La Promesa del Cuatro Por Ciento
El 23 de marzo de 2026, el economista jefe del BCE se puso en pie en Frankfurt y cifró el premio. En una década, la inteligencia artificial podría elevar la productividad de la zona euro en más de cuatro puntos porcentuales. Eso no es una ganancia marginal. Cuatro puntos compuestos en diez años es la diferencia entre un bloque estancado y un bloque que crece. Es el tamaño de la brecha que Mario Draghi pasó un año documentando en su informe sobre competitividad.
El premio viene con una condición. La cifra de cuatro puntos asume que la adopción alcance al menos la mitad de la economía. Hoy, la adopción entre empresas de la UE con diez o más empleados es del veinte por ciento. Para las pequeñas empresas, es del diecisiete.
El BCE no está vendiendo optimismo. Está publicando un condicional. La condición es la adopción. La adopción es arquitectura, no aspiración.
El Discurso
La ponencia se pronunció en la ECB-SAFE-RCEA International Conference on the Climate-Macro-Finance Interface (3CMFI), en Frankfurt. El orador fue Philip R. Lane, miembro del Comité Ejecutivo del BCE y economista jefe del banco. El título — “AI and the euro area economy” — está en la web del BCE. El texto es público. Léalo, no los comentarios sobre él.
Lane estructuró el discurso en torno a tres preguntas. ¿Qué está haciendo la IA hoy a la macroeconomía? ¿Qué podría hacer durante la próxima década? ¿Y qué tendría que ser cierto para que Europa capture las ganancias? La primera respuesta es: todavía no mucho. Los efectos agregados de la IA sobre la productividad, el empleo y la inflación siguen siendo limitados e inciertos. La difusión es rápida. La inversión sube. El impacto macroeconómico medido, hasta ahora, es pequeño.
La segunda respuesta es donde aparecen los cuatro por ciento — y donde hay que leer con cuidado.
Lane revisó previsiones externas. Goldman Sachs Research, en marzo de 2023, proyectó que una adopción generalizada de la IA podría elevar el crecimiento anual de la productividad laboral en alrededor de 1,5 puntos porcentuales en una década. McKinsey, en junio de 2023, sugirió que la IA combinada con una automatización más amplia de actividades laborales podría sumar hasta 3,4 puntos porcentuales al año hasta 2040. Estas no son las previsiones de Lane. Son el rango de escenarios plausibles a partir del cual Lane trabajaba.
Después Reuters hizo la síntesis. En la cobertura publicada el mismo día, la agencia resumió el planteamiento de Lane: una tasa de adopción en línea con innovaciones anteriores como internet entregaría al menos 1,5 puntos porcentuales de crecimiento adicional de productividad en diez años; si la adopción continuara al ritmo actual y alcanzara al menos la mitad de la economía, la ganancia podría superar los cuatro puntos porcentuales. Esa síntesis es el origen del titular “promesa del cuatro por ciento”. Es paráfrasis del periodista, no una cita directa de Lane. La sustancia está en el discurso. La síntesis está en la noticia.
La cita directa — la que Lane efectivamente pronunció — es esta: el mayor impacto se logrará si la IA acelera materialmente el ritmo de la innovación, ya que en lugar de simplemente elevar el nivel de productividad, esto podría aumentar la tasa de crecimiento potencial a largo plazo. Esa frase es el discurso en miniatura. La cifra de cuatro puntos está condicionada a la aceleración de la innovación, no solo a la adopción de herramientas.
El Denominador
El escenario de cuatro puntos exige que la IA llegue al menos a la mitad de la economía. El estado actual está documentado.
Eurostat publicó sus cifras de 2025 el 11 de diciembre de 2025. El veinte por ciento de las empresas de la UE con diez o más empleados usó tecnologías de IA ese año, frente al 13,5 por ciento en 2024. El crecimiento — 6,5 puntos porcentuales en un solo año — es el ritmo más rápido que la encuesta haya registrado nunca. El nivel sigue siendo veinte por ciento.
Desagregue por tamaño de empresa y la estructura se hace visible. Diecisiete por ciento de las pequeñas empresas (10–49 empleados) usó IA. Treinta coma cuatro por ciento de las medianas empresas (50–249 empleados). Cincuenta y cinco por ciento de las grandes empresas (250+ empleados). La brecha entre pequeñas y grandes es de treinta y ocho puntos porcentuales. El denominador que el escenario de Lane exige — la mitad de la economía — no está presente en ninguna clase de tamaño excepto en las grandes empresas, y aun ahí está apenas presente.
