“Existe el riesgo de sobrevalorar la inteligencia artificial, especialmente la generativa en entornos de negocio”

Ángela Salmerón, actual directora de investigación del área de Estrategias de transición energética global en la firma de investigación IDC y experta en innovación tecnológica, estrategias empresariales y cumplimiento normativo, responde por correo electrónico a unas preguntas planteadas por CIO ESPAÑA antes de su participación, el próximo 27 de mayo en Madrid, en Data & AI Summit 2025. El evento, organizado por esta publicación y la compañía de análisis, será inaugurado por Aleida Alcaide, directora general de Inteligencia Artificial en España, y reunirá a relevantes líderes de TI con el objetivo de tomar el pulso a las  oportunidades y desafíos que conlleva  afrontar los retos de la transformación digital y aplicación de la IA en un entorno global cada vez más complejo.

A pesar de que la analista reconoce que “existe el riesgo de sobrevalorar la inteligencia artificial, especialmente la generativa en entornos de negocio”, también observa que “ni siquiera en sectores donde la regulación es especialmente estricta, como en la banca, la IA encuentra demasiadas barreras para avanzar”. Desde luego, como Salmerón desvela, el auge que está experimentando la IA y, en concreto, su sabor generativo son ingentes. Según las previsiones de IDC, “la inversión en inteligencia artificial va a dispararse hasta los 145.000 millones de dólares en 2028 en Europa. De esa cantidad, 49.000 millones estarán destinados a la inteligencia artificial generativa”.

Se espera un alto impacto de la inteligencia artificial (IA) en la economía mundial.  Según IDC, las inversiones en soluciones y servicios de IA generarán un impacto global acumulado de 22,3 billones de dólares para 2030, es decir, el 3,7% del producto interior bruto (PIB) mundial. ¿Qué expectativas concretas manejan para Europa y España en concreto en la firma de análisis? ¿Cuáles serán los sectores más impactados por la adopción de la IA?

No disponemos de datos concretos de España. Según las previsiones de IDC, la inversión en inteligencia artificial va a dispararse hasta los 145.000 millones de dólares en 2028 en Europa. De esa cantidad, 49.000 millones estarán destinados a la inteligencia artificial generativa (‘GenAI’, en su acepción en inglés), que está creciendo a un ritmo impresionante: su peso pasará del 9% en 2023 al 33% en 2028.

IDC calcula que en 2025 los sectores que más apostarán por la IA serán, en primer lugar, los servicios financieros, con la banca liderando el impulso. Aquí la IA se está utilizando sobre todo para reforzar el análisis de fraudes, anticipar y prevenir amenazas, mejorar la atención al cliente con soluciones automatizadas y optimizar los sistemas de TI. Justo detrás encontramos la industria del software y los servicios de información, que está invirtiendo fuerte en infraestructura específica para IA. También el sector retail está apostando por la personalización de la experiencia de compra, que se ha convertido en un caso de uso clave. Y, por supuesto, las telecomunicaciones y los servicios profesionales tampoco se quedan atrás.

Lo curioso es que ni siquiera en sectores donde la regulación es especialmente estricta, como en la banca, la IA encuentra demasiadas barreras para avanzar. Hay tres grandes razones para ello: primero, porque disponen de enormes cantidades de datos que permiten entrenar y mejorar los modelos de IA; segundo, porque los casos de uso están muy claros y se traducen en resultados de negocio tangibles; y tercero, porque muchos de estos sectores ya cuentan con una madurez tecnológica considerable, gracias a su recorrido previo en analítica, gestión de datos e IA tradicional.

“IDC calcula que en 2025 los sectores que más apostarán por la IA serán los servicios financieros, con la banca liderando el impulso, la industria del software y los servicios de información, el sector ‘retail’ y las telecomunicaciones y los servicios profesionales”

A pesar de estas altas expectativas y de que muchas compañías ya están trabajando en proyectos de IA, muchos CIO reconocen que estos proyectos no pasan de piloto, les cuesta escalar el uso de la IA a toda la organización y obtener un ROI claro. ¿Por qué se produce esto?

Una de las principales razones por las que muchos proyectos de IA no superan la fase piloto es su elevado coste, que impide lograr el retorno de la inversión esperado. A esto se suma la escasez de profesionales, desarrolladores especializados en IA, lo que obliga a las empresas a plantearse seriamente cómo cerrar esa brecha de talento, ya sea formando perfiles internos o colaborando con socios externos.

