientas como n8n para integrar dos sistemas o mover datos era que montar un flujo visual costaba menos que escribir y desplegar un servicio, y en el trabajo cada vez las usamos menos. Con un asistente de IA, un script que hace lo mismo sale en minutos, y una vez dockerizado se despliega como cualquier otro servicio, con tests, versionado y un diff que se puede leer en una revisión. Ya expliqué en otro artículo por qué n8n no debería reemplazar tu backend; lo que ha cambiado desde entonces es que la ventaja de velocidad del low-code ha encogido mucho, mientras que sus inconvenientes de testing y versionado siguen ahí.

Para una empresa que quiere digitalizarse, el cuello de botella se desplaza de programar la automatización a especificarla bien y operarla después, lo que lleva de vuelta a las personas cualificadas que, según el Banco de España, faltan.

Por dónde empezaría

Si me pidieran digitalizar una empresa con IA mañana, no empezaría por ningún agente. Seguiría más o menos este orden.

Elegiría un proceso con dueño, repetitivo, con entradas y salidas claras y cuyo coste actual alguien pueda medir, aunque sea a ojo. Mejor uno pequeño que se termine que uno estratégico que se quede en piloto.

Comprobaría que los datos que necesita ese proceso son accesibles desde código. Si no lo son, ese es el primer proyecto, y no tiene nada de IA: exportaciones programadas, una base de datos en lugar de una hoja compartida, una API en lugar de un correo con adjunto.

Escribiría la automatización como software normal, con ayuda de IA para escribirla, pero desplegada como un servicio con sus tests, sus logs y su repositorio. El modelo de lenguaje entraría solo en el paso que lo necesita (clasificar un documento, extraer campos de un texto libre, redactar un borrador) y con revisión humana mientras no haya datos que justifiquen quitarla. La diferencia entre esto y una demo la explico en cómo separar una PoC de IA de un sistema mantenible.

Pondría por escrito el conocimiento que la automatización necesita y que hoy vive en la cabeza de alguien: reglas, excepciones, formatos. Si después tiene sentido que un agente trabaje con ese conocimiento, el formato natural son las skills. Un ejemplo es una skill que hemos desarrollado en eLearning Media y que genera SQL sobre Blackboard Data (Illuminate): empaqueta el esquema vigente, los campos válidos, las relaciones candidatas entre tablas y ejemplos de consultas, y obliga a validar cada tabla y columna contra ese esquema antes de devolver nada. El modelo ya sabía SQL; lo que aporta la skill es el conocimiento del dominio que antes solo tenía quien había escrito esas consultas muchas veces.

Solo después, con procesos digitalizados y datos accesibles, valoraría agentes con más autonomía y permisos mínimos; un agente con acceso a todo el correo y el ERP es un riesgo que merece su propio análisis.

Nada de esto promete un ahorro concreto, y desconfiaría de quien lo prometa antes de haber mirado los procesos. Lo que ofrece es una forma de avanzar en la que cada paso deja algo útil aunque el siguiente no llegue.

La pregunta que haría antes de contratar nada

Las cifras de adopción seguirán subiendo, y cada informe elegirá la métrica que mejor encaje con su mensaje. Para una empresa concreta, la pregunta útil es cuál de sus procesos podría ejecutar hoy un programa si alguien lo especificara bien.

Si la respuesta es ninguno porque los datos no son accesibles, el primer proyecto está claro y no lleva IA. Si hay alguno, empieza por ese, con software normal y un modelo de lenguaje solo donde haga falta. Si quien te ofrece digitalizarte no te hace esa pregunta antes de hablarte de agentes, ya sabes en qué peldaño de la escalera se ha quedado su propuesta.