Inicio / Blog / IA para empresas

IA · Empresa

IA para empresas: guía de decisión para directivos

Anillo de doce puntos a la izquierda del que salen cuatro caminos; tres punteados se pierden y uno continuo llega a un marco, en azul marino y turquesa

La IA para empresas se reduce a cuatro rutas: herramientas generales como ChatGPT, la IA que ya trae el software que se paga, flujos con IA sobre un proceso concreto y agentes. La dirección elige ruta después de fijar el problema, los datos, el riesgo legal y el indicador que decide si sigue.

En 2025, el 20,27 % de las empresas españolas con diez o más empleados usaba alguna tecnología de inteligencia artificial, según Eurostat, casi el doble que un año antes. Para quien dirige una empresa, la pregunta útil es qué decisión le toca tomar y en qué orden. Esta guía está escrita para esa persona. Ordena las cinco preguntas que conviene contestar antes de gastar nada, compara las cuatro rutas con lo que cuesta cada una, hace las cuentas de un ejemplo con precios publicados por OpenAI y Anthropic, explica quién suele decidir dentro de la empresa y qué exige hoy el Reglamento europeo de IA, y propone un calendario de 90 días con un punto de corte. Los precios de terceros llevan su fecha, porque cambian sin aviso.

¿Qué es la IA para empresas?

La IA para empresas es el uso de modelos de inteligencia artificial dentro del trabajo diario de una organización: redactar y resumir, clasificar documentos y correos, responder a clientes, extraer datos de facturas o preparar análisis. En la práctica llega por cuatro vías. La primera son las herramientas generales, como ChatGPT o Copilot, que cada persona usa en su puesto. La segunda es la IA que ya incluye el software que la empresa paga, como el CRM, el ERP o la suite de ofimática. La tercera son los flujos con IA, que encadenan pasos fijos sobre un proceso concreto y meten un modelo en uno de ellos. La cuarta son los agentes, que deciden ellos mismos el siguiente paso. Cada vía pide una inversión, unos datos y un control distintos, y por eso la decisión empieza por el problema y no por la herramienta.

¿Cuántas empresas usan ya IA en España?

El 20,27 % de las empresas españolas con diez o más empleados usaba al menos una tecnología de IA en 2025, frente al 11,31 % de 2024, según los datos de Eurostat. La media de la Unión Europea fue del 19,95 %, y entre las empresas grandes de la UE llegó al 55,03 %. El dato tiene dos lecturas para un directivo. La primera es que cuatro de cada cinco empresas españolas de ese tamaño todavía no la usan, así que no llega tarde. La segunda es que el uso se concentra en marketing o ventas (34,70 % de las empresas europeas que usan IA) y la organización de procesos administrativos (31,05 %). El reparto por departamento y las tareas concretas de cada uno están en nuestro artículo sobre qué se automatiza con IA en cada departamento.

¿Qué tiene que decidir la dirección antes de invertir en IA?

La dirección tiene que contestar cinco preguntas antes de gastar en IA: qué problema concreto se resuelve y cuánto cuesta hoy, si existen los datos, qué riesgo legal tiene el uso, qué ruta lo resuelve con menos piezas y qué indicador decidirá si el proyecto sigue o se para. El orden importa. Si se empieza por la herramienta, falta la cifra con la que comparar después, y si no se fija el indicador de corte antes de empezar no hay manera de parar un piloto que no rinde. La primera pregunta pide una cifra: horas al mes, errores, plazo de respuesta o ventas perdidas. Sin esa cifra no hay forma de saber después si la IA ha servido.

Cinco tarjetas en orden: problema, datos, riesgo legal, ruta y corte, con la pregunta que contesta la dirección en cada una
Figura 1. Las cinco preguntas que contesta la dirección antes de invertir en IA, en orden. Criterio de Aurora. Datos clave: (1) problema y su coste actual en horas, errores o plazo; (2) datos disponibles y dónde están; (3) riesgo legal, con el RGPD y el Reglamento europeo de IA; (4) ruta más sencilla que lo resuelve; (5) indicador y fecha que deciden si sigue.

La segunda y la tercera pregunta tocan los frenos que más empresas citan, según Eurostat. Entre las empresas europeas que se han planteado usar IA y no lo hacen, el 70,89 % lo atribuye a la falta de conocimientos en la empresa, el 52,52 % a la falta de claridad sobre las consecuencias legales, el 48,83 % a la protección de datos, el 44,37 % a la disponibilidad o la calidad de los datos y el 41,39 % a la incompatibilidad con sus sistemas. El coste queda en sexto lugar, con el 33,34 %, y solo el 20,68 % cree que la IA no le sería útil. Para un directivo, la conclusión práctica es que el presupuesto rara vez es el primer obstáculo. Lo es saber qué datos tiene la empresa, dónde están y quién responde de ellos, y eso se averigua antes de elegir proveedor.