Otro factor importante es la falta de coordinación entre los equipos de IT y las unidades de negocio. En muchos casos, el problema radica en que los requisitos de los casos de uso no están bien alineados con las necesidades del negocio. Esto genera desconexiones que impiden que la inteligencia artificial cumpla su función. Por eso, es clave que las metas de la IA estén bien integradas en la estrategia de la empresa y que se definan de forma clara y medible. Por último, tampoco hay que perder de vista el papel que juega la infraestructura tecnológica: cuando su rendimiento o disponibilidad no cumple con los requisitos necesarios, resulta muy difícil escalar los proyectos de IA más allá de la fase piloto.

¿Qué recomienda para conseguir proyectos de IA con un ROI claro y alto impacto? ¿Qué claves deben seguir los responsables?

Para conseguir que los proyectos de IA generen un retorno de inversión claro y un impacto real hay varias recomendaciones clave que los líderes deben seguir. En primer lugar, alinear el negocio con la tecnología es fundamental: las iniciativas de IA deben apoyar directamente los objetivos estratégicos del negocio y no deben ser solamente experimentos técnicos aislados. Es esencial también priorizar los casos de uso con mayor impacto, centrarse en áreas donde haya ineficiencias claras o un gran potencial de valor, como la rotación de clientes, la cadena de suministro o la detección de fraudes.

Otro factor crucial es definir objetivos claros y medibles desde el principio. Esto significa establecer métricas de éxito, como por ejemplo: ahorros de costes, mejoras en productividad o incremento de ingresos; y asegurarse de que se dispone de los datos necesarios para compararlos. No podemos olvidarnos de preparar adecuadamente los datos, garantizando el acceso a información limpia, relevante y bien gestionada, ya que de ello depende en gran parte el éxito de cualquier iniciativa de IA. 

Ahora bien, para que los proyectos realmente avancen, también es imprescindible contar con un patrocinador ejecutivo sólido, capaz de asegurar el compromiso de la organización y de proporcionar el respaldo y la financiación necesarios para impulsar cada iniciativa. En paralelo, la gestión del cambio juega un papel fundamental. No se trata solo de introducir tecnología, sino de preparar a toda la organización: comunicar bien, formar adecuadamente y redefinir los roles para facilitar la adopción de la IA de forma natural y efectiva.

Y, por último, tan importante como todo lo anterior es adoptar un enfoque iterativo: empezar con proyectos pequeños, demostrar rápidamente su valor y, a partir de ahí, escalar progresivamente en función de los resultados obtenidos.

¿Cree que hay una sobre expectación en torno a las posibilidades de la IA y, en concreto, de la IA generativa en las empresas?

Sí, existe el riesgo de sobrevalorar la inteligencia artificial, especialmente la IA generativa en entornos de negocio. La clave está en gestionar las expectativas con realismo. Con todo el ruido en los medios de comunicación, es fácil pensar que la IA ofrecerá resultados rápidos y transformadores. Sin embargo, la realidad es que muchas de las aplicaciones más valiosas hoy por hoy son bastante sencillas y están orientadas a mejorar la eficiencia, más que a revolucionar procesos.

Y la verdad es, con tanto ruido, no siempre resulta sencillo para las empresas distinguir qué es realmente relevante. Por eso es tan importante dedicar tiempo a preparar bien el terreno: comprender los casos de uso, evaluar el nivel de preparación de la organización y asegurarse de que los objetivos estén bien alineados. No es, quizás, la parte más brillante del proceso, pero ese trabajo previo marca la diferencia y ayuda a evitar muchas decepciones.

“La evolución de los agentes de IA va a transformar profundamente la infraestructura tecnológica y las estrategias de software de las organizaciones”

¿Cómo ve la evolución de los agentes de IA y qué impacto tiene el auge de esta tecnología en la estrategia de infraestructura y software de las organizaciones?

La evolución de los agentes de IA va a transformar profundamente la infraestructura tecnológica y las estrategias de software de las organizaciones. Impulsados por los últimos avances en modelos de lenguaje de gran tamaño (LLM), estos agentes no solo automatizarán tareas complejas, sino también la toma de decisiones y facilitarán una interacción mucho más natural con usuarios y sistemas. Este salto tecnológico obligará a las empresas a replantearse su infraestructura, preparándola para afrontar mayores exigencias de capacidad de cómputo, logística de datos en tiempo real y una conectividad sólida tanto en entornos de nube como en ‘edge’. Las arquitecturas de datos pasarán a ser piezas clave, ya que permitirán suministrar, de forma continua, datos de calidad y con contexto para dar soporte a unas actividades empresariales cada vez más dinámicas y basadas en agentes.

