Desde Pleyad desarrollamos el estudio EmpresIA, una investigación impulsada por la Fundació Parc Científic de la Universitat de València sobre adopción empresarial de inteligencia artificial en la Comunitat Valenciana.
La inteligencia artificial ha dejado de ser una tecnología emergente para convertirse en una capa transversal de transformación empresarial. En apenas dos años, especialmente desde la expansión de la IA generativa, el discurso sobre inteligencia artificial ha pasado de ocupar espacios especializados a instalarse en prácticamente cualquier conversación sobre productividad, competitividad o innovación.
Sin embargo, entre el entusiasmo tecnológico y la adopción empresarial existe todavía una distancia considerable.
Aunque cada vez más empresas afirman estar utilizando IA, sigue existiendo un conocimiento limitado sobre cómo se incorpora realmente a la práctica cotidiana de las organizaciones, qué condiciones permiten que los proyectos avancen más allá de la fase experimental y por qué algunas iniciativas terminan generando más complejidad que impacto sostenido.
Esta cuestión resulta especialmente relevante en territorios como la Comunitat Valenciana, caracterizados por un tejido empresarial altamente atomizado, con predominio de pymes, niveles heterogéneos de madurez digital y una elevada diversidad sectorial. En este contexto, la adopción de IA no sigue una única trayectoria ni responde únicamente a factores tecnológicos: depende también de capacidades organizativas, liderazgo, cultura, estructura y capacidad de adaptación.
El estudio EmpresIA nace precisamente para explorar esta “caja negra” de la adopción empresarial de la IA.
A partir de 30 entrevistas en profundidad realizadas a empresas con actividad en la Comunitat Valenciana que ya estaban utilizando IA en algún proceso, producto o servicio, el análisis busca entender cómo se pasa de la intención a la práctica, qué barreras aparecen y qué patrones diferencian a los proyectos que consiguen integrarse de aquellos que permanecen indefinidamente en fase piloto.
Más allá del hype tecnológico, EmpresIA busca entender cómo la inteligencia artificial interactúa con estructuras empresariales reales: procesos, cultura, liderazgo, gobernanza y capacidad organizativa.
Las empresas no adoptan IA por una única razón
Uno de los hallazgos más claros del estudio es que la adopción de IA suele activarse a partir de dos lógicas distintas, que rara vez aparecen de forma completamente aislada.
La primera responde a una lógica de necesidad: empresas que incorporan IA porque existe una fricción operativa evidente que ya no pueden resolver satisfactoriamente mediante herramientas tradicionales. Procesos administrativos que no escalan, cuellos de botella persistentes, sobrecarga documental o limitaciones para crecer sin aumentar plantilla actúan como detonantes muy claros.
En estos casos, la IA aparece como una respuesta pragmática a un problema concreto.
La segunda lógica responde más a una dinámica de oportunidad tecnológica. La rápida evolución de modelos generativos y nuevas herramientas ha abierto posibilidades que simplemente no existían hace pocos años. Algunas empresas empiezan a explorar IA no porque exista un problema crítico inmediato, sino porque perciben que determinadas capacidades tecnológicas pueden generar nuevas propuestas de valor, mejorar posicionamiento competitivo o evitar quedarse atrás respecto a otros actores del mercado.
Las trayectorias más sólidas suelen combinar ambas aproximaciones: una necesidad real y verificable junto con una oportunidad tecnológica bien comprendida.
Cuando una empresa incorpora IA únicamente por presión externa o por efecto tendencia, sin una hipótesis clara de valor, los proyectos tienden a quedarse en demostraciones superficiales o pilotos difíciles de escalar. Por el contrario, cuando existe una necesidad concreta pero se desconoce realmente el alcance de la tecnología, la organización puede acabar limitando el potencial transformador de la IA a automatizaciones muy incrementales.
El primer impacto casi siempre es eficiencia
Los beneficios iniciales observados por las empresas se concentran principalmente en eficiencia operativa.
Reducción de tiempo en tareas repetitivas, simplificación de procesos administrativos, aceleración documental o automatización parcial de flujos de trabajo son los impactos más recurrentes. En muchos casos, las organizaciones describen ganancias equivalentes a decenas o cientos de horas liberadas mensualmente, aunque estas mejoras rara vez se traducen todavía en métricas económicas sofisticadas.
Este patrón resulta especialmente visible en áreas como:
- gestión documental,
- atención al cliente,
- soporte interno,
- análisis de información,
- generación de contenido,
- o desarrollo de software.
Precisamente el desarrollo de software aparece como uno de los ámbitos donde la IA está teniendo efectos más rápidos y medibles. Las empresas describen cambios significativos en velocidad de entrega, organización del trabajo y productividad técnica, hasta el punto de modificar las dinámicas tradicionales entre perfiles junior y senior.
Sin embargo, los impactos más interesantes aparecen cuando la IA deja de funcionar como una herramienta aislada y empieza a integrarse en procesos clave del negocio.
Es en ese momento cuando algunas organizaciones comienzan a absorber mayores volúmenes de actividad sin incrementar recursos, abren nuevos servicios antes inviables o reconfiguran parcialmente su relación con clientes y usuarios.
