Por qué las empresas no usan inteligencia artificial (y cómo desbloquearla)

Según Eurostat (encuesta sobre el uso de las TIC en empresas, dataset isoc_eb_ai, actualizado 2026-06-15), en 2025 el 9,1 % de las empresas españolas de 10 o más personas señaló la falta de conocimientos como motivo para no usar IA; es el freno más citado y supera a la UE (7,8 %). Aun así, el 20,3 % de las empresas en España ya usa alguna tecnología de IA en 2025, en línea con la UE (20,0 %).

En resumen

• En 2025, el 9,1 % de las empresas españolas (10+ personas) no usa IA por falta de conocimientos; en la UE es el 7,8 % (Eurostat, isoc_eb_ai).
• Privacidad (5,9 %), dudas legales (5,7 %) y calidad de datos (5,3 %) pesan casi igual; los costes (5,2 %) e incompatibilidades (3,9 %) quedan por detrás.
• Estas cifras son sobre el total de empresas de 10 o más personas, no solo sobre las que no usan IA.
• El uso de IA en España alcanza el 20,3 % de empresas en 2025, muy próximo a la media de la UE (20,0 %).
• La falta de conocimientos es mayor en medianas (11,7 %) y relevantes también en grandes (9,8 %) y pequeñas (8,6 %).

Las barreras reales según Eurostat: qué significan los porcentajes

Las empresas españolas sí avanzan en adopción de IA, pero aún declaran frenos muy concretos. Según Eurostat (encuesta sobre el uso de las TIC y comercio electrónico, dataset isoc_eb_ai, actualizado 2026-06-15), en 2025 el 9,1 % de las empresas de 10 o más personas empleadas en España afirma que no usa IA por falta de conocimientos. Le siguen privacidad (5,9 %), dudas legales (5,7 %), calidad/disponibilidad de datos (5,3 %), costes (5,2 %) e incompatibilidad con sistemas (3,9 %). Importante: estos porcentajes están calculados sobre el total de empresas de 10 o más personas (sin sector financiero), no solo sobre las que no usan IA.

En paralelo, la adopción avanza: el 20,3 % de las empresas españolas usa al menos una tecnología de IA en 2025, muy próximo al 20,0 % de la UE. Esto dibuja un panorama mixto: una quinta parte ya usa IA, mientras que una parte menor pero relevante declara barreras específicas que conviene atacar con un plan.

¿Cómo leer bien estas cifras? Que un 5–9 % del total de empresas cite una barrera no significa que sea una mayoría entre las no usuarias, sino que es una proporción del conjunto del tejido empresarial. Por eso, para crecer en adopción de forma segura, el foco debe ponerse en quitar fricciones operativas: elevar capacidades internas, acotar pilotos, reforzar privacidad y despejar dudas legales e integraciones.

Recomendación práctica: mapea en tu compañía cuál de estas seis barreras pesa más hoy y vincúlala a un objetivo de negocio (por ejemplo, reducir tiempos de propuesta comercial o acelerar atención al cliente). Así convertirás una estadística en una hoja de ruta concreta. Si necesitas contexto adicional sobre usos, consulta este repaso al uso de la inteligencia artificial en las empresas.

EspañaUE-27

1. Falta de conocimientos9,1 %7,8 %
2. Costes demasiado altos5,2 %4,2 %
3. Dudas legales5,7 %5,9 %
4. Problemas de datos5,3 %4,8 %
5. Privacidad y protección de datos5,9 %5,8 %
6. Incompatibilidad con sistemas3,9 %4,6 %
7. Uso de al menos una IA20,3 %20,0 %

Fuente: Eurostat (isoc_eb_ai)

Barreras para no usar IA y adopción en 2025 (empresas de 10 o más personas)

Indicador	España (10+ · 2025)	UE-27 (10+ · 2025)
Falta de conocimientos	9.09 % (2025)	7.76 % (2025)
Costes demasiado altos	5.23 % (2025)	4.24 % (2025)
Dudas legales	5.66 % (2025)	5.92 % (2025)
Problemas de disponibilidad/calidad de datos	5.3 % (2025)	4.8 % (2025)
Privacidad y protección de datos	5.94 % (2025)	5.82 % (2025)
Incompatibilidad con sistemas	3.91 % (2025)	4.59 % (2025)
Empresas que usan al menos una tecnología de IA	20.27 % (2025)	19.95 % (2025)

Falta de conocimientos: la primera razón que frena la IA

La falta de conocimientos es el freno más citado en España: 9,1 % frente al 7,8 % en la UE (2025). La brecha es de 1,3 puntos. Por tamaño, el patrón es claro: medianas (50–249) declaran más carencia (11,7 % en España frente a 10,5 % en la UE), seguidas por grandes (9,8 % España; 10,3 % UE) y pequeñas (8,6 % España; 7,2 % UE). Además, en España el indicador ha crecido desde 2023 (4,0 %) y 2024 (5,4 %) hasta 2025 (9,1 %), señal de que más empresas se están planteando seriamente cómo usar IA y detectan el gap de capacidades.

