La Brecha de Treinta y Ocho Puntos
En 2024, la diferencia de adopción de IA entre grandes y pequeñas empresas de la UE era de 30 puntos porcentuales. En 2025, es de 38. Las herramientas son más baratas. Las interfaces son más simples. La brecha se ensanchó.
Esto no es una previsión. Es una medición. El comunicado de Eurostat del 11 de diciembre de 2025 indica que el 55 % de las grandes empresas (250 empleados o más) utilizó tecnologías de IA en 2025, frente al 17 % de las pequeñas empresas (10-49). Un año antes, la misma encuesta mostraba 41 % y 11 %. La brecha se ensanchó el año en que las herramientas debían democratizarse.
Esto no es un problema de concienciación. Es un problema de arquitectura.
Lo Que Dicen los Números
La Encuesta Comunitaria de Eurostat sobre el Uso de TIC en las Empresas es la referencia europea. Muestra: aproximadamente 157 000 empresas en los 27 Estados miembros, con al menos 10 empleados. La ola de 2025 se publicó el 11 de diciembre de 2025. El titular — el 20 % de las empresas de la UE utiliza IA — se repitió en todas partes. El desglose por tamaño, no.
Aquí están los datos por clase de tamaño, año contra año:
Las pequeñas empresas pasaron del 11 % al 17 % — seis puntos de crecimiento. Las grandes empresas pasaron del 41 % al 55 % — catorce. Las medianas (50-249) pasaron del 21 % al 30 %. Todas las clases crecieron. Las más grandes crecieron más rápido.
El informe Ipsos Making AI Work for Europe, encargado por Google y publicado en marzo de 2026 por Reece Decastro y Nathan Bransden, nombra el patrón en una frase: “Las grandes empresas tienen una probabilidad considerablemente mayor de adoptar IA que las pequeñas y medianas empresas (PYME), y esta brecha se ensanchó de 30 puntos porcentuales en 2024 a 38 puntos en 2025.” Los autores se apoyan en aproximadamente 70 estudios y 15 entrevistas con expertos en 13 Estados miembros de la UE. Llegan a la misma conclusión que los microdatos de Eurostat, y le dan nombre.
La Encuesta de Inversión del BEI 2025 — metodología diferente, herramientas de IA por marca en lugar de por categoría técnica — reporta el 28 % de las PYME y el 44 % de las grandes empresas usando IA. Números absolutos distintos. Misma forma. Las PYME van detrás, y la brecha no se cierra.
La geografía de la brecha es tan nítida como el tamaño. Las cifras país por país de Eurostat para 2025 van del 42 % en Dinamarca, 37 % en Finlandia, 35 % en Suecia — al 5 % en Rumanía, 8 % en Polonia, 8 % en Bulgaria, 9 % en Grecia. La varianza no es aleatoria. Sigue la infraestructura digital, no el PIB. Lo mismo por sector: el 63 % de las empresas de información y comunicación usa IA; el 40 % de los servicios profesionales, científicos y técnicos; el 17 % de la industria; el 11 % del transporte y almacenamiento; el 11 % de la construcción. El documento de discusión de la OCDE de diciembre de 2025 para la reunión ministerial del G7 en Montreal observa el mismo patrón en las economías del G7: el 40 % de las empresas de 250 empleados o más usaba IA en 2024, frente al 20,4 % entre 50 y 249, y al 11,9 % entre 10 y 49. Los nombres de los países cambian. La forma estructural, no.
Por Qué la Brecha Se Ensancha Cuando las Herramientas Son Más Fáciles
La intuición dice que herramientas más fáciles cierran brechas. Una interfaz de chatbot es una interfaz de chatbot, esté el usuario en Siemens o en una PYME logística de 30 personas en Tarragona. Las licencias cuestan parecido. Las API en la nube son idénticas.
La intuición es falsa, y la razón es estructural.
Las grandes empresas tienen tres cosas que las pequeñas no tienen. La primera es infraestructura digital dedicada. Un industrial de 500 personas tiene un departamento de TI que evalúa herramientas, gestiona integraciones, hace la revisión de seguridad y absorbe el coste en una línea presupuestaria existente. Una PYME logística de 30 personas tiene una sola persona que gestiona la centralita, el CRM, las impresoras — y a quien ahora se le pide evaluar herramientas de IA, interrumpiendo su trabajo real.