En el ámbito del software, el cambio será igualmente profundo: la prioridad dejará de ser la programación tradicional para centrarse en la gestión de agentes de IA y la orquestación de flujos de trabajo. Los desarrolladores de IA utilizarán estos agentes para construir soluciones de forma más rápida y eficiente, lo que les permitirá dedicar más tiempo a los objetivos estratégicos y menos a los detalles técnicos del código.

Todo ello se traducirá en organizaciones más eficientes, escalables e innovadoras, capaces de transformar la forma en que operan y compiten en la era digital. Aquellas que sepan adaptarse estarán en una posición mucho más fuerte para afrontar la complejidad del mercado actual y aprovechar las nuevas oportunidades de crecimiento y transformación.

Una de las grandes preocupaciones de los CIO es que los costes de TI se disparen por el uso intensivo de la IA. ¿Qué opina y qué soluciones propone al respecto?

Las preocupaciones de los CIO sobre el aumento de los costes de TI derivados del uso intensivo de IA son completamente válidas. Las tareas que requieren mucha capacidad de computación, la posible necesidad de actualizar infraestructuras y el aumento en el almacenamiento de datos pueden suponer un reto financiero. A esto se suma, por supuesto, el coste real de utilizar modelos de IA. Sin embargo, este riesgo se puede gestionar de forma eficaz con un enfoque estratégico bien planificado.

La clave está en dirigir las inversiones en IA a áreas donde realmente se justifique el gasto, ya sea por los ahorros que puede generar o por el impacto positivo en el negocio. Esto significa centrarse en casos de uso muy concretos y asegurarse de que la inversión esté alineada con los objetivos de negocio. 

También es esencial aplicar buenas prácticas de FinOps para controlar y optimizar el consumo de recursos, especialmente en la nube. Aunque muchas empresas prefieren ejecutar la IA de forma local, la mayoría de las soluciones aún se despliegan en la nube, por lo que gestionar los costes en este entorno es fundamental. Además, optar por arquitecturas híbridas o nativas de la nube, que se ajustan según la demanda, puede ser una opción más eficiente que trabajar con sistemas de capacidad fija. Esto ayuda a evitar el sobredimensionamiento y da mayor flexibilidad. 

En cuanto a los modelos de IA, no siempre es necesario elegir los más grandes o generales. A menudo, modelos más pequeños o especializados en un área concreta pueden cubrir las necesidades del negocio sin generar costes adicionales.

Finalmente, es clave gestionar los recursos de manera eficiente. Esto implica retirar o reentrenar los modelos que ya no son útiles y automatizar los ciclos de reentrenamiento para evitar un sobregasto. Controlar los costes de la IA no debería considerarse un obstáculo para su adopción, sino más bien una forma de asegurar que cada inversión tenga un valor real en el negocio. 

“Las preocupaciones de los CIO sobre el aumento de los costes de TI derivados del uso intensivo de IA son completamente válidas […]. Sin embargo, este riesgo se puede gestionar de forma eficaz con un enfoque estratégico bien planificado”

¿Cómo ve, en general, el avance de las grandes tecnológicas impulsoras de la IA? ¿Qué tendencias podemos esperar de la industria tecnológica en este sentido?

Las grandes tecnológicas siguen siendo las principales impulsoras de la inteligencia artificial, marcando el ritmo en términos de capacidad, rendimiento y la infraestructura necesaria. Su progreso ha sido posible gracias a inversiones muy grandes en modelos de IA, chips especializados e integración con otros sistemas. Sin embargo, ahora el enfoque está cambiando. Ya no se trata solo de tener más capacidad modelos más grandes, sino de hacer que la IA sea más accesible, rentable y ajustada a las necesidades reales de cada negocio.

Una de las tendencias más destacadas es el desarrollo de modelos de IA más pequeños y eficientes, que se pueden ejecutar directamente en las instalaciones de la empresa o en puntos cercanos a su uso (‘at the edge’). Además, otras áreas como la seguridad de la IA, su capacidad para ser explicada y el cumplimiento de las normativas, están ganando mucha importancia. Otra tendencia es que estas empresas están integrando la IA de manera más profunda en el software que utilizan y en las plataformas en la nube, lo que facilita un uso más eficiente y escalable. También es importante señalar que está creciendo la demanda de soluciones sectoriales, más específicas para industrias, lo que refleja un interés por soluciones más relevantes para el negocio. 

