El estado de la IA en España: informe cuantitativo 2025

Cuatro numeros que enmarcan la situacion

El 13,4% de las empresas españolas con mas de 10 empleados usa al menos una tecnologia de inteligencia artificial. La media de la UE-27 es el 13,5%. España esta, literalmente, en la media. Ni rezagada ni adelantada.

Ese dato, del Digital Economy and Society Index (DESI) 2024 de la Comision Europea, es el punto de partida de este informe. Pero como todas las medias, oculta mas de lo que revela. Porque si desagregar ese 13,4% por tamaño de empresa, sector y tipo de tecnologia, la foto cambia radicalmente. Las grandes empresas españolas (mas de 250 empleados) adoptan IA al 49,2%, por encima de Alemania (48,1%) y ligeramente por debajo de Francia (50,3%). Las pymes de 10 a 49 empleados estan en el 8,7%. La brecha no es un gap; es un abismo.

Este whitepaper recopila y analiza los datos cuantitativos disponibles sobre el estado de la IA en España. No es un ejercicio especulativo sobre lo que la IA podria hacer. Es un inventario de lo que esta haciendo, cuanto cuesta, donde funciona, y donde no. Las fuentes son publicas: INE (Encuesta sobre el uso de TIC y comercio electronico en las empresas), Banco de España (informes trimestrales de economia digital), Comision Europea (DESI, AI Watch), y los informes sectoriales de AMETIC y Cotec.

Inversion: cuanto y en que

España destino 1.847 millones de euros a inteligencia artificial en 2024, segun estimaciones del Observatorio Nacional de Tecnologia y Sociedad (ONTSI). Eso representa el 0,14% del PIB. A modo de comparativa: Francia destina el 0,21%, Alemania el 0,19%, y el lider europeo, Finlandia, el 0,37%.

Pero el numero agregado dice poco. Lo relevante es la composicion:

Sector publico: 612 millones (33%). La estrategia ENIA (Estrategia Nacional de Inteligencia Artificial) y los fondos Next Generation EU son los principales motores. El Plan de Digitalización de las Administraciones Publicas 2021-2025 tiene una partida especifica de 500 millones para IA, de los cuales se han ejecutado unos 340 millones hasta junio de 2025. Los proyectos mas visibles: el sistema de asistente virtual de la Agencia Tributaria (que procesa 2,3 millones de consultas mensuales), el sistema de deteccion de fraude de la Seguridad Social, y los proyectos piloto de justicia predictiva en tribunales mercantiles de Madrid y Barcelona.

Grandes empresas: 789 millones (43%). Las empresas del IBEX-35 concentran una parte desproporcionada. Telefonica, BBVA, Santander, CaixaBank e Inditex representan conjuntamente mas del 40% de esta partida. El patron es claro: las grandes empresas españolas invierten en IA al mismo nivel que sus homologas europeas. Pero hay 4.600 empresas de mas de 250 empleados en España, y la mitad no ha iniciado ningun proyecto de IA.

Pymes y startups: 446 millones (24%). Aqui esta la sorpresa relativa. El ecosistema de startups de IA en España ha crecido un 34% en numero de empresas entre 2022 y 2024, segun el mapa de Barcelona Supercomputing Center. Barcelona y Madrid concentran el 78% de estas empresas, con un cluster emergente en Valencia vinculado al sector logistico y agroalimentario.

La pregunta que no responden los datos de inversion es la eficiencia. Cuanto retorno genera cada euro invertido? Los datos granulares no existen a nivel nacional, pero el Banco de España estima que las empresas que adoptan IA reportan un incremento medio de productividad del 4,7% en los dos primeros años. Eso no es un numero que justifique euforia, pero si que justifique la inversion para quien la hace con criterio.

Adopcion por sectores: ganadores y rezagados

La adopcion de IA en España no es uniforme. La varianza intersectorial es enorme, y los sectores que lideran no son necesariamente los que uno esperaria.