La segunda son los datos. El documento de discusión de la OCDE AI adoption by small and medium-sized enterprises, publicado en diciembre de 2025 por Flavio Calvino y colegas para la reunión ministerial Industria, Digital y Tecnología del G7 en Montreal, lista cuatro habilitadores de adopción de IA: conectividad, insumos habilitadores de IA, competencias y financiación. Insumos habilitadores de IA significa datos — estructurados, accesibles, en volumen suficiente, lo bastante gobernados para alimentar un modelo. Las grandes empresas cruzaron ese umbral hace una década, cuando implantaron ERP y almacenes de datos en la nube. Las pequeñas, en su mayoría, no. Una herramienta de IA que necesita entrada estructurada no puede trabajar contra una pizarra blanca.
La tercera es la capacidad de definir un caso de uso. El informe IA Révolution de Bpifrance de 2024 encontró que el 72 % de los directivos de PYME en Francia aún no tienen una aplicación práctica de IA para su negocio. No “aún no han desplegado” — no tienen. El caso de uso, en sí, no existe en sus cabezas. Han oído hablar de IA. No pueden señalar la tarea que sustituiría.
Cuando las herramientas se simplifican, quien ya tenía infraestructura, datos y caso de uso avanza más rápido. Quien no tenía ninguno de los tres sigue donde estaba. Herramientas más baratas no generan casos de uso. Interfaces más simples no producen datos estructurados. Una API sin fricción no le da a una PYME de 30 personas el margen para diseñar un flujo de trabajo.
La brecha se ensancha porque los requisitos previos se ensanchan primero.
La Historia de las Competencias Es la Mitad de la Historia
La mitad de cada discusión política europea sobre la brecha de adopción se vuelve hacia las competencias. El informe Ipsos cita una encuesta de la OCDE en cuatro países del G7: el 50 % de las PYME reporta que sus empleados no tienen las competencias para usar IA generativa. La propia encuesta D4SME de la OCDE, con casi 1 000 respondientes en seis países del G7, encontró más del 50 % citando la falta de conocimiento sobre cómo usar IA generativa como barrera a la adopción — con fuerte variación nacional, del 80 % en Japón al 40 % en el Reino Unido y Alemania.
El número es real. También es incompleto.
Una encuesta de Public First a directivos europeos, también citada en el informe Ipsos, encontró solo un 14 % citando “no tenemos la experiencia para introducir IA” y un 12 % citando “no tenemos las competencias para usar IA” como barreras principales — muy por debajo de las preocupaciones de ciberseguridad (26 %), inexactitud (24 %) y coste (22 %). Preguntado de una forma, la competencia es la barrera dominante. Preguntado de otra, es una barrera entre varias.
Lo que los datos realmente muestran, leyendo a través de las encuestas en lugar de dentro de cada una, es esto: las competencias están correlacionadas con la adopción, pero las competencias están aguas abajo de la estructura. Un académico entrevistado para el informe Ipsos lo dice claro: “No es el tamaño… está realmente ligado a la madurez digital.” Un representante de un think tank belga en el mismo estudio: “Las PYME ya son más lentas en digitalización básica, así que construir IA encima es aún más difícil.”
La encuesta de la OCDE añade el hecho operacional que lo determina todo: menos del 30 % de las PYME que ya usan IA generativa reporta que sus empleados participan en formación relacionada con IA. El rango va del 11,3 % en Japón al 29,4 % en Canadá. El problema de formación no es que la formación no exista. El problema es que el tiempo para asistir no existe — porque las PYME no pueden liberar empleados de actividades que generan ingreso para aprender. La brecha de competencias es, en parte, una brecha de tiempo disfrazada de brecha de aptitud.
Una brecha estructural no se cierra con campañas de concienciación. Se cierra con arquitectura.
Lo Que Significa la Arquitectura en la Práctica
En un contexto de PYME, “arquitectura” no es una diapositiva con cinco cajas y flechas. Son cuatro decisiones operacionales, tomadas en orden.
