Veinte por ciento
La nota de prensa de Eurostat salió en diciembre de 2025. El titular: el 20 % de las empresas de la UE han adoptado IA. LinkedIn lo celebró. Los comentaristas declararon progreso. El número entró en rotación — citado en presentaciones comerciales, discursos de la Comisión Europea e informes de consultoría como evidencia de que la adopción europea de IA se está acelerando.
El número es real. También es engañoso de la forma exacta que importa.
Lo que esconde el titular
La cifra del 20 % proviene de la Encuesta Comunitaria de Eurostat sobre el Uso de TIC en las Empresas, realizada anualmente en los 27 estados miembros de la UE. La encuesta cubre empresas con 10 o más empleados. Diez o más. Ese umbral excluye al 99 % de todas las empresas de la UE.
La UE tiene aproximadamente 33 millones de empresas. De ellas, unos 32,7 millones — el 99,1 % — son microempresas: menos de 10 empleados, menos de 2 millones de euros de facturación anual. Son las panaderías, los despachos de contabilidad, los operadores logísticos, los pequeños fabricantes, las consultorías, los comercios especializados. Son la gran mayoría de la economía europea. Y son invisibles en el titular de Eurostat.
La encuesta sí incluye desgloses por tamaño, y aquí es donde la historia cambia. Entre las grandes empresas (250+ empleados), la adopción de IA alcanza el 55 %. Entre las medianas empresas (50–249 empleados), cae a aproximadamente el 30 %. Entre las pequeñas empresas (10–49 empleados), la cifra es del 17 %.
¿Entre las microempresas? Eurostat no las encuesta rutinariamente. Los datos no existen a escala. El titular del 20 % describe una población que excluye a la gran mayoría de las empresas europeas.
No es una crítica a Eurostat. La metodología de la encuesta es sólida, el diseño muestral es riguroso, y la exclusión por tamaño está documentada en las notas técnicas que nadie lee. Es una crítica de cómo se usa el número — como una medida de la preparación europea para la IA cuando en realidad es una medida del gasto en IA de las grandes empresas.
La brecha por tamaño es arquitectónica
La diferencia entre el 55 % de adopción en grandes empresas y el 17 % en pequeñas empresas no es una brecha tecnológica. No es una brecha de concienciación. No es una brecha de competencias, aunque las competencias importan. Es una brecha de arquitectura.
Las grandes empresas adoptan IA porque tienen tres cosas de las que carecen las pequeñas:
Infraestructura de IT dedicada. Un fabricante de 500 personas tiene un departamento de IT. El departamento evalúa herramientas, gestiona integraciones, maneja evaluaciones de seguridad y negocia contratos con proveedores. El coste de evaluar una herramienta de IA se absorbe en el presupuesto existente del departamento y su ritmo operativo. Para una empresa logística de 30 personas, el “departamento de IT” es una persona que también gestiona el sistema telefónico, el CRM y las impresoras. Evaluar una herramienta de IA no es su trabajo. Es una interrupción de su trabajo.
Presupuesto para experimentar. Las grandes empresas pueden asignar 50 000 € a un proyecto piloto sin riesgo material. Si el piloto fracasa, la pérdida es un error de redondeo. Para una pequeña empresa con 3 millones de euros de facturación anual, 50 000 € es el 1,7 % de los ingresos — un compromiso significativo que requiere justificación, aprobación y resultados. La asimetría no tiene que ver con la riqueza. Tiene que ver con la proporción de inversión experimental respecto al riesgo operativo.
Promotores internos. La adopción de IA en grandes empresas típicamente comienza con un mando intermedio o un responsable técnico que identifica un caso de uso, construye un caso de negocio y promueve el proyecto internamente. Esta persona existe porque las grandes organizaciones tienen suficiente diversidad de roles para incluir a alguien cuyo trabajo se cruza con la IA. En una empresa de 30 personas, el trabajo de todos es operativo. No hay un rol con el margen para evaluar, promover y gestionar un despliegue de IA. La brecha de promotores es el factor más infravalorado en la disparidad de adopción.
Estos tres factores — infraestructura, ratio presupuestario y promotores internos — son estructurales. No cambian con campañas de concienciación, programas de formación ni marketing. Cambian con intervención arquitectónica: reducir el coste de la evaluación, reducir la carga técnica de la integración y proporcionar promoción externa donde no existen promotores internos.