Sector financiero: 38,2% de adopcion

El sector mas avanzado, sin discusion. Las entidades financieras españolas llevan una decada invirtiendo en modelos predictivos, deteccion de fraude y automatizacion de procesos. BBVA tiene mas de 400 modelos de IA en produccion. CaixaBank procesa el 100% de las solicitudes de credito a consumo con scoring basado en machine learning. Santander reporta que sus modelos de deteccion de fraude identifican el 94% de las transacciones fraudulentas con una tasa de falsos positivos del 0,3%.

Lo que distingue al sector financiero no es la tecnologia (los modelos son relativamente convencionales: XGBoost, redes neuronales poco profundas, modelos de lenguaje para NLP) sino la madurez operativa. Tienen equipos de MLOps, pipelines de datos robustos, gobernanza de modelos, y años de experiencia en cumplimiento regulatorio. La IA para ellos no es un proyecto de innovacion. Es infraestructura.

Retail y logistica: 22,1% de adopcion

El segundo sector, impulsado por dos fuerzas: la optimizacion de cadena de suministro y la personalizacion de la experiencia de cliente. Inditex es el caso paradigmatico (su sistema de prevision de demanda procesa 400 millones de articulos al año y ajusta produccion y distribucion en ciclos de 2 semanas), pero hay adopcion significativa en empresas medianas del sector.

La logistica especificamente ha encontrado en la IA aplicaciones con retorno inmediato: optimizacion de rutas, prevision de demanda, gestion de almacen y deteccion de anomalias en envios. Una empresa de distribucion de alimentacion con la que hemos trabajado redujo un 12% los kilometros recorridos por su flota con un sistema de optimizacion de rutas que combina programacion por restricciones con prediccion de trafico. El ROI fue positivo en 4 meses.

Industria manufacturera: 17,3% de adopcion

La industria española esta adoptando IA, pero a un ritmo inferior al de Alemania (24,8%) o Italia (19,1%). Las aplicaciones dominantes son mantenimiento predictivo, control de calidad visual (computer vision en lineas de produccion), y optimizacion de procesos. El sector del automovil lidera dentro de la industria, con SEAT/CUPRA y sus proveedores como principales adoptantes.

Una barrera especifica de la industria española: el tamaño. El 96% de las empresas industriales son pymes, y la mayoria opera con margenes que no permiten inversiones de 200.000 o 300.000 euros en proyectos de IA. Los programas de ayudas como el Kit Digital han ayudado, pero las soluciones de IA que cubren estos programas son basicas (chatbots, herramientas de marketing) y no abordan los casos de uso industriales de mayor impacto.

Salud: 14,6% de adopcion

El sector sanitario español tiene un potencial enorme para la IA (datos de 47 millones de pacientes en un sistema de salud publica universal) pero una adopcion relativamente baja por dos razones: regulacion estricta (justificada) y fragmentacion del sistema entre 17 comunidades autonomas con sistemas de informacion incompatibles.

Los proyectos mas avanzados estan en diagnostico por imagen (Hospital Vall d’Hebron en Barcelona, Hospital La Paz en Madrid) y en prediccion de reingresos. Pero escalar un modelo entrenado con datos del sistema catalan al sistema andaluz requiere un esfuerzo de integracion que nadie ha resuelto a escala.

Construccion: 6,2% de adopcion

El sector mas rezagado entre los principales de la economia española. Y no deberia sorprender. La construccion es un sector de baja digitalizacion general: solo el 34% de las empresas constructoras españolas tiene un ERP, segun el INE. Si no tienes datos digitalizados, no puedes aplicar IA. Es asi de simple.

Las excepciones existen. Ferrovial y ACS tienen divisiones de innovacion con proyectos de IA en gestion de proyectos, planificacion de obra y seguridad laboral. Pero son excepciones de empresas con ingresos superiores a 5.000 millones.

Barreras: por que no se adopta mas rapido

La Encuesta del INE sobre TIC en empresas pregunta directamente por las barreras para la adopcion de IA. Los resultados de 2024 son reveladores:

1. Falta de talento (67%). La barrera mas citada, y la mas real. España produce unos 3.200 graduados en programas directamente relacionados con IA al año (masters y doctorados en ML, data science, robotica). La demanda estimada por LinkedIn Economic Graph es de 12.000 posiciones anuales. El deficit es estructural y no se resolvera en el corto plazo.

