Inteligencia artificial: impacto real más allá del caso de uso

La mitad de las empresas reconoce que sigue sin contar con un modelo de gobierno de la IA, con un 46,7% todavía en la fase de planificación y gestión de la demanda. Asimismo, el 41% aún está aún adaptándose a la normativa europea, de acuerdo con nuestro informe Cloud en España 2025. Mientras tanto, las compañías siguen empeñadas en invertir en casos de uso sin una estrategia rectora que canalice la inversión, la dirija hacia el crecimiento y hacia nuevos modelos de negocio y evite el despilfarro de recursos.

1. Implantar un gobierno de la IA acompañando a los planes estratégicos

Según el estudio Informe Cloud en España 2025, casi la mitad de las organizaciones dice no tener un modelo de gobierno de la IA, encontrándose en su mayoría en fase de planificación. Esto implica que están realizando análisis y gestionando la demanda, lo cual es un buen indicador de madurez incipiente, pero no es suficiente si queremos tener la situación bajo control. 
Una falta de gobernanza puede tener consecuencias importantes desde el punto de vista de competitividad y eficiencia, exponiendo además a la empresa a riesgos legales, éticos y reputacionales.
La IA y los datos son ya un activo estratégico que hay que gobernar. Y para ello, es necesario disponer de estructuras de gobierno y control claras, políticas y protocolos éticos, de seguridad, de cumplimiento normativo y supervisión continua, especialmente en sectores sensibles como la salud, las finanzas o la administración pública.
El modelo también debe contemplar la definición de roles y responsabilidades y lo que es más importante unas métricas para medir el impacto y guiar “la nave” en la dirección correcta.

2. Interiorizar la regulación europea

Transcurrido un año desde la entrada en vigor de la Ley Europea de la IA, se pone de relieve que la adaptación a la nueva legislación está siendo, como por otra parte cabía esperar, progresiva y lenta. Las empresas deben conocer a fondo la legislación y diseñar hojas de ruta específicas para cumplir con sus exigencias. La transparencia y la trazabilidad de los sistemas deben ser principios rectores desde el diseño
Volviendo a nuestro informe, el 24,4 % de las organizaciones dice haber completado la adaptación a la legislación europea en materia de IA, mientras que el 41,1 % está en proceso con objetivos concretos para el año en curso. Esta situación conlleva que más de la mitad de las empresas ya están tomando acciones, lo cual es alentador.
Sin embargo, casi una de cada cuatro aún no ha iniciado ningún proceso de adaptación, o lo que resulta más preocupante declara desconocer los requisitos normativos.
Esta falta de alineamiento normativo puede generar problemas no solo legales, sino también de competitividad. El marco europeo establece obligaciones estrictas en cuanto a transparencia, seguridad y evaluación de riesgos, especialmente en sistemas de IA de alto riesgo.
En los próximos dos años, hasta la completa entrada en vigor de la ley, aquellas empresas que no se preparen adecuadamente podrían quedarse fuera del mercado europeo o enfrentar sanciones significativas. En este sentido, se vuelve fundamental integrar la normativa como un eje estratégico del desarrollo de soluciones de IA.

3. Invertir racionalizando y optimizando costes

Uno de los mayores desafíos en la adopción de IA es el coste de infraestructura, especialmente relacionado con servicios en la nube. Un contundente 64,4 % de las organizaciones afirma que los costes “cloud” asociados a la IA son inferiores al 20 % de su gasto total. Esto podría indicar que, al menos para una mayoría, la barrera económica directa no es tan alta como a menudo se percibe.
Por el contrario, un 6,6 % afirma que estos costes superan el 50 % de su gasto. Esta variabilidad en el gasto podría reflejar que la utilización de los modelos de IA, con costes asociados al tipo de algoritmo, el volumen de datos, la frecuencia de entrenamiento y la escalabilidad de las aplicaciones, no es homogénea.

Estos costes son muy variables, pero pueden controlarse mediante soluciones escalables, IA como servicio (AIaaS) y estrategias basadas en eficiencia energética y reutilización de modelos pre-entrenados.
Las empresas deberían priorizar modelos sostenibles y eficientes, apostando por arquitecturas cloud híbridas, soluciones open-source y estrategias de optimización de recursos. Asimismo, es clave la negociación con proveedores tecnológicos de acuerdos personalizados y adaptados a las necesidades reales de cada organización..

4. Tener una visión global va más allá de algoritmos

Por último, la inteligencia artificial ofrece a las empresas una oportunidad sin precedentes para mejorar su productividad, competitividad y capacidad de innovación, pero la utilización de la IA debería ser un medio y no un fin en sí mismo. Cientos de casos de uso han sido un fracaso por el mero hecho de obviar la fase de adopción, habiendo sido tratados como una compra de la “teletienda” que, con la misma rapidez que se adquiere, se abandona.
Y es que, al igual que en el resto de las transformaciones a las que nos hemos tenido que enfrentarnos en las últimas décadas, las compañías deben asegurarse de abordar de manera conjunta y coordinada todos los aspectos claves, más allá de la componente tecnológica, de manera que:

avancen de manera ordenada e integrada para asegurar los resultados deseados y la sostenibilidad del modelo, minimizando la resistencia, intrínseca al ser humano y por ende a las compañías, a cualquier cambio.