Ús de la IA a les empreses: l’Estat vs UE i com començar

El 2025, el 20,27 % de les empreses de 10 o més persones a l’Estat espanyol usen almenys una tecnologia d’IA, lleugerament per sobre de la UE‑27 (19,95 %), segons Eurostat (enquesta TIC a empreses, dataset isoc_eb_ai, actualitzat 2026‑06‑15). Les grans (250+ persones) lideren amb un 57,46 % a l’Estat davant del 55,03 % a la UE‑27. Les tecnologies més esteses són la generació de llenguatge, l’anàlisi de text, l’automatització basada en IA i l’aprenentatge automàtic.

En resum

• A l’Estat, el 20,27 % d’empreses usen IA el 2025, per sobre de la UE‑27 (19,95 %) segons Eurostat (isoc_eb_ai, 2026‑06‑15).
• Per mida a l’Estat: 17,17 % (10–49), 30,1 % (50–249) i 57,46 % (250+).
• Generació de llenguatge/codi: 8,92 %; anàlisi de text: 10,05 %; automatització amb IA: 6,68 %; aprenentatge automàtic: 5,62 % (2025).
• L’ús d’IA a l’Estat s’ha duplicat en dos anys: del 9,18 % (2023) al 20,27 % (2025).
• Les grans empreses concentren l’adopció: fins a un 34,26 % en anàlisi de text i un 32,14 % en generació de llenguatge (2025).

On és l’Estat el 2025 davant de la UE i dels països capdavanters

L’adopció d’IA a les empreses de l’Estat s’ha accelerat de manera notable. Segons Eurostat (enquesta sobre l’ús de les TIC i el comerç electrònic a les empreses; dataset isoc_eb_ai, actualitzat el 2026‑06‑15), el 20,27 % de les empreses de 10 o més persones va utilitzar almenys una tecnologia d’IA el 2025, lleugerament per sobre de la mitjana de la UE‑27 (19,95 %).

Si ens fixem en països de referència, els Països Baixos (33,21 %) i Alemanya (25,97 %) superen amb escreix la mitjana europea, mentre que França (18,16 %) i Itàlia (16,4 %) se situen per sota de l’Estat; Portugal (11,54 %) queda més endarrerit. El missatge per a les direccions és clar: el context competitiu europeu avança i l’Estat ha escurçat distàncies en els darrers dos exercicis.

Què compta Eurostat com a “ús d’IA”? L’indicador integra empreses que fan servir com a mínim una d’aquestes tecnologies: generació de llenguatge o codi i síntesi de veu, anàlisi de llenguatge escrit (text mining), automatització de fluxos o assistència a la decisió amb IA (RPA), aprenentatge automàtic per a l’anàlisi de dades, visió per computador, reconeixement de veu, entre d’altres.

En termes operatius, això vol dir que la IA ja no és un pilot d’innovació aïllat: entra en processos quotidians de màrqueting, atenció al client, operacions i suport intern.

Exemple aplicat: una pime B2B de serveis a l’àrea metropolitana de Barcelona (50–120 persones) pot prioritzar dos fronts: 1) “quick wins” de setmanes (classificació automàtica de tiquets, resums de propostes) i 2) capacitats més profundes (agents d’IA connectats a dades internes) per consolidar avantatge davant competidors europeus.

1. Països Baixos33,2 %
2. Alemanya26,0 %
3. Estat espanyol20,3 %
4. UE-2720,0 %
5. França18,2 %
6. Itàlia16,4 %
7. Portugal11,5 %

Font: Eurostat (isoc_eb_ai), 2025

Ús d’IA a les empreses (Eurostat, 2025)

País o segment	Valor
A l’Estat espanyol · Total (10 o més)	20,27 % (2025)
A l’Estat espanyol · 10 a 49 persones	17,17 % (2025)
A l’Estat espanyol · 50 a 249 persones	30,1 % (2025)
A l’Estat espanyol · 250 o més	57,46 % (2025)
UE‑27 · Total (10 o més)	19,95 % (2025)
Alemanya · Total (10 o més)	25,97 % (2025)
França · Total (10 o més)	18,16 % (2025)
Itàlia · Total (10 o més)	16,4 % (2025)
Portugal · Total (10 o més)	11,54 % (2025)
Països Baixos · Total (10 o més)	33,21 % (2025)

La bretxa per mida: qui usa més IA i per què importa

La mida és el principal predictor d’adopció. A l’Estat, el 57,46 % de les empreses de 250 o més persones usen IA, davant del 30,1 % en les de 50–249 i del 17,17 % en les de 10–49. A la UE‑27, els valors són similars: 55,03 %, 30,36 % i 17 %, respectivament (Eurostat, isoc_eb_ai, 2025).