Lo que “adopción” mide realmente
La encuesta de Eurostat mide la adopción con una pregunta específica: “¿Utiliza su empresa alguna tecnología de IA?” La pregunta lista categorías: aprendizaje automático, procesamiento de lenguaje natural, reconocimiento de imagen, automatización robótica de procesos, sistemas autónomos. Una empresa que usa cualquiera de estas cuenta como que ha “adoptado IA”.
La pregunta no mide profundidad de adopción. No distingue entre una empresa que usa un chatbot gratuito para consultas ocasionales de clientes y una empresa que ha integrado aprendizaje automático en su flujo de producción central. No mide si la herramienta de IA se usa a diario, ocasionalmente, o fue abandonada tras la prueba gratuita.
Es el mismo problema metodológico que afecta a todas las encuestas de adopción tecnológica. La adopción binaria (sí/no) oculta el espectro de experimental a integrado. Una empresa que contrató una licencia de ChatGPT Enterprise en enero y se olvidó de ella en marzo cuenta igual que una empresa que usa previsión automatizada de demanda para gestionar toda su cadena de suministro.
El informe de la OCDE de diciembre de 2025 sobre adopción de IA en pymes abordó esto categorizando las empresas en cuatro niveles de madurez: Novatas en IA, Exploradoras de IA, Optimizadoras de IA y Campeonas de IA. La medida binaria de Eurostat agrupa a las Novatas y Exploradoras con el resto. El impacto operativo — la parte que importa para productividad, competitividad y crecimiento económico — reside en las categorías de Optimizadora y Campeona.
El hallazgo de la OCDE es directo: la mayoría de la adopción de IA en pymes permanece en fase incipiente o piloto. Las empresas experimentan con herramientas de IA pero se enfrentan a barreras estructurales para integrarlas en operaciones centrales. La brecha entre “usamos IA” y “la IA cambia cómo trabajamos” es donde se desperdicia la mayor parte del gasto en IA.
El veinte por ciento ha adoptado IA. Una fracción la ha integrado. La brecha entre esos números es el problema entero.
La geografía dentro del número
La media del 20 % de la UE oculta una variación por países que va del 9 % al 39 %. Dinamarca, Finlandia y los Países Bajos lideran. Rumanía, Bulgaria y Grecia van a la cola. La varianza no es aleatoria. Correlaciona con tres indicadores de infraestructura más fuertemente que con el PIB per cápita:
Madurez de servicios públicos digitales. Los países con sistemas de identidad digital avanzados, servicios públicos interoperables e infraestructura de administración electrónica tienen mayor adopción de IA. El sistema NemID/MitID de Dinamarca, el Suomi.fi de Finlandia, el DigiD de los Países Bajos — crean una base de infraestructura digital que facilita la integración de herramientas de IA. La empresa no necesita construir confianza digital desde cero. La infraestructura pública ya la ha establecido.
Calidad de la penetración de banda ancha. No solo conectividad — calidad. La cobertura de fibra hasta el hogar en Dinamarca supera el 75 %. En Rumanía, cae por debajo del 30 % en áreas rurales donde operan muchas pymes. Las herramientas de IA que requieren conectividad consistente y de baja latencia son arquitectónicamente incompatibles con banda ancha intermitente. La herramienta funciona en Copenhague. La herramienta se queda sin respuesta en Constanza.
Línea base de digitalización de pymes. La adopción de IA es un efecto de segundo orden. El de primer orden es la digitalización básica: contabilidad en la nube, CRM, gestión digital de inventario. Las empresas que no han digitalizado sus operaciones básicas no pueden adoptar herramientas de IA porque no hay infraestructura de datos a la que conectar la IA. Una proporción significativa de pymes de la UE todavía depende de registros principalmente en papel para al menos una función empresarial central — el porcentaje exacto varía por país, pero el patrón es consistente en el sur y este de Europa.
Estos tres factores explican más de la variación por países que cualquier medida de “cultura de innovación” o “mentalidad emprendedora”. El fabricante de 30 personas en Braga, Portugal, no carece de cultura de innovación. Carece de banda ancha de fibra y un sistema de facturación digital.
La dimensión de género que los datos muestran
Una dimensión que los datos de Eurostat capturan pero pocos comentaristas discuten: entre las empresas lideradas por mujeres, la adopción de IA es 7 puntos porcentuales menor que entre las empresas lideradas por hombres, tras controlar por sector y tamaño. La brecha persiste en todas las clases de tamaño.