Por otro lado, en relación a los datos, las grandes empresas tecnológicas están invirtiendo cada vez más en mejorar su infraestructura, la calidad de los mismos y en conseguir datos más precisos. De hecho, muchas están apostando por la IA multimodal, que permite procesar diferentes tipos de datos como texto, imágenes, audio y vídeo de forma integrada. Esto facilita la creación de modelos que, por ejemplo, pueden predecir necesidades futuras, o crear experiencias personalizadas e inteligentes a través de la IA generativa.

Finalmente, otras tendencias entre las grandes tecnológicas es el uso de datos sintéticos para superar los problemas de privacidad y la escasez de datos reales, y el uso de IA generativa más accesibles, que acercan el uso de datos a perfiles no técnicos. 

Los propios usuarios finales (las empresas) están creando centros de competencia de IA de mano de los grandes proveedores, ¿qué opina de esta práctica?

Crear Centros de Competencia en IA junto a grandes proveedores es una apuesta estratégica. Estos centros permiten a los equipos internos desarrollar capacidades rápidamente, aprovechar la experiencia externa y establecer prácticas comunes para el desarrollo de soluciones, la gestión de riesgos y el uso ético de la IA —algo clave en un contexto donde la confianza marca la diferencia—. Trabajar de la mano de expertos también facilita el acceso a las últimas herramientas, metodologías y buenas prácticas. 

Además, un Centro de Competencia en IA no solo fomenta la experimentación, sino que facilita compartir soluciones exitosas entre distintas áreas de la organización. Esto ayuda a derribar silos entre negocio y tecnología y a escalar la adopción de la IA de forma más estructurada y eficiente. En definitiva, un Centro de Competencia convierte esfuerzos dispersos en una capacidad estratégica real, siempre que se construya con la colaboración adecuada.

¿Es el cumplimiento de la regulación uno de los grandes retos que afrontan ahora las empresas en su adopción de la IA, especialmente en Europa?

Uno de los principales retos que plantea la regulación es el incremento de costes. Según nuestras encuestas, alrededor del 21% del presupuesto destinado a IA se dedica a actividades relacionadas con el cumplimiento normativo. Sin embargo, en muchos casos, la regulación no supone una barrera real, sino que funciona como una guía para desarrollar la IA de forma segura y estructurada.

Un buen ejemplo es el sector bancario, que, a pesar de ser uno de los más regulados, lidera la inversión en IA en Europa. Esto demuestra que un marco regulatorio sólido no frena la adopción de la IA, sino que puede ser una herramienta para desplegarla de manera segura, fiable y alineada con las expectativas de confianza que hoy demandan tanto los mercados como la sociedad.

“La llamada ‘IA soberana’ ya es una realidad en Europa”

En un momento geopolítico convulso está emergiendo el concepto de ‘IA soberana’. ¿Es este posible en Europa?

La llamada ‘IA soberana’ ya es una realidad en Europa. De hecho, lo que hace poco era solo un debate político, hoy se ha convertido en una prioridad urgente para muchas empresas. La creciente tensión geopolítica y la fuerte dependencia de proveedores tecnológicos no europeos han acelerado esta preocupación, y algunas decisiones recientes desde Estados Unidos no han hecho más que reforzarla.

Cada vez son más las compañías que entienden que la IA no es sólo una cuestión de innovación, sino también de gestión de riesgos. A medida que los gobiernos consideran la IA como parte crítica de su infraestructura nacional y de su seguridad económica, depender de modelos y plataformas extranjeras plantea riesgos evidentes: desde la pérdida de control hasta problemas de resiliencia o de gobernanza de los datos.

Afortunadamente, construir una IA soberana en Europa empieza a ser algo más que un deseo. El apoyo del sector público está ayudando a financiar el desarrollo de capacidades locales, y ya estamos viendo proyectos sólidos como Mistral (a pesar de inversión estadounidense) o Aleph Alpha, que demuestran que Europa puede competir al más alto nivel. Además, marcos regulatorios como la AI Act de la UE buscan crear un entorno de confianza, transparencia e interoperabilidad que favorezca este objetivo. Y aunque Europa quizás no lidere en volumen o escala, existe una convicción creciente: podemos ser referentes en el desarrollo de una IA segura, especializada y plenamente alineada con nuestros valores legales y éticos. En definitiva, tanto para las empresas como para los gobiernos, apostar por una IA soberana se está consolidando como una estrategia esencial para proteger el futuro digital de Europa.