¿Herramienta, flujo con IA o agente: qué ruta conviene?

Conviene la ruta más sencilla que resuelva el problema medido: herramienta general para el texto de cada puesto, la IA del software que ya se paga si cubre la tarea, flujo con IA para un proceso con pasos fijos y agente solo si el camino cambia en cada caso. Cada salto de ruta añade integración, mantenimiento y riesgo. Una herramienta general se despliega en semanas con normas de uso, como contamos en ChatGPT para empresas. Un flujo con IA ya exige conectar sistemas y decidir qué paso revisa una persona. Un agente pide además permisos, límites y registro de lo que hace, por eso explicamos en otro artículo cuándo no hace falta un agente de IA.

Tabla de las cuatro rutas de la IA en una empresa con cuándo conviene, de qué es el coste y el riesgo típico
Figura 2. Las cuatro rutas de la IA en una empresa. Criterio de Aurora. Datos clave: herramienta general (ChatGPT, Copilot), para el trabajo con texto de cada puesto, coste en licencias por usuario; IA del software que ya se paga (CRM, ERP, ofimática), cuando la función existe, coste en el plan del proveedor; flujo con IA, para un proceso repetido con pasos fijos, coste en integración y consumo de API; agente, para tareas cuyo camino cambia, coste en desarrollo, supervisión y registro.

La ruta que más se olvida es la segunda. Una empresa que ya paga un CRM, un ERP o una suite de ofimática puede tener funciones de IA incluidas en su plan, así que antes de construir nada conviene revisar qué incluye el contrato actual y qué costaría activarlo. A veces la mejor respuesta ni siquiera es IA. En un diagnóstico para una entidad de inspección ambiental que quería automatizar sus informes técnicos con IA, al comparar tres informes reales vimos que casi la mitad del cuerpo era texto idéntico de un informe a otro, y eso se resuelve con plantillas, no con un modelo. La IA se quedó con la parte de redacción que cambia en cada caso. Elegir la ruta más sencilla abarata el proyecto y reduce lo que hay que vigilar después.

¿Cuánto cuesta la IA en una empresa?

El coste de la IA en una empresa tiene cinco partes: licencias por usuario, consumo de los modelos por API, trabajo de integración con los sistemas, tiempo del equipo y formación. Las dos primeras son públicas y, para la mayoría de los usos, son la parte barata. ChatGPT Business cuesta 21 € por puesto estándar al mes con facturación anual y 26 € con facturación mensual, según la página de precios de OpenAI para España consultada el 17 de noviembre de 2026. En la API de Anthropic, el modelo Claude Sonnet 5.5 cuesta 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida, y Claude Haiku 5.5, 0,10 y 0,50 dólares para textos de hasta 100.000 tokens, según su página de precios del 17 de noviembre de 2026. Lo caro suele ser el trabajo de diseñar el flujo, conectarlo y mantenerlo.

Un ejemplo con números lo deja claro. Una empresa de 40 personas da ChatGPT Business a los 12 puestos de oficina: 252 € al mes en pago anual, 3.024 € al año. Además monta un flujo con IA que lee los 2.000 correos y documentos que recibe cada mes, los clasifica y deja un resumen para quien los atiende. Si suponemos 1.500 tokens de entrada y 300 de salida por documento (un texto de un par de páginas y un resumen corto), el mes suma 3 millones de tokens de entrada y 600.000 de salida. Con Sonnet 5.5 son unos 12 dólares al mes; con Haiku 5.5, unos 60 céntimos. El consumo del modelo apenas pesa en la cuenta. Lo que la decide es el trabajo de integración y de revisión, que se presupuesta por proyecto. Los precios de Aurora irán en un artículo propio sobre consultoría de IA.

¿Quién decide la IA dentro de la empresa?

En las empresas medianas que nos han consultado este año, la decisión de IA estaba en un comité de recursos humanos, IT y finanzas, no en marketing ni en una sola persona. En un grupo de alimentación animal, la responsable de marketing que nos pidió ejemplos de automatización los derivó a recursos humanos, que junto con IT gestionaba el cambio. El director de una empresa de servicios sanitarios hizo lo mismo con finanzas y recursos humanos. Cada uno mira una cosa: recursos humanos, la formación y lo que cambia en los puestos; IT, la seguridad, el acceso y la integración; finanzas, el coste y el retorno. Un proyecto que llega a ese comité con el problema medido, los datos localizados y el indicador de corte ya escrito llega con las respuestas que cada uno va a pedir.