La brecha no tiene que ver con aptitud técnica ni interés. El Women in Digital Scoreboard de la Comisión Europea — publicado anualmente desde 2019 — rastrea las disparidades estructurales en uso de internet, competencias digitales y empleo especializado. Los factores estructurales detrás de la brecha de adopción incluyen acceso a financiación para inversión tecnológica (las empresas lideradas por mujeres reciben de forma consistente una fracción del total de financiación de capital riesgo — menos del 3 % en años recientes, según datos de PitchBook) y acceso a redes de iguales donde circula el conocimiento sobre adopción de IA. Son fallos de infraestructura, no individuales.
No son fallos individuales. Son fallos de infraestructura. La misma brecha arquitectónica que separa a las grandes empresas de las pequeñas separa a los fundadores bien conectados de los fundadores con menos red. El problema no es quién eres. El problema es qué infraestructura tienes disponible.
Lo que necesita realmente el otro 80 %
El 80 % de las empresas de la UE que no han adoptado IA no necesitan concienciación. Saben que la IA existe. No necesitan inspiración. Han visto las demos. No necesitan herramientas más baratas. Muchas herramientas de IA tienen niveles gratuitos.
Necesitan tres cosas:
Coste de evaluación reducido. El coste de evaluar si una herramienta de IA encaja en una necesidad empresarial específica es demasiado alto para una empresa sin personal de IT dedicado. La evaluación requiere valoración técnica, revisión de seguridad, pruebas de integración y análisis de flujo de trabajo. Para una gran empresa, este coste es marginal. Para una empresa de 30 personas, es prohibitivo. La intervención son herramientas precualificadas, preevaluadas con rutas de integración documentadas para sistemas empresariales comunes. No herramientas genéricas de “IA para empresas”. Herramientas específicas para tareas específicas: procesamiento de facturas para pymes que usan Sage, clasificación de consultas de clientes para empresas que usan Zendesk, previsión de demanda para tiendas WooCommerce.
Promoción externa. Si nadie en la empresa tiene el rol, el tiempo o la experiencia para promover un despliegue de IA, alguien de fuera de la empresa debe ocupar ese rol temporalmente. No es consultoría. La consultoría produce informes. La promoción produce despliegue. El promotor externo trabaja con el equipo, despliega la herramienta, observa cómo la gente la usa, ajusta la configuración y se va cuando la herramienta está en uso diario.
Esto es lo que hace Bluewaves. No estrategia de IA. No consultoría de transformación digital. Despliegue. Una herramienta que funciona en manos de las personas que la usarán, en tres semanas.
Validación entre iguales. Las grandes empresas adoptan IA porque otras grandes empresas adoptan IA. Los casos de éxito existen. Los puntos de prueba circulan. Para una empresa logística de 30 personas en Tarragona, el caso de éxito relevante no es “cómo Siemens desplegó IA en su cadena de suministro”. El caso relevante es “cómo una empresa logística de 35 personas en Porto desplegó IA en su gestión de almacén y redujo los errores de preparación un 22 %”. Mismo sector, mismo tamaño, mismas restricciones. El punto de prueba falta porque nadie documenta los despliegues de pymes.
Los datos de Eurostat nos dicen dónde está la adopción. No nos dicen por qué la adopción se detiene. Las razones son arquitectónicas, no actitudinales.
La dimensión sectorial
El titular del 20 % oculta una variación sectorial tan significativa como la variación por tamaño.
Las empresas de información y comunicación (sección J de NACE) reportan adopción de IA por encima del 40 %. Las empresas financieras y de seguros (sección K de NACE) reportan por encima del 35 %. Son los sectores donde la infraestructura digital es preexistente, donde los flujos de datos ya están estructurados, donde el coste de integración de una herramienta de IA es marginal porque el flujo de trabajo digital ya existe.
La manufactura (sección C de NACE) — la columna vertebral de la producción económica de la UE, que representa el 15 % del PIB — reporta una adopción de IA de aproximadamente el 12 %. La construcción (sección F de NACE) reporta por debajo del 8 %. La agricultura (sección A de NACE) apenas se registra.
La varianza se corresponde directamente con la madurez digital, no con la preparación para la IA. Un fabricante cuya programación de producción todavía funciona en una pizarra no puede adoptar una herramienta de previsión de demanda de IA — no porque la IA no esté disponible, sino porque los datos que la IA necesita no existen en forma digital. La herramienta de IA requiere input estructurado. La pizarra no produce input estructurado.
Es la cascada de infraestructura: la digitalización básica habilita la recogida de datos, la recogida de datos habilita la analítica, la analítica habilita la IA. Sáltate cualquier paso y los siguientes fallan. La tasa de adopción del 12 % en manufactura no es un fallo de concienciación sobre IA. Es un fallo de digitalización básica — y el fallo precede a la IA en una década.