El salario medio de un ingeniero de ML senior en España es de 55.000-70.000 euros brutos, segun datos de Glassdoor y Levels.fyi. En Alemania, 75.000-95.000. En Reino Unido, 80.000-110.000. En EEUU, 150.000-250.000. La fuga de talento no es una narrativa. Es un dato.

2. Coste (54%). La segunda barrera mas citada, pero mas matizada de lo que parece. El coste de los modelos ha caido dramaticamente: una llamada a GPT-4 cuesta un 90% menos que hace 18 meses. El coste real no esta en la inferencia sino en la integracion. Conectar un modelo de IA con los sistemas existentes de una empresa (ERP, CRM, sistemas legacy) es un proyecto de ingenieria que requiere meses de trabajo y personal cualificado. Que nos lleva de vuelta a la barrera 1.

3. Incertidumbre regulatoria (41%). El AI Act europeo entro en aplicacion parcial en febrero de 2025. Las empresas españolas, especialmente en sectores regulados (finanzas, salud, seguros), citan la incertidumbre sobre clasificacion de riesgo de sus sistemas como freno a nuevas inversiones. No quieren invertir en un sistema que podria requerir modificaciones sustanciales para cumplir normativa.

Esto es parcialmente racional y parcialmente excusa. Las obligaciones del AI Act para sistemas de alto riesgo son exigentes (documentacion tecnica, evaluacion de conformidad, monitorizacion post-despliegue), pero la mayoria de las aplicaciones empresariales de IA no caen en la categoria de alto riesgo. Un sistema de recomendacion de productos no es alto riesgo. Un chatbot de atencion al cliente no es alto riesgo. La percepcion de complejidad regulatoria supera la complejidad real.

4. Calidad de datos (38%). La basura entra, la basura sale. Las empresas que no han invertido en ingenieria de datos no pueden hacer IA. Un modelo de prevision de demanda necesita datos historicos limpios, consistentes y completos. Si tu ERP tiene campos vacios, duplicados y categorias inconsistentes, el modelo aprendera basura. Hemos visto proyectos de IA fracasar no por la IA sino porque los primeros tres meses se fueron en limpiar datos que la empresa creia que estaban limpios.

5. Falta de casos de uso claros (29%). “Sabemos que la IA es importante, pero no sabemos donde aplicarla.” Es la quinta barrera, pero quiza deberia ser la primera en prioridad de resolucion. Las empresas que empiezan con un caso de uso concreto, medible y acotado (clasificar facturas, predecir cancelaciones, optimizar turnos) tienen tasas de exito significativamente mayores que las que empiezan con “queremos hacer algo con IA.”

Resultados medibles: que dice la evidencia

Hablar de potencial es facil. Mostrar resultados es otra cosa. Que dicen los datos sobre el impacto real de la IA en las empresas españolas?

El Banco de España publico en marzo de 2025 un analisis basado en la Central de Balances que cruza datos de adopcion de IA con indicadores financieros. Las conclusiones:

• Las empresas que adoptan IA muestran un crecimiento de productividad laboral un 4,7% superior a las que no la adoptan, controlando por tamaño, sector y antiguedad.
• El efecto es no lineal. Las empresas que llevan mas de dos años con IA en produccion muestran ganancias del 7,2%. Las que llevan menos de un año, 1,8%. La IA necesita tiempo para generar retorno.
• No hay evidencia de destruccion neta de empleo. Las empresas que adoptan IA contratan, de media, un 2,3% mas que las que no. El perfil cambia (mas perfiles tecnicos, menos perfiles administrativos), pero el saldo neto es positivo.
• El sector con mayor impacto medido es el financiero (+8,1% de productividad), seguido de logistica (+6,3%) y servicios profesionales (+4,9%).