Uno: preparación de datos. Antes de cualquier herramienta de IA, la empresa debe saber qué datos tiene, dónde viven, cómo fluyen y qué falta. La mayoría de las PYME no puede responder a estas cuatro preguntas un lunes por la mañana. El primer mes de un despliegue de IA no es un modelo. Es una auditoría de datos: facturas, registros de clientes, información de proveedores, registros operacionales. Dónde están. Cómo se almacenan. Quién es el dueño. Qué está roto. Hasta que esto no esté mapeado, cada herramienta de IA se asienta sobre cimientos que nadie ha inspeccionado.
Dos: un caso de uso definido, lo bastante estrecho para entregar. No “mejorar el servicio al cliente con IA”. Una tarea específica, una persona específica, una frecuencia específica: clasificar correos de clientes por urgencia, enrutar al equipo correcto, hacerlo en menos de sesenta segundos, medir tasa de escalado semanalmente. La taxonomía de la OCDE en el mismo documento de diciembre de 2025 distingue Novicios, Exploradores, Optimizadores y Campeones de IA. El salto de Novicio a Optimizador no ocurre porque las herramientas mejoran. Ocurre porque se entrega un caso de uso concreto y después un segundo. Los casos de uso se componen. Las estrategias, no.
Tres: despliegue por rol. Las herramientas de IA no se despliegan en una empresa. Se despliegan en un rol. La persona que clasifica facturas necesita una herramienta distinta, una interfaz distinta y una formación distinta de la persona que escribe comunicaciones al cliente. Un único “despliegue de IA” dirigido al “equipo” produce una única tasa de abandono: alta. El despliegue por rol — un rol cada vez, con el flujo de trabajo examinado, la herramienta configurada para ese flujo y el usuario formado para usarla dentro de su trabajo real — produce adopción. No es una preferencia metodológica. Es lo que el corpus de casos de PYME muestra.
Cuatro: medición de adopción desde el primer día. No “lo desplegamos”. Lo usó la gente la semana pasada, en su trabajo real, para la tarea para la que se diseñó. Uso activo diario por rol. Métrica de resultado semanal — menos escalados, tiempos de respuesta más cortos, previsiones más precisas. El informe Ipsos lo conecta a la capacidad organizativa: “La creación de valor por IA depende de la capacidad organizativa.” Una herramienta que nadie usó la semana pasada no creó valor la semana pasada, independientemente de lo que se pagó por ella.
Estos cuatro puntos no son un programa de transformación. Son la arquitectura mínima para una sola herramienta de IA entregada. Las empresas del 17 % cerraron el ciclo en estos cuatro puntos. Las del 83 % no — y las razones por las que no lo hicieron son estructurales, no motivacionales.
Un Ejemplo Concreto
Una forma específica clarifica la abstracción. Un fabricante de especialidad de 40 personas en el norte de Portugal — tipo real, anonimizado — quería “usar IA” para el servicio al cliente. La primera conversación sacó a la luz el problema real: un único responsable de operaciones pasaba de cuatro a seis horas a la semana clasificando correos de clientes por urgencia y enrutándolos al equipo de planta correcto. El volumen estaba subiendo. El responsable era el cuello de botella.
Ese es el caso de uso. No “IA para servicio al cliente”. Clasificar correos de clientes por urgencia, etiquetar por familia de producto, enrutar al equipo correcto, medir tiempo de respuesta. Un rol. Una tarea. Medible en una semana.
La auditoría de datos llevó cinco días laborables. Los correos vivían en un buzón compartido. La taxonomía de producto vivía en el ERP. Las reglas de enrutado vivían en la cabeza del responsable. Dos de las tres no estaban en forma estructurada — las reglas de enrutado tuvieron que extraerse en una sesión de medio día con el responsable, escribirse, y convertirse en un esquema de clasificación. El esquema es el entregable real de la primera semana. El modelo es el entregable de la segunda.
La herramienta, cuando se entregó, era pequeña. Leía los correos entrantes, aplicaba el esquema, asignaba un nivel de urgencia y una familia de producto, y empujaba el mensaje a la cola del equipo correcto. El responsable conservó el botón de override. El uso activo diario comenzó el día de la entrega. Métrica semanal: el tiempo medio de respuesta cayó de cuarenta y una horas a nueve. El responsable recuperó cuatro horas por semana. El equipo dejó de perder mensajes urgentes de las cuentas mayores.