Per què les grans n’usen més? Tres motius recurrents: 1) més dades i processos estandarditzats; 2) pressupost i competències per integrar IA en sistemes corporatius; i 3) més pressió regulatòria i competitiva, que empeny l’automatització i l’analítica avançada.

Per a una empresa industrial mitjana a l’Horta de València (120 persones), la lectura és clara: competir amb grans exigeix concentrar la IA on el retorn marginal és més alt. Accions pràctiques: implantar automatització assistida per IA en la gestió de no conformitats i en la preparació d’ordres de treball; desplegar anàlisi de text sobre incidències per detectar causes comunes; i usar generació de llenguatge per accelerar documentació tècnica i comunicació comercial.

Recomanació operativa: prioritza verticals amb dades “llestes” (tiquets, correus, parts, comandes) i dissenya sprints de 6–8 setmanes per cas d’ús. Defineix els fets d’entrada (volum, qualitat de dades, temps/errors actuals) i un objectiu de sortida (temps estalviat, SLA, precisió) que puguis verificar al final de l’sprint.

Estat espanyolUE-27

1. 10 a 49 ocupats17,2 %17,0 %
2. 50 a 249 ocupats30,1 %30,4 %
3. 250 o més57,5 %55,0 %
4. Total (10 o més)20,3 %20,0 %

Font: Eurostat (isoc_eb_ai), 2025

Quines tecnologies d’IA s’usen més a l’empresa

Eurostat desglossa diferents famílies tecnològiques. El 2025, a l’Estat destaquen:

• Generació de llenguatge o codi i síntesi de veu: 8,92 % d’empreses (UE‑27: 8,76 %).
• Anàlisi de llenguatge escrit (text mining): 10,05 % (UE‑27: 11,75 %).
• Automatització de fluxos/assistència a la decisió amb IA (RPA basada en IA): 6,68 % (UE‑27: 5,35 %).
• Aprenentatge automàtic per a l’anàlisi de dades: 5,62 % (UE‑27: 5,1 %).

En empreses grans (250+), la penetració s’enfila: 32,14 % en generació de llenguatge, 34,26 % en anàlisi de text, 28,46 % en automatització amb IA i 29,34 % en aprenentatge automàtic (2025). Més enllà del pressupost o el talent, la maduresa del dada (qualitat, govern, accés) és el veritable accelerador.

Exemples per funció:

• Màrqueting i vendes: esborranys de propostes i seguiments; anàlisi de ressenyes i formularis; scoring de leads amb models de ML. Consulta també com evoluciona la IA en el màrqueting digital.
• Operacions: extracció de dades en documents; priorització d’incidències; detecció de patrons en parts de manteniment.
• Atenció al client: assistents amb síntesi de veu i NLG per a respostes inicials; text mining per motius de contacte.
• Suport intern: automatització de processos administratius (altes/baixes, expedients) i analítica per a previsió de demanda.

Clau d’implantació: comença per casos amb text estructurat o semi‑estructurat, on NLG/NLU i RPA basada en IA ofereixen retorns ràpids sense projectes de dades complexos.

L’evolució a l’Estat: del 9,18 % al 20,27 % en dos anys

L’adopció d’IA a les empreses de l’Estat s’ha accelerat amb força. El percentatge d’empreses que usen com a mínim una tecnologia d’IA va passar del 9,18 % (2023) a l’11,31 % (2024) i al 20,27 % (2025). La tendència acompanya la normalització de la IA en processos diaris (Eurostat, isoc_eb_ai, actualització 2026‑06‑15).

Per tecnologia, el patró és semblant:

• Generació de llenguatge/codi i síntesi de veu: del 2,29 % (2023) al 4,27 % (2024) i al 8,92 % (2025).
• Anàlisi de text: del 3,07 % (2023) al 5,05 % (2024) i al 10,05 % (2025).
• Automatització basada en IA (RPA): del 3,38 % (2023) al 4,41 % (2024) i al 6,68 % (2025).
• Aprenentatge automàtic: del 2,96 % (2023) al 3,91 % (2024) i al 5,62 % (2025).

Lectura per a direccions: la primera onada d’ús se sustenta en text i llenguatge, on la fricció de dades és baixa i el retorn és visible. A mesura que es consoliden govern del dada i connectors, creixen l’automatització i el ML aplicat a l’anàlisi.

Exemple aplicat: una firma de serveis professionals a Barcelona (60 persones) pot haver recorregut aquest camí amb 1) pilots de NLG per a propostes i minat de text en tiquets (2023–2024) i 2) automatització de back‑office amb IA i primers models de ML per a priorització (2024–2025). La lliçó: avança per capes i mesura cada fita amb temps, qualitat i satisfacció interna.