La dirección general tiene un papel distinto: fijar qué problema se ataca primero y quién responde del resultado. Cuando nadie tiene esa responsabilidad, cada departamento prueba herramientas por su cuenta y la empresa acumula cuentas personales, datos dispersos y ningún resultado comparable. En dos de las empresas que nos consultaron este año, una cadena de tiendas y una consultora ambiental, el uso de IA había empezado antes de que nadie lo decidiera, sin normas escritas sobre qué información podía entrar. Ordenarlo no requiere un departamento de datos. Requiere una persona con autoridad para decidir, una política de uso escrita y un primer proceso elegido por su coste medido. Ese primer proceso es el que después justifica, o no, el siguiente.

¿Qué exige la ley a una empresa que usa IA?

Una empresa que usa IA tiene que cumplir el RGPD con los datos personales que entren en los sistemas y el Reglamento europeo de IA, cuyas primeras obligaciones se aplican desde febrero de 2025. Su artículo 4, en la redacción que dejó el Reglamento (UE) 2026/1744 (Digital Omnibus), en vigor desde el 27 de julio de 2026, obliga a quien despliega IA a adoptar medidas para apoyar la alfabetización en IA de su personal, sin exigir un nivel concreto. El anexo III clasifica como alto riesgo, entre otros, los sistemas que filtran candidaturas, evalúan candidatos o se usan para decidir ascensos y despidos, y esa categoría pide controles adicionales. Para el resto de usos de oficina, lo práctico es firmar el contrato de tratamiento de datos con el proveedor, escribir qué datos pueden entrar y formar al equipo. En otro artículo detallamos qué datos conviene dejar fuera de ChatGPT.

¿Por dónde se empieza con la IA en una empresa?

Se empieza por un diagnóstico de dos semanas que mida los procesos candidatos, sigue un piloto de unas seis semanas con un solo proceso y se cierra con una decisión en la semana doce: ampliar, corregir o parar, según el indicador fijado al principio. Ese calendario es nuestra recomendación para una empresa de 20 a 250 personas, y se puede comprimir si el problema ya está medido. Lo importante es el orden. El diagnóstico mira los procesos, los sistemas que ya existen y los datos, y ordena los casos de uso por impacto y esfuerzo. El piloto se hace sobre la operativa real, con un grupo pequeño de usuarios y con alguien que revise lo que produce la IA. La decisión final se toma con las cifras del piloto.

Calendario de 90 días en tres columnas: diagnóstico en las semanas 1 y 2, piloto de la 3 a la 8 y decisión de la 9 a la 12
Figura 3. Calendario de 90 días para empezar con la IA en una empresa. Criterio de Aurora. Datos clave: semanas 1-2, diagnóstico (procesos medidos, sistemas y datos, riesgos legales, casos ordenados por impacto y esfuerzo); semanas 3-8, piloto con un solo proceso en la operativa real y revisión humana; semanas 9-12, medición contra el indicador y decisión de ampliar, corregir o parar.

El diagnóstico existe para no construir lo que no hace falta. Cuando un grupo de alimentación animal nos pidió las automatizaciones más habituales por departamento, le enviamos una lista para marketing, ventas, recursos humanos, operaciones, calidad, comunicación interna y logística, y la presentamos como una hipótesis de trabajo, no como un diagnóstico: antes de priorizar nada había que comprobar con recursos humanos e IT qué sistemas usaban ya (CRM, ERP, gestor documental). Esa comprobación cambia el orden de los casos, porque un proceso que parece sencillo puede depender de datos que viven en tres programas distintos. Si quieres que lo hagamos contigo, nuestro diagnóstico de IA sigue ese método y termina con los casos priorizados y un piloto propuesto, o con la recomendación de esperar si la empresa todavía no está lista.

¿Por qué fracasan los proyectos de IA en las empresas?

Los proyectos de IA suelen fracasar por costes que crecen, valor de negocio poco claro y controles de riesgo insuficientes. Son las tres causas que da Gartner al prever, en junio de 2025, que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027. Nuestro criterio es que valen para cualquier proyecto de IA, y que pesan más que el modelo elegido. Las tres se previenen en las cinco preguntas del principio. El coste, eligiendo la ruta más sencilla que resuelve el problema. El valor, midiendo el problema antes de empezar y fijando el indicador de corte. El riesgo, decidiendo qué datos entran, quién revisa lo que sale y qué uso cae en el alto riesgo del Reglamento. Un proyecto que no puede contestar a estas preguntas antes del piloto difícilmente las contestará después, cuando ya haya presupuesto gastado.