La geografía agrava la estructura. Dinamarca lidera con cuarenta y dos por ciento. Finlandia está en 37,8. Suecia en 35. En el otro extremo, Rumanía registra 5,2 por ciento. Polonia 8,4. Bulgaria 8,5. La media de la zona euro se sitúa entre estos polos. Los países que llevarán el escenario de los cuatro puntos a la realidad no son los países donde la brecha es más amplia. Son los países donde la brecha ya es la más estrecha.
Este es el problema del denominador. La cifra de cuatro puntos del BCE es función de una fracción. El numerador es plausible — la IA genera ganancias de productividad en las empresas que la usan bien. El denominador es la cuota de la economía donde existen esas empresas. Hoy, el denominador es una de cada cinco. La promesa exige una de cada dos.
Lo Que Encontró la Encuesta SAFE
La otra fuente primaria es la propia Survey on the Access to Finance of Enterprises (SAFE) del BCE. La oleada del cuarto trimestre de 2025 incluyó preguntas ad hoc sobre adopción de IA. Cinco mil empresas en la zona euro respondieron. Los resultados se publicaron en el foco del Boletín Económico en febrero de 2026.
La cifra de cabecera suena alentadora. Dos tercios de las empresas encuestadas reportaron que sus empleados usan IA. Lea más adentro y la estructura se invierte. Veintisiete por ciento de las empresas no usan IA en absoluto. Treinta y tres por ciento la usan muy infrecuentemente o de forma experimental. Treinta y uno por ciento la usan moderadamente. Siete por ciento la usan significativamente.
Siete por ciento. Esa es la cuota de empresas de la zona euro donde la IA está genuinamente incorporada en las operaciones. No abierta ocasionalmente. No pilotada en un departamento. Usada significativamente. La cifra es la misma para PYMES y grandes empresas — que es la única buena noticia en los datos. Cuando las empresas se comprometen con la IA, el tamaño no determina la profundidad del uso.
Pero el compromiso es raro. Entre los no usuarios, treinta por ciento citan falta de utilidad como la barrera principal. Veinte por ciento citan incompatibilidad de sistemas. Veinte por ciento citan escasez de competencias. Las barreras no son curiosidad ni presupuesto. Son metodología de despliegue, preparación de datos, e incapacidad de identificar dónde la herramienta da retorno. Son problemas arquitectónicos. No se resuelven comprando licencias.
La intención de inversión sigue el mismo patrón. Las empresas esperan asignar nueve por ciento de la inversión total a la IA en promedio. Los no usuarios planean cuatro por ciento. Los usuarios moderados once. Los usuarios significativos veinte. Las empresas más comprometidas invierten cinco veces el ritmo de las menos comprometidas. La brecha se está ampliando, no cerrando.
Los datos SAFE también segmentan por características de la empresa. Cuarenta y cinco por ciento de las grandes empresas y de las empresas cotizadas o respaldadas por capital riesgo están en una etapa avanzada de adopción — uso significativo o moderado. La cifra sube a cincuenta y seis por ciento para empresas jóvenes. Las empresas fundadas desde 2020 adoptan IA a casi el doble del ritmo de las mid-cap establecidas en el mismo sector. El patrón es consistente entre industrias: las empresas más flexibles operativamente adoptan más rápido, y las empresas con más peso institucional para moverse adoptan más despacio.
La barrera más citada entre no usuarios no es técnica. Treinta por ciento reportan falta de utilidad. Eso no es una queja sobre la IA. Es una queja sobre el despliegue. Una empresa que no consigue identificar dónde la IA da retorno no es una empresa con un problema de herramientas. Es una empresa sin un enunciado del problema arquitectónico. La herramienta va aguas abajo. El enunciado del problema es el cuello de botella.
Esto es lo que “generalizado pero infrecuente” significa en números. La IA está en todas partes. La adopción está en otro sitio.
La Capa del Trabajador
Lane añadió un tercer dato que es fácil de leer mal. El Consumer Expectations Survey del BCE muestra que la cuota de trabajadores empleados de la zona euro que usan IA subió del veintiséis por ciento en 2024 al cuarenta por ciento en 2025. La adopción, señaló Lane, está superando la difusión histórica de internet o de los ordenadores personales.