La arquitectura era el trabajo. El modelo eran doce líneas de llamadas a API. El coste de construirlo no era el modelo — eran el esquema, la auditoría, la definición del rol y el acuerdo sobre cómo se veía el éxito, antes de que nada se desplegara. Así se ve cerrar la brecha a escala unitaria.
Lo Que Bluewaves Ve
La primera conversación con cada prospecto de Bluewaves pasa por los cuatro puntos anteriores, en orden. Cerca de un tercio de las conversaciones se detiene en el primero. La empresa no tiene datos estructurados, no tiene un sistema de registro, no sabe dónde vive su información operacional. El trabajo que necesita no es despliegue de IA. Es la base digital que la IA exige. Lo decimos. No aceptamos el encargo hasta que la base esté en su sitio — o hasta que la empresa decida que poner la base en su sitio es el encargo.
Cerca de un tercio se detiene en el segundo. La empresa tiene datos, tiene interés, tiene presupuesto, pero no tiene un caso de uso lo bastante estrecho para entregar en tres semanas. El primer entregable para estas empresas no es un modelo. Es un taller de caso de uso con las personas que realmente usarían la herramienta, diseñado para salir de la sala con una tarea específica, estrecha y medible. Después construimos.
El último tercio llega con los cuatro puntos ya en su sitio — datos, caso de uso definido, rol identificado, voluntad de medir. Estos despliegues se entregan en tres semanas y permanecen en uso porque los requisitos previos se cumplieron antes de escribir el código.
Esto no es una metodología comercial. Es la realidad operacional de por qué la brecha de Eurostat se ensancha. Las empresas del 17 % cruzaron umbrales que las del 83 % no cruzaron. La travesía no se compra con licencias de software.
La Posición Arquitectónica
La brecha se ensancha porque las condiciones para cerrarla no están en las herramientas. Están en las empresas. Una API más barata no produce preparación de datos. Una interfaz más simple no produce caso de uso. Un chatbot más amable no le da a una PYME de 30 personas el margen para diseñar un flujo de trabajo. La estructura tiene que llegar primero, y la mayoría de las PYME no ha recibido ninguna ayuda para construirla — porque la ayuda, en la conversación política europea, se ha definido como formación, webinars, campañas de concienciación y financiación de pilotos. Eso no es arquitectura. Es comentario.
El informe Ipsos cita trabajos de la Copenhagen Business School que nombran la arquitectura honestamente: “La creación de valor por IA depende de la capacidad organizativa.” Esa es la frase. La capacidad organizativa es el cuello de botella. La capacidad se construye con estructura, no con contenido. El segundo principio del informe dirigido a los responsables públicos es coherente: “Apoyar el desarrollo de la capacidad y preparación organizativas.” No más formación. Capacidad.
Si la ola de Eurostat de 2026 se publica en diciembre y muestra una brecha de 40 puntos, nadie debería sorprenderse. Las mismas condiciones están en su sitio. Los mismos requisitos previos faltan. El mismo aparato de apoyo sigue tratando la concienciación en vez de la arquitectura. La brecha está haciendo exactamente lo que sus causas estructurales predicen.
Cerrarla pide una intervención distinta. No más pilotos. No más casos de estudio. No más webinars. Herramientas pre-cualificadas para casos de uso pre-definidos, pre-mapeadas al rol y los datos que la empresa ya tiene. Liderazgo externo donde el interno no existe. Medición de adopción que empieza el primer día, no después de la tercera revisión trimestral.
Esa es la corrección arquitectónica. Todo lo demás es teatro. La brecha es estructural. La corrección es estructural. Las herramientas más baratas y las interfaces más simples son reales — y seguirán ensanchando la brecha mientras los requisitos previos no se aborden a la misma velocidad a la que las herramientas mejoran.
Treinta y ocho puntos el año pasado. El número será mayor el año que viene, a menos que el apoyo deje de ser contenido y pase a ser estructura.