Aun así, la mayoría de empresas siguen teniendo dificultades para medir adecuadamente estos impactos.
Muchas reconocen la necesidad de justificar el escalado de iniciativas de IA, pero carecen de marcos claros sobre qué medir, cómo hacerlo y qué horizonte temporal utilizar. Esta debilidad metodológica se convierte, paradójicamente, en una de las principales barreras para avanzar desde la experimentación hacia la integración estructural.
El principal cuello de botella no es tecnológico
Uno de los aprendizajes más relevantes de EmpresIA es que los principales problemas asociados a la adopción de IA rara vez provienen directamente de la tecnología, sino de la organización.
Los proyectos tienden a bloquearse cuando se enfrentan a estructuras rígidas de planificación y toma de decisiones, poco compatibles con tecnologías que evolucionan extremadamente rápido. Muchas empresas siguen operando con dinámicas diseñadas para proyectos tecnológicos tradicionales, donde el alcance puede definirse de manera relativamente estable desde el inicio. La IA rompe parcialmente esa lógica: obliga a iterar, experimentar y redefinir continuamente hipótesis y procesos.
A esto se suman problemas recurrentes relacionados con:
- calidad y gobernanza del dato,
- integración entre sistemas,
- definición de responsabilidades,
- selección de proveedores,
- o falta de perfiles puente entre negocio y tecnología.
En paralelo, aparecen resistencias culturales significativas. Algunas organizaciones muestran temor a la sustitución de puestos de trabajo, otras sufren saturación por exceso de herramientas y muchas todavía no consiguen trasladar internamente una comprensión clara del valor real de la IA más allá del hype tecnológico.
En numerosos casos, la IA actúa como un catalizador que hace visibles debilidades organizativas preexistentes.
Procesos mal definidos, sistemas fragmentados, gobernanza difusa o falta de alineación estratégica no desaparecen con la IA. Al contrario: la tecnología tiende a amplificar esas tensiones y actúa como una prueba de estrés organizativa.
No existe una única ruta de adopción
El análisis comparado de los casos muestra que no existe un camino universal hacia la integración de la IA.
Las empresas transitan por trayectorias muy distintas en función de:
- tamaño,
- sector,
- recursos disponibles,
- cultura organizativa,
- y ambición estratégica.
En fases tempranas predominan pilotos orientados principalmente al aprendizaje. La medición suele ser limitada, los liderazgos todavía son difusos y las decisiones se toman de manera relativamente experimental.
A medida que la IA empieza a integrarse en procesos reales, emergen nuevas necesidades:
- gobernanza,
- métricas robustas,
- definición de responsabilidades,
- gestión del cambio,
- y perfiles capaces de conectar tecnología y negocio.
Solo en algunos casos -todavía minoritarios- la IA comienza a reconfigurar de forma significativa la propuesta de valor o el modelo de negocio de la empresa.
Y aquí aparece un matiz importante: no todas las organizaciones necesitan ni desean una transformación profunda.
Para muchas pymes, un uso incremental y bien integrado de herramientas de IA puede ser plenamente óptimo si maximiza retorno, sostenibilidad y capacidad operativa sin introducir complejidad innecesaria.
En ocasiones, automatizar eficazmente determinados procesos administrativos genera más valor real que intentar rediseñar completamente el modelo de negocio alrededor de la IA.
La reorganización silenciosa del trabajo
Otro fenómeno especialmente interesante es que la IA está empezando a modificar tareas, responsabilidades y relaciones internas dentro de las organizaciones de una forma mucho más silenciosa de lo que suele reflejar el discurso público.
El estudio detecta:
- concentración de conocimiento en perfiles concretos,
- nuevas dependencias respecto a plataformas externas,
- asimetrías entre áreas más y menos maduras,
- y desplazamientos progresivos de determinadas funciones operativas.
Muchas de estas transformaciones todavía no aparecen formalizadas en organigramas o procesos internos, pero ya están alterando dinámicas de poder, capacidad de decisión y distribución del conocimiento.
En este sentido, la IA no solo introduce nuevas herramientas: introduce nuevas formas de trabajar, coordinarse y aprender. Y probablemente ese cambio organizativo termine siendo más profundo que el propio impacto tecnológico inicial.
De la promesa tecnológica a la práctica empresarial
Los resultados de EmpresIA sugieren que la pregunta relevante ya no es si las empresas deben adoptar inteligencia artificial.
La cuestión verdaderamente importante es en qué condiciones organizativas esa adopción consigue convertirse en una ventaja sostenible y no en una nueva fuente de complejidad.
La IA pone a prueba la capacidad de las organizaciones para:
- ordenar procesos,
- gobernar datos,
- iterar bajo incertidumbre,
- tomar decisiones rápidas,
- y aprender colectivamente.
Por eso, entender la adopción de IA únicamente desde la tecnología resulta insuficiente. La verdadera transformación ocurre cuando la inteligencia artificial entra en contacto con estructuras empresariales reales, con sus limitaciones, inercias y capacidades.
Y es precisamente en ese espacio -entre la promesa tecnológica y la práctica cotidiana- donde se juega gran parte del impacto real de la IA en el tejido productivo.
