La inteligencia artificial (IA) se consolida como una herramienta clave para mejorar la eficiencia operativa en España. Su adopción continúa creciendo y ya más del 56% de las empresas está viendo mejoras en su productividad gracias a su implementación. Sin embargo, la calidad del dato y la falta de talento cualificado siguen suponiendo un gran reto. Así lo revela el informe La Inteligencia Artificial en Iberoamérica 2025, elaborado por NTT DATA y MIT Technology Review en español, que analiza el grado de madurez, los beneficios, las barreras y las oportunidades que plantea esta tecnología en la región.
Carencia de talento interno y la falta de calidad en los datos
El cambio cultural en la implementación a gran escala de la IA, en especial en los procesos de producción, es un reto que las empresas en España necesitan abordar con inmediatez. Para ello, es necesario contar con profesionales capaces de llevar a cabo la transición hacia un modelo sostenible en el tiempo y dimensionado de manera correcta. 8 de cada 10 compañías encuestadas utilizan recursos externos de consultoras especializadas para adquirir capacidades en IA, inversión fundamental para mantenerse competitivas en el mercado.
El otro gran escollo para mantener un nivel de competencia elevado mediante el impulso de la IA es el uso correcto y continuo de los datos. El combustible principal de la inteligencia artificial (datos) es fundamental para la eficiencia de esta herramienta tecnológica universal. La carencia de calidad en los datos y la integración de la información mediante analítica de datos es un obstáculo significativo en esta transición a un nuevo modelo. De hecho, el 56% de las empresas en España afirma enfrentar dificultades por problemas en la calidad y cantidad de los datos, y más del 60% se encuentra con esta problemática a la hora de implementarlos.
Este contexto amenaza con ralentizar el avance de la IA, especialmente en los entornos más maduros, donde los sistemas requieren una base de datos sólida para poder escalar.
“La tecnología ya no sólo permite optimizar los procesos, sino que se convierte en un diferenciador clave para la competitividad”, ha señalado Matías García Calvo - responsable de Data & Analytics de NTT DATA España. “Para garantizar un desarrollo exitoso, será crucial alinear las estrategias de implementación con marcos regulatorios y éticos, al tiempo que se refuerzan los estándares de ciberseguridad”, ha afirmado García Calvo.
Regulación, ética y transparencia con visión europea
A este desafío se suma un entorno regulatorio cada vez más complejo. En una comparativa regional, Latinoamérica sigue avanzando en la adopción de IA con marcos más flexibles que Europa —y España como parte de ella— afronta las consecuencias de un ecosistema legal más exigente, pero también líder y pionera. La Unión Europea ha marcado un precedente con el primer reglamento integral sobre IA a escala mundial: la Ley de Inteligencia Artificial, que se perfila como un modelo que otras regiones podrían adoptar para no quedar rezagadas en términos de gobernanza y competitividad tecnológica.
Esto supone también abordar cuestiones éticas, asociadas con la transparencia y el uso responsable de la IA. En este sentido, la ética y la regulación en IA han cobrado un papel central en la adopción de esta tecnología, impulsando a las empresas a establecer marcos normativos internos y prácticas responsables. Por ello, en España, el cumplimiento regulatorio es una prioridad debido a la legislación europea, lo que supone una preocupación para el 44% de los entrevistados.
Soluciones y líneas estratégicas tecnológicas para el crecimiento
Para evitar que estos obstáculos frenen el despliegue de la IA, NTT DATA señala varias líneas tecnológicas estratégicas que conjugan cumplimiento normativo, eficiencia y ética. Por un lado, señalan los datos sintéticos ante la falta de calidad y cantidad de datos, que permiten entrenar modelos sin recurrir a datos reales sensibles, respetando la privacidad y asegurando la diversidad y calidad de los conjuntos de datos. Otra opción son las soluciones diseñadas para operar bajo entornos controlados y cerrados, con plena trazabilidad, como la IA privada. Por último, los modelos de lenguaje más pequeños, comprimidos y eficientes, que pueden integrarse bajo un mismo paraguas de gobernanza y ser adaptados a casos de uso concretos. Esta modularidad permite soluciones especializadas, más alineadas con los estándares éticos y legales exigidos en Europa.