Plan de choque en 30–60 días:

• Nombra un “AI Champion” por área para canalizar casos de uso y buenas prácticas.
• Diseña una formación básica orientada a rol (comercial, operaciones, marketing, finanzas) con sesiones de 90 minutos + prácticas guiadas.
• Estandariza prompts, checklists de revisión humana y políticas de uso responsable.
• Crea un canal interno para dudas rápidas y repositorio de ejemplos aprobados.

Ejemplo práctico: una empresa industrial mediana en Zaragoza puede formar primero al equipo de oficina técnica en generación de borradores de documentación y resúmenes de incidencias, con evaluación quincenal de calidad por parte de un responsable técnico. En paralelo, el área comercial practicaría propuestas tipo con plantillas de prompts.

Si buscas acelerar este proceso con un programa estructurado de upskilling, aquí tienes una guía de formación en IA y Claude para empresas. En ARTIC, como partner especializado, acompañamos a equipos que quieren empezar con seguridad y casos de negocio claros.

1. Alemania10,8 %
2. Portugal9,2 %
3. España9,1 %
4. Países Bajos7,8 %
5. UE-277,8 %
6. Italia5,5 %

Fuente: Eurostat (isoc_eb_ai), 2025

EspañaUE-27

1. 10 a 49 empleados8,6 %7,2 %
2. 50 a 249 empleados11,7 %10,5 %
3. 250 o más9,8 %10,3 %
4. Total (10 o más)9,1 %7,8 %

Fuente: Eurostat (isoc_eb_ai), 2025

Costes percibidos: cómo financiar y acotar el riesgo

El coste “parece demasiado alto” para el 5,2 % de las empresas españolas (frente al 4,2 % de la UE) en 2025. La sensación de coste pesa más en medianas (7,5 %), donde suelen emerger proyectos interdepartamentales con recursos limitados. La evolución reciente en España (3,3 % en 2023; 3,2 % en 2024; 5,2 % en 2025) sugiere que, a medida que los equipos descubren casos de uso, aparecen también dudas sobre licencias, integración o dedicación interna.

Cómo desmontar la barrera del coste sin grandes desembolsos:

• Define un piloto acotado a 8–12 semanas con un único KPI de negocio (por ejemplo, reducir el tiempo de ciclo de una tarea concreta) y un alcance técnico mínimo viable.
• Prioriza herramientas con pruebas controladas y opciones empresariales que faciliten el escalado posterior.
• Mide horas ahorradas, errores evitados o tiempos de respuesta mejorados con una línea base antes/después.
• Reutiliza infraestructura y datos ya existentes; evita desarrollos a medida hasta validar el encaje.

Ejemplo práctico: una distribuidora B2B pequeña en la Comunidad de Madrid puede arrancar con un asistente interno para responder preguntas frecuentes de catálogo y logística usando documentación ya disponible. El piloto medirá cuántas consultas resuelve sin escalar al equipo humano y el tiempo ahorrado por pedido.

Si necesitas una hoja de ruta para priorizar casos con impacto y bajo coste, revisa nuestra consultoría de IA para empresas: diagnóstico y hoja de ruta. Un enfoque por hitos y valor evita inversiones prematuras y facilita defender el presupuesto ante dirección.

Dudas legales: control y trazabilidad desde el primer día

Las dudas sobre las consecuencias legales son citadas por el 5,7 % de las empresas en España (5,9 % en la UE) en 2025. El dato es similar en todas las tallas, con una ligera menor incidencia en España entre las grandes respecto a la UE. La tendencia al alza respecto a 2023 y 2024 muestra que, a medida que se extiende el uso potencial, crece la necesidad de pautas claras.

Enfoque práctico para “desjuridificar” el día a día sin perder seguridad:

• Política de uso interno clara y corta: qué datos se pueden usar, qué no, revisión humana obligatoria y registro básico de prompts y resultados cuando corresponda.
• Trazabilidad light: guarda ejemplos representativos de entradas y salidas de los casos críticos para poder auditar decisiones y mejorar procesos.
• Roles definidos: quién aprueba casos de uso, quién revisa riesgos y quién mantiene las plantillas y guías.
• Proveedores y contratos: centraliza la relación con herramientas, documenta configuraciones y permisos.

