Publicado: abril 15, 2026, 12:27 pm
La IA no necesariamente va a sustituirte en tu trabajo, o al menos no de la forma en la que muchas veces se plantea, pero sí puede cambiar bastante la manera en la que haces las cosas. Enrique Serrano, CEO de Tinámica y presidente de la Comisión Inteligencia Artificial y Economía del Dato de AMETIC, lo resume con una imagen bastante gráfica: “La inteligencia artificial te convierte en un Buzz Lightyear”. No porque te vuelva imprescindible, sino porque amplía tus capacidades: “Incrementas tu memoria, tu capacidad retentiva, tienes acceso a un volumen ingente de información y te permite analizar más rápido”, explica, asemejándolo, en cierto modo, a trabajar con una especie de “superpoderes” que hasta hace poco no estaban al alcance de cualquiera.
Esa idea, que puede sonar algo exagerada, encaja bastante bien con lo que está ocurriendo ahora mismo en las empresas. La inteligencia artificial ya está entrando en procesos reales, pero lo está haciendo de forma desigual y, sobre todo, mucho menos espectacular de lo que sugiere el discurso público. “No estamos en una adopción masiva, sino en un despliegue selectivo”, explica Serrano, que sitúa en torno al 21 % el porcentaje de compañías españolas de más de diez empleados que han empezado a utilizarla. “Hay unas empresas que van más deprisa, las que empezaron antes, las que se formaron o las que tenían más cultura digital”, añade, frente a otras que siguen “en modo prueba o piloto”. Es decir, hay avances, pero también bastante camino por recorrer.
Serrano intenta bajar el discurso a la realidad durante la entrevista, realizada en el marco del AMETIC AI Summit que se está celebrando los días 15 y 16 de abril en Madrid, un encuentro que reúne a representantes institucionales, empresas tecnológicas y expertos del ecosistema digital para analizar el impacto real de la inteligencia artificial en la economía, la sociedad y el tejido empresarial.
El gran problema no es la IA, son los datos
En ese contexto, más que hablar de una revolución inmediata, quizá tiene más sentido entender la IA como una herramienta que mejora lo que ya existe. “Ayuda más a trabajar mejor que a revolucionar”, señala, insistiendo en que su impacto, al menos por ahora, está más ligado a la eficiencia que a cambios estructurales profundos. También matiza que muchas empresas empiezan por tareas concretas: “En pymes, sobre todo en procesos de marketing o comerciales”, mientras que las grandes pueden abordar automatizaciones más amplias. Y ahí es donde aparece uno de los problemas de fondo que, según él, sigue sin resolverse: el de los datos.
Porque, aunque la conversación pública gire casi siempre en torno a modelos —los famosos LLM—, asistentes o chatbots, la base sigue siendo mucho más básica. “La inteligencia artificial se alimenta de datos y, si le das basura, devuelve basura multiplicada”, advierte. Dicho de otra manera, el verdadero cuello de botella no está tanto en la tecnología como en la calidad de la información con la que trabajan las empresas, que en muchos casos sigue siendo insuficiente o directamente poco fiable.
Esa falta de madurez en los datos no es un problema menor ni aislado, sino más bien una de las razones que explican por qué la inteligencia artificial no termina de desplegar todo su potencial en el tejido empresarial. De hecho, Serrano insiste en que muchas compañías siguen arrastrando deficiencias estructurales en la forma en la que recogen, almacenan y gestionan la información, lo que acaba condicionando cualquier intento de avanzar en este terreno. “Hay casos en los que solo un 9 % de los datos de clientes están bien”, señala, poniendo sobre la mesa una realidad que, aunque no siempre visible, resulta bastante más determinante que cualquier avance tecnológico.
Por qué muchas empresas no están aprovechando la IA
En paralelo, esta situación también ayuda a entender por qué la adopción de la IA no es homogénea. Mientras algunas empresas, generalmente las más grandes o las que empezaron antes a trabajar con datos, han conseguido integrar estas herramientas en procesos concretos, otras siguen en fases muy iniciales, más cercanas a la prueba que a la aplicación real. En el caso de las pymes, esa distancia es todavía más evidente. “Muchas están empezando con lo básico”, reconoce, aunque matiza que, a diferencia de otras revoluciones tecnológicas, el acceso a la inteligencia artificial no exige hoy inversiones tan elevadas como podría pensarse.
Aun así, el problema no es tanto de acceso como de enfoque. En muchos casos, explica, las empresas siguen acercándose a la IA sin una estrategia clara. “El primer error es no saber el qué ni el para qué”, advierte. A eso se suma otro fallo habitual: la falta de formación. “No vale con hacer un curso y ya está”, señala, defendiendo que el aprendizaje debe ser continuo. “Hay que ir al gimnasio de la IA de forma recurrente”, apunta, en referencia a la necesidad de actualizar conocimientos de manera constante.
El tercer gran problema vuelve a ser, de nuevo, el dato. “No le estamos dando la importancia que tiene”, insiste, poniendo ejemplos muy concretos, como procesos de recogida de información todavía manuales, sin garantías de calidad. “¿De qué te sirve un Ferrari si no le echas el combustible adecuado?”, plantea.
Europa regula la IA
En este escenario, la regulación aparece como otro de los elementos que condicionan el desarrollo de la inteligencia artificial, especialmente en Europa. Serrano la compara con un código de circulación: un marco necesario para evitar riesgos y ordenar el uso de una tecnología que, mal empleada, puede tener consecuencias importantes. Al mismo tiempo, advierte de que ese equilibrio no siempre es sencillo y que existe el riesgo de caer en una sobrerregulación que complique la adopción, sobre todo en el caso de las pequeñas y medianas empresas.
No es una preocupación menor si se tiene en cuenta que adaptarse al reglamento europeo de inteligencia artificial puede suponer una inversión significativa. La propia Unión Europea estima un coste medio de unos 300.000 euros para una pyme, una cifra que, aunque depende del tamaño y del grado de implantación, da una idea del esfuerzo que puede implicar. De ahí que, en su opinión, más que añadir nuevas capas normativas, el reto esté en simplificar y coordinar las existentes, evitando duplicidades y facilitando su aplicación práctica.
Con todo, el escenario que dibuja está lejos de ser pesimista. La inteligencia artificial avanza, aunque lo haga de forma más lenta y desigual de lo que a veces se percibe desde fuera, y lo hace, sobre todo, en aquellos entornos donde hay una base sólida sobre la que construir. Volviendo a la metáfora inicial, los “superpoderes” están ahí, pero no funcionan por sí solos. Requieren entrenamiento, criterio y, sobre todo, una materia prima —los datos— que, a día de hoy, sigue siendo el verdadero punto débil de muchas empresas.