Casos d’ús prioritaris i com triar-los bé

Escollir malament el primer cas d’ús d’IA pot fer perdre mesos; encertar‑lo multiplica l’arrossegament intern.

Criteris pràctics:

• Volum i repetició: tasques freqüents, amb regles tàcites.
• Dades accessibles: text/documents/tiquets amb històrics identificables.
• Risc baix/mitjà: evita començar per decisions crítiques.
• Mètriques clares: temps per tasca, taxa d’error, SLA, cost unitari.

Casos transversals típics:

• Comercial/màrqueting: redacció de propostes, personalització d’emails, categorizació de leads, anàlisi de feedback.
• Atenció al client: respostes inicials amb NLG/veu, resum de converses, enrutament intel·ligent.
• Operacions/Qualitat: extracció de dades d’albarans/comandes, detecció de duplicats o incidències, priorització.
• RR. HH./Legal: cribatge de CVs, descripcions de lloc, extracció de clàusules.

Com convertir‑los en projectes executables:

1. Defineix l’objectiu (què vols millorar). 2) Especifica el flux ideal (inputs, sortides, validacions). 3) Delimita el conjunt de dades per entrenament o avaluació. 4) Tria la tecnologia (NLG/NLU, RPA amb IA, ML). 5) Dissenya el circuit de control humà (HITL) i el pla de fallback. 6) Tanca la mesura amb un abans/després verificable.

Exemple al Principat d’Andorra: una assessoria a Andorra la Vella pot començar amb un agent que classifica consultes i genera esborranys de respostes, amb revisió humana i mètriques de temps i qualitat; a la segona iteració, afegeix extracció de dades de documents normatius amb validacions.

Del diagnòstic als primers resultats: un pla de 90 dies

Un enfocament de 90 dies equilibra ambició i realisme per activar l’ús de la IA a l’empresa.

Setmana 0–2: diagnosi i full de ruta

• Mapatge de processos i dades, entrevistes, riscos i dependències.
• Selecció de 2–3 casos d’ús amb ROI verificable i risc diferenciat.
• Pla de govern (rols, seguretat, privadesa) i pla de formació.

Setmana 3–6: pilots i quick wins

• Prototips amb NLG/NLU i RPA amb IA en fluxos reals.
• Mètriques base i circuits de validació humana (HITL).
• Documentació d’insights, friccions de dades i requisits d’integració.

Setmana 7–12: industrialització i escalat

• Integracions amb eines corporatives, traçabilitat i auditoria.
• A/B de prompts/fluxos, enduriment d’SLA i desplegament per equips.
• Comitè de decisions amb mètriques de temps, qualitat i cost.

Si cal accelerar, la consultoria d’IA per a empreses ajuda a tancar la diagnosi i el full de ruta, i l’agència d’IA per a empreses pot co‑implantar pilots i automatitzacions amb enfocament operatiu. A ARTIC treballem amb equips interns per definir objectius, mesurar impacte i transferir capacitats evitant dependències.

Agents d’IA i arquitectura pràctica per a l’empresa

Els agents d’IA orquestren tasques amb múltiples eines (CRM, ERP, correu, bases de coneixement) i executen fluxos semiautònoms amb control humà. En la pràctica, un agent que “llegeix‑decideix‑actua” combina: 1) comprensió del context (documents, tiquets, comandes), 2) raonament amb polítiques de negoci, 3) accions en sistemes (crear/actualitzar registres) i 4) informes amb traçabilitat.

Pautes de disseny:

• Començar amb agents “assistits” (aprovació humana) abans de passar a accions automàtiques.
• Descompondre tasques en passos observables i testeables.
• Limitar abast per dades i permisos; registrar cada decisió amb evidències.
• Mesurar precisió i recall per tipus de tasca, més temps i re‑treball.

Per desplegar agents sobre bases i fluxos corporatius, valora plataformes i capacitats específiques. Si la teva organització requereix models avançats i col·laboració segura, revisa la guia de Claude per a empreses i el nostre rol com a Claude Partner a Catalunya i Andorra. Si busques casos executables, mira els agents d’IA per a empreses integrables amb CRM, ITSM o repositoris de coneixement. A ARTIC prioritzem pilots amb dades reals i controls de seguretat per accelerar l’aprenentatge sense comprometre el govern.

Com mesurar el ROI de la IA: les mètriques que importen

Sense mètriques, la IA és una demo perpètua; amb mètriques, és una palanca de negoci. Defineix un quadre de comandament per cas d’ús que separi impacte directe, qualitat i adopció.