Ejemplo práctico: una firma de servicios profesionales en Bilbao puede implantar una guía de 2 páginas con supuestos permitidos y restringidos, un formulario simple para dar de alta casos de uso y una revisión mensual de muestras por parte de un comité mixto (operaciones y legal).

Para reforzar estos controles desde la tecnología, las ediciones empresariales ayudan a configurar permisos, límites y aislamiento de datos. Aquí explicamos cómo plantearlo con Claude para empresas. Si tu web o ecommerce es parte del flujo de datos, conviene alinear políticas y textos con una revisión de protección de datos para webs y ecommerce.

Datos: disponibilidad y calidad, el cuello de botella silencioso

Las dificultades con la disponibilidad o calidad de los datos afectan al 5,3 % de las empresas en España (4,8 % en la UE) en 2025. No es la barrera más ruidosa, pero sí una de las más determinantes: sin datos localizados, actualizados y entendibles, los pilotos se frenan o arrojan resultados desiguales. En medianas y grandes, el reto suele ser tanto localizar fuentes como acordar definiciones comunes entre áreas.

Checklist para preparar datos “suficientemente buenos” en 4 semanas:

• Inventario: lista las 10–20 fuentes que intervienen en el caso de uso (documentos, bases de datos, hojas de cálculo, CRM…).
• Acceso: define quién necesita leer cada fuente y cómo se accede (sin credenciales compartidas).
• Calidad mínima: identifica campos clave y reglas simples (formato, obligatoriedad, duplicados) y crea un pequeño lote de datos de entrenamiento/pruebas.
• Mantenimiento: acuerda una cadencia para refrescar y versionar los datos utilizados por la IA.

Ejemplo práctico: un ecommerce mediano en Barcelona puede empezar con un selector de respuestas para atención al cliente alimentado por artículos de ayuda y políticas de envío. Bastaría con estructurar los artículos en categorías, eliminar duplicados y enlazar a una única fuente “oficial” por tema.

Si necesitas ingeniería ligera para conectar fuentes, automatizar limpiezas o crear herramientas internas de apoyo con IA, esta guía sobre Claude Code para empresas explica enfoques que no requieren rehacer tu sistema actual.

Privacidad y seguridad: políticas claras y entornos controlados

Las preocupaciones por violación de protección de datos y privacidad figuran para el 5,9 % de las empresas en España (5,8 % en la UE) en 2025. Es una inquietud transversal que suele crecer cuando los equipos empiezan a usar la IA con documentos sensibles o contextos internos.

Cómo reducir el riesgo sin bloquear la innovación:

• Datos sensibles: etiqueta lo que nunca debe subirse a herramientas externas y define alternativas (resúmenes sin datos personales, plantillas con placeholders, anonimización).

• Entornos controlados: utiliza espacios empresariales con permisos por equipo y registros básicos de actividad cuando el caso lo requiera.

• Revisión humana: establece puntos de control antes de enviar contenidos a clientes o publicar piezas generadas con IA.

• Formación de “primeros auxilios” de privacidad: sesiones cortas para reconocer riesgos comunes y cómo evitarlos.

Ejemplo práctico: una consultora tecnológica en Valencia puede crear un flujo para preparar propuestas: plantilla estandarizada, biblioteca de párrafos aprobados y un paso de revisión por un responsable antes del envío. El equipo aprende qué información puede compartirse y cuál debe omitirse o sintetizarse.

Para desplegar estas medidas con herramientas alineadas con entornos empresariales, puedes apoyarte en soluciones y guías como las de ARTIC, Claude Partner, que ayudan a configurar espacios de trabajo, permisos y pautas de uso responsable desde el arranque.

Compatibilidad con sistemas: integrar sin rehacer todo

La incompatibilidad con equipos, software o sistemas existentes es declarada por el 3,9 % de las empresas españolas (4,6 % en la UE) en 2025. Aunque es la menor de las barreras medidas, puede bloquear pilotos si se intenta “sustituir” plataformas clave en lugar de complementarlas.

Buenas prácticas para integrar IA en tu stack actual:

• Empieza “por encima” de los sistemas críticos: asistentes que lean documentación exportada, APIs estándar o conectores que no requieran cambios profundos.
• Automatiza tareas periféricas: generación de borradores, resúmenes, clasificación, enrichment de datos o búsquedas contextuales sobre contenidos ya consolidados.
• Estándares abiertos: prioriza formatos y protocolos ampliamente soportados para evitar dependencias rígidas.
• Revisa seguridad y permisos: la integración debe respetar los controles existentes y los principios de menor privilegio.