El informe AI Watch del JRC sobre adopción de IA en manufactura identificó la cascada explícitamente: entre los fabricantes que habían completado la digitalización básica (ERP en la nube, inventario digital, informes automatizados), la adopción de IA era un orden de magnitud mayor que entre los que no. La línea base de digitalización es el predictor real, no la disponibilidad de herramientas de IA.
Para el 88 % de los fabricantes de la UE que no han adoptado IA, la intervención no es formación en IA. Es infraestructura digital — el trabajo aburrido y poco glamuroso de pasar del papel a la nube, de la pizarra a la base de datos, del archivador a los datos estructurados. La IA viene después. No puede venir antes.
Lo que Bluewaves ve
Las empresas que contactan con Bluewaves se dividen en dos categorías. La primera tiene un caso de uso de IA específico, una línea base de infraestructura digital y un equipo dispuesto a usar una herramienta. Estas empresas despliegan en tres semanas. La herramienta está en uso en la cuarta semana. El proceso no es complicado porque los prerrequisitos se cumplen.
La segunda categoría tiene interés en la IA, entusiasmo de la dirección y cero infraestructura digital. Sin datos estructurados. Sin flujos de trabajo estandarizados. Sin procesos documentados. Estas empresas no pueden desplegar una herramienta de IA en tres semanas porque no hay nada a lo que conectar la herramienta. El trabajo no es despliegue de IA. El trabajo es digitalización — el prerrequisito que el titular del 20 % asume universal y no lo es.
No aceptamos la segunda categoría. No porque el trabajo no sea valioso — lo es. Porque llamarlo “despliegue de IA” cuando la necesidad real es “infraestructura digital” es deshonesto, y la deshonestidad es cara para todos.
El 20 % que ha adoptado IA son las empresas que cruzaron el umbral de digitalización antes de que llegara la IA. El 80 % que no lo ha hecho son, en gran medida, empresas que aún no han cruzado ese umbral. La IA está lista. La infraestructura no.
El número que importa
El veinte por ciento es un titular. El diecisiete por ciento entre pequeñas empresas es un dato. La fracción que ha integrado verdaderamente la IA en operaciones centrales — las “Campeonas de IA” de la OCDE — es el número que importa.
La brecha entre adopción e integración — entre “usamos IA” y “la IA cambia cómo trabajamos” — es el espacio donde se desperdicia la mayor parte del gasto en IA. Es el cementerio de licencias de chatbot, dashboards abandonados y proyectos piloto que nunca se lanzaron.
Cerrar esa brecha requiere tres cosas que no tienen nada que ver con la tecnología de IA: infraestructura que abarate la evaluación, promotores externos que hagan real el despliegue, y evidencia entre iguales que haga creíble la adopción.
Los datos que necesitamos
La encuesta de Eurostat se realizará de nuevo en 2026. Cuando se publiquen los resultados, reportarán un nuevo número de titular. Veintidós por ciento, quizá. O veinticinco. El número será más alto. LinkedIn lo celebrará. Se declarará progreso.
El número seguirá siendo engañoso — a menos que la metodología cambie. Tres adiciones lo harían operativamente útil:
Primera: incluir microempresas. El 99 % de las empresas de la UE excluidas de la encuesta son las que más necesitan los datos. Un módulo de microempresas y IA, aunque se administrase a una muestra y no al censo completo, proporcionaría la línea base que actualmente no existe.
Segunda: medir profundidad, no solo amplitud. Ir más allá de la adopción binaria (sí/no) hacia una taxonomía de madurez como el marco de cuatro niveles de la OCDE: Novatas, Exploradoras, Optimizadoras, Campeonas. La distribución entre niveles importa más que el recuento binario.
Tercera: medir el efecto promotor. Preguntar no solo “¿usa su empresa IA?” sino “¿tiene su empresa una persona cuyo rol incluye gestionar la adopción de herramientas de IA?” La presencia o ausencia de un promotor interno es, según nuestra observación, el predictor más fuerte de adopción sostenible — más predictivo que el presupuesto, el sector o el tamaño de la empresa.
Estas tres adiciones transformarían la encuesta de un generador de titulares en una herramienta operativa. Los datos se pueden recoger. La metodología para recogerlos existe. El titular del 20 % persistirá hasta que alguien decida que los datos precisos importan más que los datos optimistas.
El veinte por ciento no es una historia de éxito. Es un punto de partida. El trabajo está en el 80 % que sigue — y en el 2 % que importa.