El 97% de las empresas usa IA, pero solo el 5% tiene los datos en orden
La inteligencia artificial lleva más de un año en boca de todos los directivos, pero una encuesta masiva publicada en mayo de 2026 pone los pies en el suelo: el 97% de las organizaciones ya tiene iniciativas de IA en marcha, pero solo el 5% considera que su infraestructura de datos está realmente preparada para sostenerlas a escala empresarial, según el Dun & Bradstreet AI Momentum Survey, que analizó 10.000 empresas en 32 países. La brecha entre las demos impresionantes y el uso real en producción nunca ha sido tan evidente.
El dinero ya empieza a justificarse
Las cifras de retorno no son malas: el 60% de las empresas ya registra algún retorno de inversión medible, y el 24% reporta resultados sólidos y sostenidos. Eso explica que el 56% de las organizaciones planee aumentar su presupuesto en IA durante los próximos doce meses. Una tercera parte ha dejado ya las pruebas piloto y ha incorporado la IA a ciclos operativos reales.
El problema es que ese salto —de piloto a producción— exige una madurez de datos que muy pocas compañías tienen. Como señalan desde Dun & Bradstreet, lanzar un caso de uso aislado es posible incluso con datos desordenados, pero escalar a toda la organización requiere un ecosistema unificado, gobernado e interoperable. Sin ese fundamento, la IA se queda como una herramienta cara encerrada en un departamento.
Las barreras que frenan el salto
Cuando las empresas intentan salir de la "caja de arena" de los proyectos de prueba, chocan con los mismos obstáculos una y otra vez:
- Complejidad en el acceso a los datos (50%) - Preocupaciones de privacidad y cumplimiento normativo (44%) - Baja calidad e inconsistencia de la información (40%) - Falta de integración entre sistemas existentes (38%)
Solo uno de cada diez directivos afirma confiar en la capacidad de su empresa para gestionar los riesgos asociados a la IA. Esto es especialmente preocupante con la llegada de los sistemas agénticos —asistentes autónomos que ejecutan tareas sin supervisión humana constante—, que necesitan acceso continuo a datos actualizados y bien estructurados.
El caso español: salud digital como fortaleza, fragmentación como lastre
En España, el sector sanitario y las ciencias de la vida concentran uno de los mayores potenciales de IA de Europa: la presencia de startups especializadas se sitúa un 18% por encima de la media europea, con la industria farmacéutica y los ensayos clínicos como ejes tractores, según el análisis European AI Competitiveness Beyond Frontier Models. Sin embargo, los datos hospitalarios siguen fragmentados entre sistemas públicos y privados, lo que dificulta precisamente el tipo de integración que la IA necesita para funcionar a escala.
A eso se suma un entorno regulatorio complejo: la AEPD aplica el Reglamento europeo de IA, pero las empresas también deben cumplir con la regulación sectorial de la CNMC en telecomunicaciones y de la CNMV en servicios financieros. Esa doble vía normativa encarece y complica la gobernanza de datos, según los datos globales del Dun & Bradstreet AI Momentum Survey.
El reto real de 2026
El principal desafío de este año no es encontrar el modelo de IA más avanzado, sino construir la arquitectura de datos que lo sostenga. Las empresas que no lo hagan seguirán atrapadas en pilotos infinitos mientras sus competidores ya automatizan procesos completos. En España, quienes consigan conectar sus sistemas —especialmente en salud y banca— tienen una ventana real de ventaja competitiva.