Ejemplo práctico: una empresa logística en Málaga puede implementar un resumen automático de incidencias a partir de tickets del sistema actual, sin tocar la aplicación principal. La IA genera borradores que se validan en el flujo habitual y se archivan junto al ticket.

Cuando la integración requiere desarrollo a medida o conectores específicos, puedes apoyarte en enfoques de ingeniería práctica como los que describimos en desarrollo de software con IA y Claude Code, evitando proyectos largos hasta que el valor esté probado.

De la barrera al despliegue: un plan de 90 días (con ejemplos)

Con los datos en la mano, la clave es convertir cada barrera en una acción concreta. Propuesta de plan en 90 días para una pyme industrial en Valencia (50–120 personas):

• Semana 1–2: diagnóstico rápido de casos de uso por área y mapa de riesgos (con especial foco en formación y datos).
• Semana 3–4: formación por roles y nombramiento de AI Champions. Publica guías internas de uso responsable y plantillas de prompts.
• Semana 5–8: piloto único con un KPI (p. ej., reducir el tiempo de preparación de ofertas). Define datasets, flujos de revisión y límites de uso.
• Semana 9–10: evaluación antes/después (calidad, tiempo, satisfacción interna) y decisión de escala o iteración.
• Semana 11–12: escalado controlado, documentación, integración ligera y formalización de gobierno (roles, políticas, cadencia de revisión).

Consejos operativos:

• Comunica avances con ejemplos reales; celebra los aprendizajes y registra las mejores prácticas.
• Mantén un backlog vivo de casos priorizados por impacto y complejidad.
• Evita la “parálisis por compliance” con políticas claras y revisiones proporcionales al riesgo.

Si quieres apoyo experto en diagnóstico y hoja de ruta, aquí detallamos cómo trabajamos la consultoría de IA. Y si tu objetivo es ganar visibilidad en asistentes y buscadores de IA, esta guía sobre cómo aparecer en inteligencias artificiales te ayudará a orientar contenidos y datos.

Preguntas frecuentes

¿Cuál es el principal motivo por el que las empresas en España no usan IA?

En 2025, el motivo más citado es la falta de conocimientos: el 9,1 % de las empresas españolas de 10 o más personas lo señala como razón para no usar IA. La fuente es Eurostat (isoc_eb_ai, actualizado 2026-06-15).

¿Estos porcentajes son sobre todas las empresas o solo sobre las que no usan IA?

Son sobre el total de empresas de 10 o más personas (excluido el sector financiero). No representan el porcentaje dentro del grupo de no usuarias, sino la proporción en todo el tejido empresarial considerado por la encuesta de Eurostat.

¿España está muy por detrás de la UE en adopción de IA?

No. En 2025, el 20,3 % de las empresas en España usa al menos una tecnología de IA, muy próximo al 20,0 % de la UE. La adopción avanza en paralelo a la identificación de barreras específicas a resolver.

¿Qué tamaño de empresa declara más ‘falta de conocimientos’?

En 2025, las medianas (50–249 personas) son las que más citan falta de conocimientos en España (11,7 %), seguidas por grandes (9,8 %) y pequeñas (8,6 %). En la UE, el patrón es similar (10,5 %, 10,3 % y 7,2 %, respectivamente).

¿Qué otras barreras pesan casi tanto como la falta de conocimientos?

Privacidad (5,9 %), dudas legales (5,7 %) y disponibilidad/calidad de datos (5,3 %) se sitúan en un bloque muy cercano. Los costes (5,2 %) y las incompatibilidades (3,9 %) aparecen ligeramente por debajo en España (2025).

¿Cómo han evolucionado estas barreras en España desde 2023?

Varias han crecido: ‘falta de conocimientos’ pasa del 4,0 % (2023) al 5,4 % (2024) y 9,1 % (2025). También aumentan costes, dudas legales, datos, privacidad e incompatibilidades, reflejando que más empresas exploran la IA y toman conciencia de los requisitos.

¿Por dónde empezar para superar las barreras con pocos recursos?

Con un piloto acotado a 8–12 semanas, formación por roles, políticas de uso responsable y un inventario mínimo de datos. Mide un único KPI de negocio y documenta aprendizajes para escalar con control. Si necesitas guía, ARTIC puede acompañarte en diagnóstico y hoja de ruta.

Fuentes y metodología

• Eurostat, encuesta sobre el uso de las TIC y el comercio electrónico en las empresas: empresas de 10 o más personas empleadas, sin sector financiero (base de datos).
• Los ejemplos de clientes enlazados son proyectos reales de ARTIC. Las calculadoras son orientativas.