Docenteo: 64% de empresas en España sigue en IA básica

El dato que incomoda: 64% de empresas españolas sigue en IA básica

El 64% de las empresas españolas continúa centrada en usos básicos de la inteligencia artificial, según el informe Desbloqueando el potencial de la IA en España en 2026, elaborado por Amazon y recogido por Servimedia y La Vanguardia. Para Docenteo, consultora española especializada en datos, tecnología e IA, esa cifra no es una sorpresa: describe una realidad cada vez más visible en las organizaciones, donde la presión por "hacer algo con IA" supera a la claridad sobre qué problema se quiere resolver.

El dato importa porque ocurre en un país donde, según el INE y datos recogidos por ISDI, apenas el 21,1% de las empresas de 10 o más empleados utiliza IA de forma efectiva, solo el 11% la ha escalado a nivel organizativo y más del 60% reconoce no tener una estrategia clara al respecto. El dinero, en cambio, sí está entrando: la inversión corporativa global en IA alcanzó los 252.300 millones de dólares en 2024, según datos de Stanford citados por ZDNET.

¿Por qué fracasan tantos proyectos de IA si la inversión no para de crecer?

La distancia entre lo que se gasta y lo que se obtiene es ya un patrón documentado por varias fuentes. Un estudio del MIT Project NANDA de 2025, recogido por Forbes y por un comunicado basado en análisis de RAND, concluyó que alrededor del 95% de los pilotos de IA generativa no mostraron un impacto medible en la cuenta de resultados. RAND, por su parte, analizó más de 2.400 iniciativas empresariales de IA y calculó una tasa de fallo cercana al 80%, con más de un tercio de proyectos abandonados antes de llegar a producción. Gartner estima que solo alrededor del 48% de los proyectos de IA llegan a producción y que el 85% de los fracasos se se remontan a problemas de calidad de datos.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Y el problema se agrava, no se resuelve, con el tiempo. Una investigación de S&P Global de 2025 reportó que el 42% de las empresas abandonó al menos una iniciativa de IA ese año, frente al 17% de 2024. Gartner además pronostica que más del 40% de los proyectos de IA agéntica serán cancelados antes de finales de 2027. Una encuesta de IBM a 2.000 CEOs, citada por Forbes, reveló que solo una cuarta parte de las iniciativas de IA había reportado el retorno esperado en los últimos tres años. El mensaje es consistente: el grueso de las organizaciones gasta más cada año en IA mientras una minoría creciente confirma retorno.

Lo que Docenteo ve en las empresas españolas

Los cofundadores de Docenteo, Álvaro Montero (responsable técnico) y Alejandro Peris (responsable de negocio), llevan meses escuchando el mismo patrón en cliente tras cliente. Para Montero, el error de origen es casi siempre el mismo: "la conversación empieza por la tecnología cuando debería empezar por el impacto de negocio que se quiere conseguir". Antes de hablar de modelos, asistentes o automatización, señala, las empresas deberían preguntarse qué indicador quieren mejorar, cuánta más eficiencia buscan y qué resultado concreto esperan.

Docenteo identifica tres bloqueos que, en su experiencia, aparecen antes incluso de que la IA entre en juego: datos dispersos o de baja calidad, procesos todavía manuales y herramientas tecnológicas infrautilizadas, además de equipos que no han incorporado las soluciones existentes a su forma de trabajar. "La IA puede multiplicar el valor de una empresa, pero necesita una base sólida para hacerlo. Si los datos no son fiables, los procesos no están definidos o los equipos no adoptan las herramientas, el impacto será necesariamente limitado", resume Montero.

Peris pone el acento en el ROI: "la cuestión ya no es cuánto se invierte en inteligencia artificial, sino qué retorno de la inversión se obtiene. Hoy, más de la mitad de los proyectos de IA fracasan o no superan la fase piloto porque no tienen un ROI claro para la organización". La razón, añade, es que las iniciativas se plantean desde la tecnología y no desde el negocio. Docenteo ve en ese desajuste el verdadero campo de juego de los próximos años.

¿Qué significa esto para tu startup?

Si estás montando o escalando una startup, el aviso de Docenteo no va solo contra las grandes corporaciones: aplica igual, y a veces con más crudeza, a equipos pequeños que copian el manual corporativo sin tener su colchón.

Empieza por el KPI, no por el modelo. Antes de evaluar GPT, Claude, Gemini o cualquier API, escribe en una frase qué métrica de negocio quieres mover (tiempo de respuesta, churn, coste por operación, leads cualificados). Si la frase no sale, la IA todavía no toca.
Audita datos y procesos antes que tecnología. El 85% de los fracasos en IA se se originan a datos sucios, según Gartner. Dedical al menos una sprint a limpiar, unificar y etiquetar los datos que alimentarán tu modelo o prompt.
Mide baseline antes de lanzar. Proyectos con métricas de éxito predefinidas tienen éxito alrededor del 54%, frente al 12% de los que no las tienen, según datos recogidos por TechEsperto. Si no mides cómo se hacían las cosas antes, no podrás demostrar (ni ante ti mismo) que la IA las hace mejor.
Diseña un piloto con criterios de salida. Define en qué condiciones el piloto escala y en cuáles se cancela. Más del 40% de empresas abandonaron al menos una iniciativa de IA en 2025 según S&P Global; un criterio de salida explícito evita que tu piloto se convierta en proyecto zombie.

El mensaje de fondo de Docenteo, y de toda la evidencia acumulada en 2025 y 2026, es que la IA bien aplicada multiplica valor, pero mal aplicada multiplica gasto. Para una startup, eso significa que la ventaja competitiva no está en tener el modelo más avanzado, sino en tener el problema mejor definido y los datos más limpios.