Cuando la IA parece demasiado cara, ¿qué más preocupa a las empresas?

De las 547 empresas que cumplían los criterios y señalaron costes elevados de IA, 197 también declararon tanto falta de personal con las competencias necesarias como dificultades con la disponibilidad o la calidad de los datos. Al aplicar las ponderaciones de la encuesta, la proporción estimada es del 37,5 %. Sin ponderación, es del 36,0 %.^[1][8]

Ambos porcentajes utilizan las mismas empresas y respuestas. El cálculo sin ponderar cuenta a todas las empresas por igual. El ponderado asigna a cada registro la contribución que le corresponde según el diseño de la encuesta, por lo que es nuestra estimación principal. La ponderación cambia la estimación, no qué respuestas cuentan como confirmación de ambas preocupaciones.

El intervalo de confianza del 95 % va del 29,8 % al 45,2 %. Ese margen aconseja describir el resultado como aproximadamente cuatro de cada diez, en lugar de presentar el 37,5 % como una medida exacta para todas las empresas similares.

Como las tres respuestas proceden del mismo registro, el análisis mide directamente su coincidencia. Podemos comprobar si las empresas que expresaron una preocupación por el coste también señalaron explícitamente preocupaciones sobre el personal y los datos.

Esto no determina las demás respuestas. Una empresa que no haya confirmado ambas preocupaciones puede haber señalado una, ninguna o una respuesta desconocida. No se puede describir al resto como un grupo cuyo único problema es el precio. El cuestionario incluye otros motivos y nuestro resultado principal no los ordena por importancia.

El porcentaje describe este grupo de una encuesta brasileña realizada en el pasado. Una empresa de otro lugar puede utilizar la distinción para plantear su propia pregunta de investigación.

La pregunta sobre costes consulta si parecen demasiado altos. No registra un presupuesto de un proveedor, la cantidad que la empresa podría pagar ni qué gasto tenía en mente quien respondió. Por eso hablamos de una preocupación por el coste percibido. Las respuestas no indican cuánto tendrían que bajar los precios ni si un descuento cambiaría una decisión.^[2]

La pregunta sobre el personal se refiere a personas de la propia empresa con las competencias necesarias para utilizar las tecnologías. El cuestionario comprueba primero si existe un área, departamento o especialista de TI. Disponer de ese apoyo no establece por sí solo si las personas implicadas tienen las competencias necesarias para una tarea de IA concreta.

La pregunta sobre datos combina disponibilidad y calidad. Una respuesta afirmativa puede referirse a si existe información adecuada, si se puede utilizar o ambas cosas. Como la encuesta no separa esas posibilidades, no permite determinar qué preparación necesita una empresa concreta.

Las siete preguntas sobre uso de IA abarcan más que la IA generativa. Incluyen tecnologías como el análisis de textos, el reconocimiento de voz, el aprendizaje automático y la automatización de flujos de trabajo. Por tanto, el resultado se refiere a esa lista más amplia de tecnologías.

Las respuestas desconocidas sobre personal o datos permanecen en el grupo completo que expresó preocupación por el coste. Nuestro porcentaje principal cuenta la confirmación explícita de ambas preocupaciones; no rellena las preguntas sin respuesta con una suposición. Los criterios también admiten respuestas desconocidas o ausentes sobre uso de IA, por lo que «no declararon usar» no debe interpretarse como una confirmación de que no usaban IA.

Para quien dirige una empresa o un equipo de marketing, la implicación práctica es separar tres preguntas: cuánto cuesta la tarea propuesta, quién puede evaluar el trabajo y qué información necesita. La coincidencia observada da motivos para plantearlas juntas. Para investigar las dificultades de implantar IA en tu empresa, empieza por una tarea definida y por lo que puedan aportar las personas que realizarían el trabajo.

Empieza con una descripción del trabajo que alguien pueda comprobar. «Usar IA en marketing» es demasiado amplio para saber qué necesita el equipo. «Agrupar las consultas sobre productos por temas para que las revise el equipo comercial» identifica un resultado y a las personas que lo utilizarán. Acotar la tarea permite hablar del precio de algo concreto.

Después pregunta qué incluye el precio propuesto. La suscripción a una herramienta y el tiempo que necesita el personal para preparar información o revisar un resultado son partidas distintas de un plan. Esta distinción es una sugerencia para planificar, no un desglose medido por la encuesta. El equipo puede registrar esas partidas sin dar por hecho que una tarea desconocida será cara o ahorrará tiempo.

Preguntar por la revisión puede ser más útil que preguntar, en general, por la confianza al utilizar IA. ¿Quién detectaría una consulta mal clasificada? ¿Qué fuente consultaría si una respuesta no está clara? ¿Quién decide si el resultado se puede utilizar? Estas preguntas identifican responsabilidades para una tarea propuesta; no diagnostican las competencias de una persona a partir de una estadística de una encuesta.

Ajusta el siguiente paso a la decisión que hay que tomar. La empresa puede necesitar aclarar un presupuesto, localizar documentación fiable de un producto o pedir a alguien que revise un ejemplo pequeño. Elige la comprobación que resuelva la duda concreta antes de comprometerte con un proyecto más grande.

Imagina un mayorista regional ficticio cuyo equipo comercial recibe consultas sobre productos a través de la web, el correo electrónico y los mensajes en redes sociales. Un responsable propone usar IA para agrupar esas consultas por temas. El equipo quiere identificar qué preguntas necesitan información de producto más clara y cuáles deben llegar a un comercial. Es un ejemplo ilustrativo de planificación, no una empresa observada en la encuesta.

