El 55% de las compañías en España todavía no realizan inversiones significativas en IA

Las empresas europeas deben fortalecer las capacidades necesarias para escalar la IA más rápido si quieren abordar la creciente brecha de productividad y mejorar la competitividad general de la región, según el último informe publicado por Accenture “Europe’s AI reckoning – reinventing industries for a new era”. El estudio señala que el trabajador medio europeo produce ahora solo el 76% de lo que produce su homólogo estadounidense, y señala la persistente falta de inversión en tecnología como posible causa.

A pesar de que el informe Draghi sobre competitividad europea señala a la IA como una posible solución a los problemas de productividad de Europa, las empresas europeas aún no han aprovechado al máximo las oportunidades que ofrece esta tecnología. Actualmente, más de la mitad (56%) de las 800 grandes empresas europeas encuestadas aún no han realizado una inversión importante en IA a escala. Sin embargo, si todas las grandes empresas europeas mejoraran sus capacidades de IA para alcanzar el nivel de adopción que ya muestran los sectores más avanzados, se podrían generar casi 200.000 millones de euros adicionales en ingresos anuales, según Accenture.

“Los datos del estudio reflejan que el 55% de las empresas en España todavía no han realizado una inversión significativa en IA, en línea con el dato europeo”, señala Mercedes Oblanca, presidenta y CEO de Accenture en España y Portugal. “Nuestro país, por la situación geográfica, el nivel de desarrollo económico y de infraestructuras, entre otros factores, reúne las condiciones óptimas para convertirse en el hub tecnológico que impulse la innovación en Europa. Para lograrlo es fundamental que las grandes empresas aceleren sus procesos de transformación y reinvención invirtiendo en la adopción de la IA y las tecnologías digitales que la hacen posible, impulsando modelos de colaboración y compartición de datos que aceleren el crecimiento y la competitividad en toda la cadena de valor".

 

Adopción desigual

Los datos apuntan que las grandes empresas están adoptando la IA más rápidamente que las empresas de menor dimensión. Mientras que el 48% de las empresas más grandes de Europa han escalado al menos una iniciativa transformadora de IA generativa, el 31% de las empresas más pequeñas lo han hecho.

La adopción de la IA también varía entre industrias. Algunos sectores, como el de automoción, el aeroespacial y la defensa, están liderando el camino, mientras que otros, incluidos las telecomunicaciones y los servicios públicos, están más atrás. El sector industrial, que representa más de una cuarta parte del PIB de Europa, aún no ha aprovechado todo el potencial de la IA. Estas disparidades subrayan la necesidad de un enfoque más uniforme para la adopción de la IA en todas las industrias.

El informe también identifica capacidades clave, desde datos hasta talento, que las empresas necesitan para obtener valor de las inversiones en IA. Estas capacidades de IA están bien distribuidas en países como Suiza, Alemania, el Reino Unido y Francia. Sin embargo, en España e Italia están más rezagadas. A pesar de que el 79% de grandes empresas en España ha nombrado un director responsable de IA (CAIO), solo el 39% de las empresas españolas ha implementado una estrategia de datos e IA en el núcleo digital de su organización y un tercio ha integrado agentes de IA en su negocio.

Para aprovechar plenamente los beneficios de la IA, el informe destaca la importancia de construir un ecosistema de IA robusto y competitivo en Europa. Esto incluye apoyar a las empresas más pequeñas a mejorar en IA, fomentar un ecosistema de IA europeo soberano y desarrollar una estrategia industrial coordinada. Además, la formación en IA y la capacitación de la fuerza laboral son fundamentales, ya que el 35% de los trabajadores europeos no se siente adecuadamente capacitado para usar la IA de manera eficiente.

El informe identifica varias barreras clave para escalar la IA. En concreto, las empresas españolas destacan la construcción de una base de datos sólida (39%), la creación y el mantenimiento de equipos multidisciplinares (38%), la gestión de riesgos de seguridad y privacidad (32%), la personalización del modelo de IA (21%) y, por último, la demostración de valor comercial (19%).

Para superar estos desafíos, el informe recomienda invertir en la eliminación de silos de datos y la construcción de una base de datos de extremo a extremo con datos de calidad; centrarse en el desarrollo del talento, incluida la capacitación y las oportunidades de aprendizaje continuo, para construir y mantener la experiencia necesaria; adoptar un núcleo digital seguro para reducir vulnerabilidades, redundancia y deuda técnica; identificar e implementar casos de uso concretos con un ROI probado; y proporcionar más capacitación y apoyo a los empleados y garantizar que las herramientas de IA sean accesibles y fáciles de usar.