• Impacte directe: temps mitjà per tasca, throughput, cost unitari, backlog.
• Qualitat: precisió, taxa d’errors crítics, desviacions vs. política.
• Adopció: % de tasques passades per l’assistent/agent, satisfacció d’usuari intern.
• Risc/Conformitat: cobertura d’auditoria, % d’accions amb traçabilitat completa.

Metodologia: estableix una línia base de 4–6 setmanes, instrumenta la solució per capturar esdeveniments i compara amb un període equivalent després del desplegament. Fes talls per tipologia i complexitat de tasca. Mantén un marge de seguretat per a decisions sensibles (llindar de confiança + revisió humana).

Exemples pràctics: en operacions, mesurar reducció de temps en altes de clients o conciliacions; en atenció al client, caiguda del temps de primera resposta; en comercial, augment de propostes enviades per setmana sense empitjorar la taxa d’èxit.

Per assegurar adopció sostinguda, vincula incentius d’equip a mètriques d’ús i qualitat i integra els informes en els rituals de direcció (setmanal/mensual).

Persones, formació i govern: el factor diferencial

La tecnologia rendeix segons l’adopció del teu equip. Qualsevol desplegament d’IA ha d’anar acompanyat d’un pla de persones i govern.

• Rols i responsabilitats: product owner per cas d’ús; data steward per a qualitat i accés; responsable de seguretat i compliment; comitè d’IA per prioritzar i arbitrar riscos.
• Capacitat: entrenar equips en ús efectiu d’assistents, disseny de prompts i validació de sortides; formar comandaments en mètriques i govern.
• Seguretat i privadesa: polítiques de dades, llistes d’ús permès, control de permisos per agent i registres d’auditoria.
• Canvi cultural: reconèixer millores, compartir aprenentatges i iterar sobre friccions reals dels usuaris.

Pla pràctic de formació:

1. Formació base per a tots els usuaris (2–4 hores) centrada en casos quotidians i criteris de qualitat. 2) Tallers per funció (comercial, atenció, operacions) amb pràctiques sobre dades reals. 3) Formació a responsables en mètriques, riscos i escalat.

Per accelerar, aquesta formació en IA i Claude per a empreses permet estructurar itineraris per rol i certificar competències internes. També pots revisar el marc regulatori a la nova Llei d’IA de la UE, útil per planificar riscos i controls des del primer dia.

Preguntes freqüents

Quin percentatge d’empreses usa IA a l’Estat i com es compara amb la UE?

El 2025, el 20,27 % de les empreses de 10 o més persones a l’Estat usa almenys una tecnologia d’IA, davant del 19,95 % a la UE‑27. Dades d’Eurostat (enquesta TIC a empreses, isoc_eb_ai, actualitzat 2026‑06‑15).

Les grans empreses usen més IA que les pimes?

Sí. A l’Estat, el 57,46 % de les empreses de 250+ persones usa IA, davant del 30,1 % en les de 50–249 i del 17,17 % en les de 10–49. A la UE‑27 el patró és semblant (55,03 %, 30,36 % i 17 %).

Quines tecnologies d’IA són més comunes a l’empresa?

Les més esteses el 2025 a l’Estat són la generació de llenguatge/codi (8,92 %), l’anàlisi de text (10,05 %), l’automatització basada en IA (6,68 %) i l’aprenentatge automàtic (5,62 %), segons Eurostat.

Ha crescut l’ús d’IA a l’Estat els darrers anys?

Sí. L’ús d’almenys una tecnologia d’IA ha passat del 9,18 % (2023) a l’11,31 % (2024) i al 20,27 % (2025). La tracció més gran es veu en casos basats en text i llenguatge.

Per on començar un projecte d’IA a l’empresa?

Tria un cas d’ús amb dades accessibles, risc controlat i mètriques clares. Fes un pilot de 6–8 setmanes amb validació humana, mesura l’abans/després i planifica integració i escalat si s’assoleix l’objectiu.

Com mesurar el ROI de la IA?

Defineix un quadre de comandament per cas amb mètriques d’impacte (temps, cost), qualitat (precisió, errors crítics) i adopció (ús real). Estableix una línia base prèvia i compara amb el període posterior al desplegament.

Quin paper tenen els agents d’IA a l’empresa?

Els agents d’IA orquestren tasques entre sistemes (CRM, ERP, correu) i executen fluxos semiautònoms amb control humà. Aceleren respostes, redueixen tasques repetitives i aporten traçabilitat si es dissenyen amb límits i mètriques clares.

Fonts i metodologia

• Eurostat, enquesta sobre l’ús de les TIC i el comerç electrònic a les empreses: empreses de 10 o més persones ocupades, sense el sector financer (base de dades).
• Els exemples de clients enllaçats són projectes reals d’ARTIC. Les calculadores són orientatives.