La primera conversación se atasca en el precio. En lugar de concluir que el coste lo explica todo, el responsable escribe el resultado propuesto: una lista de temas de consulta, enlazada con los mensajes originales para que una persona la revise. La propuesta no incluye enviar respuestas automáticas ni recomendar productos a los clientes.

La responsable comercial advierte que algunos nombres de productos similares podrían confundirse. Se compromete a revisar la clasificación con el catálogo vigente y a señalar las consultas cuyo significado no esté claro. La pregunta relevante pasa a ser si dispone de la información y el conocimiento necesarios para revisar el trabajo, no si alguien en la empresa «se maneja bien con la IA» en general.

Un compañero comprueba qué información utilizaría la tarea. Las descripciones de productos están repartidas en varios documentos y algunos mensajes contienen datos de clientes. Antes de preparar un ejemplo, el equipo decide identificar la fuente actual de información de producto y comprobar qué mensajes puede utilizar de forma adecuada.

Ahora el responsable puede pedir una propuesta más concreta. ¿Qué hace la herramienta, qué debe comprobar una persona y qué información hay que preparar? El equipo registra esas tareas junto al precio presupuestado.

La siguiente decisión es si una revisión de alcance limitado puede responder a las preguntas pendientes. El equipo podría continuar, modificar la tarea o aplazarla. El responsable deja constancia del motivo y de qué información nueva justificaría volver a revisar la decisión.

Copia esta plantilla en un documento de proyecto o en las notas de una reunión. No necesitas una cuenta de Influence. Complétala para una sola tarea propuesta.

1. Tarea prevista: [trabajo concreto] → [resultado que alguien pueda revisar] → [persona o equipo que lo utilizará]. Escribe qué incluye la propuesta y qué queda fuera.

2. Pregunta sobre el coste: [presupuesto o estimación que se está valorando] · [qué incluye] · [qué falta por aclarar]. Si procede, registra por separado el trabajo de preparación o revisión del personal; no inventes un ahorro para justificar la propuesta.

3. Responsabilidad de revisión: [persona que revisará] · [qué comprobará] · [fuente que podrá consultar] · [qué ocurrirá si tiene dudas]. El cargo de una persona, por sí solo, quizá no responda a estas preguntas.

4. Información necesaria: [documentos o registros de origen] · [quién los mantiene] · [si están actualizados y es adecuado utilizarlos] · [duda pendiente sobre disponibilidad o calidad].

5. Siguiente comprobación pequeña: [pregunta que resolver] · [responsable] · [evidencia que ayudaría a decidir]. Describe la comprobación antes de interpretar su resultado.

6. Registro de la decisión: [continuar, revisar o aplazar] · [motivo respaldado por la comprobación] · [incertidumbre pendiente]. Distingue entre expresar una preocupación y disponer de pruebas de que se ha resuelto.

En el ejemplo del mayorista ficticio, el resultado es una lista de temas de consulta, la responsable comercial la revisa y el catálogo vigente sirve de referencia para los productos. La siguiente comprobación consiste en ver si esa organización produce algo que el equipo comercial pueda evaluar. Estas anotaciones concretan la propuesta sin atribuirle una tasa de éxito tomada de una encuesta que no estudió ese proyecto.

Utilizamos los microdatos públicos de TIC Empresas 2025 de NIC.br/Cetic.br, tratados para proteger la confidencialidad. Las entrevistas se realizaron en Brasil de febrero de 2025 a enero de 2026. La encuesta cubre empresas privadas formales en actividad con al menos diez personas trabajando en ellas, dentro de sus sectores definidos.^[1][3][4]

El análisis parte del filtro del cuestionario sobre área, departamento o especialista de TI. Después conservamos las empresas que no dieron ninguna respuesta afirmativa sobre las siete tecnologías de IA enumeradas y sí respondieron afirmativamente a la pregunta sobre el coste percibido. El cálculo principal divide el peso de las empresas que señalaron explícitamente preocupaciones tanto sobre personal como sobre datos entre el peso de todo este grupo elegible preocupado por el coste. Las respuestas desconocidas sobre personal o datos permanecen en ese denominador.

Calculamos la incertidumbre del muestreo con las 200 ponderaciones de réplica bootstrap combinadas suministradas. Los intervalos describen la incertidumbre de estimaciones individuales, no todas las posibles fuentes de error. Solo mostramos los resultados que cumplen nuestras reglas predefinidas de suficiencia de datos y divulgación; los desgloses omitidos no deben interpretarse como cero.^[8]

Fijamos la pregunta de investigación y los cálculos antes de examinar los resultados conjuntos. Al comprobar la fuente, documentamos una incoherencia en los códigos de respuesta publicados fuera de nuestro grupo de análisis y corregimos una comparación excesivamente precisa con las tablas de referencia publicadas. La descarga explica qué cambió y cuándo. Los cambios no alteraron la población analizada ni los cálculos previstos. Un cálculo independiente reprodujo el resultado publicado.^[8]

El archivo público ha recibido un tratamiento para proteger la confidencialidad. Cetic.br comprueba su utilidad frente a las tablas publicadas, pero eso no certifica que todos los análisis conjuntos nuevos sean idénticos a los que utilizarían las entrevistas originales.^[7]

Ya se sabe que las preocupaciones sobre personal, datos y financiación pueden coexistir. Investigaciones anteriores agruparon empresas según combinaciones de barreras, y el informe del organismo productor de 2025 aborda a las personas y los datos entre los requisitos de implantación. Nuestra aportación es una estimación directa de determinadas preocupaciones declaradas juntas dentro de este grupo concreto preocupado por el coste, no el descubrimiento de una nueva causa de no adopción.^[5][6]