Cuarenta por ciento de los trabajadores están usando herramientas de IA. Siete por ciento de las empresas están usando IA significativamente. Estos dos números describen la misma economía.
La implicación es directa. Los trabajadores están adoptando IA más rápido de lo que sus empresas la están desplegando. Las herramientas están en el navegador. La integración no está en el flujo de trabajo. Un empleado usando ChatGPT para resumir una reunión está usando IA. Una empresa cuyas operaciones se han rediseñado en torno a las capacidades de IA está desplegando IA. La primera genera un beneficio de productividad capturado por el individuo y en gran medida invisible para la empresa. La segunda genera una ganancia de productividad que aparece en producción, costes y posición competitiva.
La cifra del cuarenta por ciento de los trabajadores es lo que el BCE llama “difusión rápida”. La cifra del siete por ciento de las empresas es lo que un economista llamaría adopción. La difusión sin adopción produce ruido — actividad medible que no se traduce en productividad medible. Los datos macroeconómicos son consistentes. Los efectos agregados de la IA siguen siendo, en palabras de Lane, limitados e inciertos.
El Riesgo Energético
Lane añadió una advertencia que la mayoría de la cobertura se saltó. El escenario optimista asume que la infraestructura necesaria para escalar la IA — centros de datos, cómputo, electricidad — está disponible. Puede que no lo esté.
El discurso señala que una mayor aceleración de la inversión en IA y digital podría verse frenada por un suministro energético insuficiente, escasez de personal cualificado y exceso de regulación. La restricción energética es la más material de las tres. Las cargas de trabajo de IA son intensivas en energía. Costes de combustible persistentemente altos elevan el coste marginal de entrenar nuevos modelos y correr inferencia a escala. También reducen el ritmo al que las empresas pueden adoptar — cada euro gastado en energía es un euro no gastado en integración.
Este es el riesgo asimétrico en el escenario de cuatro puntos. La parte positiva exige que la adopción se duplique, del veinte al cincuenta por ciento. La parte negativa exige solo que una variable se mueva contra la tendencia — precios de la energía, un hyperscaler alcanzando capacidad en una región, un endurecimiento regulatorio en los permisos de centros de datos — y el escenario optimista se comprime hacia la línea base. La trayectoria de 1,5 puntos es más robusta que la de 4 puntos. Esta última es un resultado de cola que exige que varias cosas vayan bien simultáneamente.
Qué Significa Esto para un Fabricante de 200 Personas
Traduzca lo macro a lo operacional. Un fabricante de 200 personas en Portugal, Alemania o los Países Bajos está, estadísticamente, en el segmento de medianas empresas. Ese segmento reporta treinta por ciento de adopción de IA. La mayoría de los pares no están usando IA. Una minoría significativa sí.
Si el escenario de cuatro puntos se materializa, el fabricante se enfrentará a competidores operando con productividad mediblemente más alta en una década. No en un sentido vago de “la IA lo va a cambiar todo”. En el sentido específico de que un competidor con IA incorporada en planificación de producción, control de calidad, atención al cliente e iteración de diseño produce más output por trabajador que un competidor sin ella. La brecha de productividad será visible en márgenes, precios, plazos de entrega y, en última instancia, en cuota de mercado.
Si el escenario de 1,5 puntos se materializa — el resultado más probable dadas las tasas de adopción actuales — la brecha es menor pero sigue favoreciendo a las empresas que adoptaron temprano. El efecto acumulado de un diferencial anual de productividad de 1,5 puntos en diez años es aproximadamente una ventaja total de productividad del dieciséis por ciento. Para un fabricante compitiendo en margen, eso no es un error de redondeo. Es la diferencia entre operaciones sostenibles y declive estructural.
En cualquier escenario, las empresas que capturan la ganancia son aquellas que pasaron de la difusión a nivel de trabajador a la adopción a nivel de empresa. Dejar que los empleados usen ChatGPT individualmente no es una estrategia. Es lo que ocurre por defecto. La estrategia es la decisión específica sobre en qué flujos de trabajo se integrará la IA, qué datos necesita, quién la mantiene, cómo se verifica su output, y cómo se mide su uso.