Estos numeros son consistentes con la literatura internacional. El informe de Goldman Sachs de enero de 2025 estima un impacto global de la IA generativa en la productividad del 1,5% anual acumulativo. El informe de McKinsey estima que entre el 60% y el 70% del potencial economico de la IA generativa proviene de automatizacion de tareas dentro de funciones existentes, no de funciones nuevas.

Lo que estos informes no dicen (porque no tienen los datos) es cuantos proyectos de IA fracasan. Nuestra experiencia y la de otros consultores del sector sugiere que entre el 60% y el 70% de los proyectos de IA empresarial no llegan a produccion. Las razones son las barreras que ya hemos descrito: datos insuficientes, falta de integracion, expectativas desalineadas. El 4,7% de ganancia de productividad es el resultado de los proyectos que sobreviven, no de todos los proyectos que se inician.

Comparativa europea: donde esta España realmente

La posicion de España en el contexto europeo requiere mas matiz que un ranking simple. Depende de que midas:

Adopcion empresarial general: Posicion 14 de 27 en la UE. En la media. Dinamarca lidera con 24,1%, seguida de Finlandia (22,8%) y Paises Bajos (19,7%).

Investigacion: España es el 4o pais de la UE en publicaciones cientificas sobre IA (detras de Alemania, Francia e Italia) y el 5o en patentes. El CSIC, las universidades politecnicas de Madrid, Barcelona y Valencia, y centros como el BSC tienen produccion investigadora de primer nivel. No hay deficit de capacidad investigadora.

Ecosistema startup: España ocupa la posicion 8 en Europa por numero de startups de IA, segun el AI Index de Stanford. Barcelona es el 4o hub europeo de IA despues de Londres, Paris y Berlin. Madrid no aparece en los rankings de hubs pero tiene mas empresas de IA aplicada a finanzas y telecomunicaciones que Barcelona.

Inversion de capital riesgo en IA: 487 millones de euros en 2024, segun Dealroom. Lejos de Francia (2.100 millones) y Alemania (1.300 millones), pero en crecimiento del 28% interanual. El gap de capital es real pero se esta cerrando.

Infraestructura de computacion: El BSC alberga MareNostrum 5, uno de los 10 supercomputadores mas potentes de Europa. Pero el acceso a GPU cloud para empresas sigue siendo caro y la oferta de data centers en España es limitada comparada con Irlanda, Paises Bajos o los paises nordicos. Los planes de Amazon (Aragon), Google (Malaga) y Microsoft (Madrid) de abrir regiones de cloud en España cambiaran esta situacion en 2025-2026.

La brecha pyme: el problema central

Si hay un dato que resume el problema de la IA en España, es este: la adopcion de IA en empresas de mas de 250 empleados es del 49,2%. En empresas de 10 a 49 empleados es del 8,7%. Y las empresas de 10 a 49 empleados representan el 85% del tejido empresarial español.

No es un problema de voluntad. Es un problema de recursos. Una pyme con 20 empleados y 3 millones de facturacion no tiene un departamento de datos, no tiene un ingeniero de ML, y probablemente su “infraestructura de datos” es un Excel compartido y un CRM a medio implementar. Decirle a esa empresa que “adopte IA” es como decirle a alguien sin coche que participe en Formula 1.

Las soluciones realistas para pymes pasan por tres vias:

1. IA embebida en herramientas existentes. No necesitas un proyecto de IA propio. Necesitas herramientas de negocio que incorporen IA. Tu CRM ya tiene scoring predictivo. Tu plataforma de email marketing ya tiene optimizacion de asunto. Tu herramienta de contabilidad ya esta incorporando clasificacion automatica. Esta es la via de mayor impacto a corto plazo.

2. Soluciones verticales preconfiguradas. Productos SaaS especificos para un sector y un caso de uso. Un sistema de gestion de almacen con prevision de demanda integrada. Una plataforma de atencion al cliente con respuestas automaticas preentrenadas para tu sector. El coste baja de 200.000 euros de un proyecto a medida a 500-2.000 euros mensuales de un SaaS vertical.