Hay un cuarto motivo, menos visible: esperar a que la tecnología se asiente. El director general de una consultora ambiental nos escribía en julio que cada día salía algo nuevo que mejoraba lo anterior y que querían ver cómo se adaptaban antes de dar otro paso. Es una objeción razonable, y la respuesta está en separar lo que cambia de lo que no. Los modelos cambian cada pocos meses. Los procesos de la empresa, sus datos y sus indicadores, no. Un diagnóstico y un piloto bien medidos siguen valiendo cuando sale un modelo nuevo: basta con cambiar la pieza del modelo y volver a medir. Lo que no se recupera es el año pasado sin saber qué proceso merecía la inversión.

Preguntas frecuentes

¿Cuánto cuesta implantar IA en una empresa?

Depende de la ruta. Una herramienta general cuesta su licencia: ChatGPT Business, 21 € por puesto estándar al mes en pago anual (OpenAI, 17-11-2026). El consumo de modelos por API suele ser pequeño: clasificar y resumir 2.000 documentos al mes con Claude Sonnet 5.5 sale por unos 12 dólares. El grueso del coste está en la integración, la revisión y la formación, que se presupuestan por proyecto.

¿Qué IA conviene usar en una empresa pequeña?

La más sencilla que resuelva un problema medido. Para el trabajo con texto de cada puesto, una herramienta general con plan de empresa y normas de uso. Antes de comprar nada, conviene revisar qué funciones de IA trae ya el software que se paga. Los flujos con IA y los agentes se reservan para procesos repetidos con un coste claro.

¿Hay ayudas públicas para implantar IA?

El programa Kit Consulting del Gobierno ofrecía bonos de asesoramiento digital de 12.000, 18.000 y 24.000 € para empresas de 10 a 249 empleados, pero su convocatoria figura como finalizada en la web de Acelera pyme (consultada el 17-11-2026). Conviene confirmar en la sede de Red.es si se abre una nueva antes de contar con ella.

¿Hace falta un departamento de datos para usar IA?

No para empezar. Hace falta una persona con autoridad para decidir, una política de uso escrita y saber dónde están los datos del proceso que se quiere mejorar. Un equipo técnico propio solo es necesario cuando la empresa construye y mantiene varios flujos o agentes a la vez.

¿Cuánto tarda la IA en dar resultados en una empresa?

Con un problema medido, un piloto de un solo proceso da cifras comparables en unas seis semanas, y la decisión de ampliar, corregir o parar puede tomarse en torno a la semana doce. Es nuestra recomendación de calendario, no un plazo garantizado: depende de los datos y de los sistemas que haya que conectar.

¿La IA va a sustituir al equipo?

En los usos de oficina, la IA quita horas de trabajo repetitivo, como clasificar, resumir o redactar borradores, y deja a las personas la revisión y la decisión. Nuestro criterio es que la IA trabaja para la empresa y una persona firma lo que sale, sobre todo cuando hay cifras, clientes o candidatos de por medio.

Fuentes

Eurostat, «Use of artificial intelligence in enterprises», Statistics Explained, datos extraídos en diciembre de 2025, y su hoja de datos de 2025 (leído el 3-11-2026).
OpenAI, Planes y precios de ChatGPT (España), «Business y Enterprise», leído el 10-11-2026 y de nuevo el 17-11-2026.
Anthropic, Pricing, precios de la API por millón de tokens, leído el 17-11-2026.
Reglamento (UE) 2024/1689 de inteligencia artificial, artículo 4 y anexo III, y Reglamento (UE) 2026/1744, Digital Omnibus on AI, leídos el 10-11-2026.
Gartner, «Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027», nota de prensa del 25-06-2025, leída a través de la cobertura de w.media (la web de Gartner bloquea la lectura automática).
Acelera pyme (Red.es), Kit Consulting, leído el 17-11-2026.
Corpus de Aurora, citado sin nombre: correos de un grupo de alimentación animal (6-07-2026), de una empresa de servicios sanitarios (8-07-2026) y de una consultora ambiental (8-07-2026); propuesta de casos por departamento (9-07-2026); diagnóstico de informes técnicos para una entidad de inspección ambiental (publicado en /servicios/inteligencia-artificial/).

¿Por dónde empezaría la IA en tu empresa?

Empezamos con un diagnóstico de tus procesos, tus sistemas y tus datos, y te devolvemos los casos ordenados por impacto y esfuerzo, con un piloto propuesto y su indicador. Si vemos que todavía no compensa, también te lo decimos. Ver el servicio de inteligencia artificial.