Un fabricante de 200 personas que quiera estar en el lado productivo de la promesa de cuatro puntos necesita tomar seis decisiones en los próximos dieciocho meses. Qué dos flujos de trabajo operativos se benefician más de la integración de IA. Qué fuentes de datos necesitan esos flujos y si existen en forma utilizable. Quién en la organización es responsable de la integración — no de evaluarla, de poseerla. Cómo se valida el output del sistema de IA antes de afectar a un cliente o un resultado financiero. Cómo se mide la adopción — uso diario, uso semanal, qué tipo de uso. Y cómo se actualiza el sistema a medida que los modelos subyacentes cambian.
Ninguna de estas decisiones requiere un doctorado en aprendizaje automático. Todas requieren que alguien en la empresa las posea. La barrera no es la tecnología. Es la asignación de responsabilidad.
El desglose por país de Eurostat afila el argumento. Un fabricante compitiendo en mercados daneses o finlandeses se enfrenta a un conjunto de pares donde el cuarenta por ciento de las empresas ya están corriendo IA. Un fabricante en mercados rumanos o polacos se enfrenta a un conjunto de pares donde están entre cinco y ocho por ciento. El paisaje competitivo no es uniforme dentro del mercado único. El mismo producto vendido en dos Estados miembros se encuentra con dos líneas base de productividad distintas en las empresas de al lado. Construya para la línea base danesa y el mercado rumano sigue accesible. Construya para la línea base rumana y el mercado danés se cierra — silenciosamente, por presión de márgenes, antes de que nadie lo anuncie.
La trampa, en cualquiera de los dos mercados, es confundir la difusión a nivel de trabajador con la capacidad a nivel de empresa. Una planta donde el equipo de planificación usa ChatGPT para redactar correos no es una planta con IA en producción. Un equipo de mantenimiento que ocasionalmente pide a un chatbot interpretar un registro de sensor no es un equipo de mantenimiento corriendo mantenimiento predictivo. El Consumer Expectations Survey registrará ambos como uso de IA. Los datos de productividad no lo harán. La cifra empresarial de Eurostat es la medida más dura, y es la que mapea al escenario de cuatro puntos. Veinte por ciento. No cuarenta.
Dónde Entra Bluewaves
Bluewaves construye en waves de tres semanas. Cada engagement produce un Gizmo — una herramienta de IA específica desplegada en un flujo de trabajo específico, propiedad de un equipo específico. No corremos pilotos. No producimos slide decks de estrategia. Ponemos IA en uso diario.
La elección es deliberada. Los datos del BCE le dicen por qué. Siete por ciento de las empresas de la zona euro usan IA significativamente. Las otras noventa y tres no. La brecha no es conciencia. Es la brecha institucional entre conocer una tecnología e incorporarla en las operaciones. Cerrar esa brecha no es asunto de más presentaciones. Es asunto de construir una cosa específica, hacer que la adopte el equipo que la usará a diario, y medir su uso como prueba.
Un fabricante de 200 personas que termina su primera Wave tiene un Gizmo en uso diario por un equipo. Eso es más de lo que el noventa y tres por ciento de las empresas de la zona euro han logrado.
La Posición
La promesa de cuatro puntos es real. El condicional también es real. El BCE publicó ambos. El discurso de Lane es honesto sobre la asimetría: la parte positiva es grande, las condiciones son exigentes, y el denominador actual es un quinto de lo que el escenario optimista requiere.
La productividad europea subirá si las empresas europeas despliegan IA. No subirá si los trabajadores europeos usan individualmente herramientas de IA mientras las empresas europeas siguen debatiendo estrategias de adopción. El primer estado está generalizado. El segundo es raro. Lane publicó la brecha entre los dos. La brecha es el artículo.
Una subida de productividad de 1,5 puntos en una década es alcanzable en las trayectorias actuales. También es insuficiente para cerrar la brecha de PIB per cápita UE-EE.UU. que Draghi estimó en setenta por ciento atribuible a menor productividad. La subida de cuatro puntos cerraría terreno significativo. Exige que la adopción llegue a la mitad de la economía. La mitad de la economía significa pequeñas empresas adoptando a tres veces la tasa actual. Pequeñas empresas adoptando a tres veces la tasa actual significa pequeñas empresas haciendo algo que aún no han hecho: incorporar IA en las operaciones, no solo abrirla en un navegador.
La arquitectura no es opcional. Es la variable. El BCE la midió. La cifra es veinte por ciento. La promesa es cuatro. La distancia entre las dos es el trabajo.
El trabajo no ha empezado.