3. Servicios gestionados de IA. Externalizar la implementacion y operacion de IA a un proveedor especializado, como hacen con la contabilidad o el marketing digital. Este modelo esta emergiendo en España y es, en nuestra opinion, el que mejor se adapta a la estructura empresarial del pais. La pyme no necesita saber de machine learning. Necesita que alguien lo haga por ella y le cobre por resultados.

Politica publica: que funciona y que no

La estrategia ENIA tiene tres ejes: talento, ecosistema y adopcion. Un repaso rapido por resultados:

Talento: Se han creado 5 catedras de IA en universidades publicas y se han financiado 1.200 becas predoctorales vinculadas a IA. Es un inicio, pero no resuelve el deficit estructural. El problema no es formar investigadores (España los forma bien) sino retenerlos. Sin salarios competitivos y sin un ecosistema empresarial que absorba talento de IA, formamos investigadores para exportar.

Ecosistema: Los programas de aceleracion (INCIBE para ciberseguridad con IA, CDTI para proyectos de I+D) han funcionado razonablemente bien. El sandbox regulatorio de IA del Gobierno de España, uno de los primeros de Europa, ha procesado 28 proyectos piloto con una tasa de conversion a producto del 43%. Es un dato positivo.

Adopcion: El Kit Digital ha distribuido bonos de digitalizacion a mas de 800.000 pymes. Pero la partida especifica de IA dentro del Kit Digital es modesta y las soluciones acreditadas son basicas. Para la mayoria de pymes, el Kit Digital ha servido para tener una web y un CRM, no para adoptar IA. Es un paso previo necesario, pero no es adopcion de IA.

Proyecciones: que esperar de 2025-2027

Proyectar es un ejercicio con margen de error amplio. Dicho eso, los datos disponibles permiten algunas estimaciones:

Adopcion empresarial llegara al 20-22% para finales de 2027, impulsada principalmente por IA embebida en herramientas SaaS, no por proyectos propios. La adopcion en grandes empresas convergera con la media europea (55-60%).

Inversion crecera un 15-20% anual, empujada por tres factores: fondos europeos (que empiezan a ejecutarse de verdad en 2025-2026), reduccion de costes de inferencia (que hace viables proyectos que antes no lo eran), y presion competitiva (las empresas que no adoptan IA ven como sus competidores si lo hacen).

Talento seguira siendo la barrera principal. A no ser que haya un cambio significativo en politica de inmigracion cualificada o en niveles salariales del sector, España no cerrara su deficit de talento en IA antes de 2030.

Regulacion se clarificara. La aplicacion completa del AI Act en agosto de 2026 eliminara la incertidumbre regulatoria como barrera, aunque creara nuevos costes de cumplimiento para los sistemas de alto riesgo.

Lo que significan estos datos

España no tiene un problema de IA. Tiene un problema de escala. La capacidad investigadora existe. Las grandes empresas compiten a nivel europeo. El ecosistema startup crece. Lo que falta es que esa capacidad llegue al 85% del tejido empresarial que son pymes.

Resolver eso no es un problema tecnologico. Es un problema de modelo de negocio. Quien encuentre la forma de hacer que la IA sea accesible, util y pagable para una empresa de 20 personas capturara un mercado enorme. No solo en España. En toda Europa meridional, con estructuras empresariales similares.

Los datos dicen que estamos en la media. La pregunta es si la media es suficiente. Para las empresas que ya adoptan IA, probablemente si. Para el pais en su conjunto, probablemente no. La diferencia entre el 13% de hoy y el 25% de los paises lideres no se mide en puntos porcentuales. Se mide en productividad, competitividad y, en ultimo termino, en nivel de vida.

Este informe se actualizara trimestralmente a medida que se publiquen nuevos datos. Los numeros cambiaran. La conclusion de fondo, probablemente no: la IA en España funciona donde se invierte en serio. El reto es ampliar el “donde.” Para el analisis mas cualitativo y de opinion sobre estos mismos datos, consulta nuestro articulo sobre Espana y la adopcion de IA. Y si quieres aterrizar estos numeros en un presupuesto concreto para tu empresa, nuestro desglose de costes reales de implementacion de IA en pymes lo detalla con datos de proyectos propios.