EGGS Intelligence Report

Por qué las organizaciones más grandes tienen el problema de IA más difícil.

Hay una paradoja en la adopción de inteligencia artificial en las grandes organizaciones españolas: las que más han invertido en transformación digital en los últimos diez años son, con frecuencia, las que más dificultades tienen para integrar la IA de forma que genere valor real.

No es una paradoja accidental. Tiene una causa estructural.

La complejidad que ya existía

El 86% de los directivos encuestados en un estudio global reciente de Harvard Business Review afirman que la complejidad organizativa de sus empresas ha crecido hasta el punto de frenar el crecimiento. El 70% de las transformaciones digitales no alcanzan sus objetivos — dato confirmado por BCG a lo largo de múltiples ciclos de investigación.

Esos números no son de 2020. Son de 2024 y 2025. Años en los que las organizaciones llevan ya una década transformándose digitalmente.

Lo que los datos sugieren es que la transformación digital, en muchos casos, no ha reducido la complejidad organizativa — la ha amplificado. Ha añadido capas de sistemas, de procesos, de equipos especializados, de dependencias entre áreas. Y cuando esa organización compleja intenta ahora integrar la IA, no está añadiendo tecnología sobre una tabla rasa. Está añadiéndola sobre una infraestructura que ya tiene sus propias fricciones, sus propios incentivos mal alineados, sus propias resistencias al cambio.

La IA no simplifica las organizaciones complejas. Las expone.

El gap de adopción

Los datos sobre adopción real de IA en el entorno laboral son reveladores. En los países nórdicos — los más digitalizados de Europa — solo el 19% de los trabajadores usa IA generativa de forma regular. En España, el contexto es comparable o más conservador.

Y sin embargo, el 82% de los directivos europeos afirma haber desplegado IA generativa o tener planes de hacerlo este año.

Esa distancia entre lo que se despliega y lo que se usa es el problema real. No es un problema de tecnología — es un problema de adopción. Y la adopción no falla por falta de herramientas: falla porque las herramientas no se han integrado en los flujos de trabajo reales de las personas, porque el cambio no se ha gestionado con suficiente atención al factor humano, o porque los incentivos organizativos no alinean a los equipos con el uso de la nueva tecnología.

Un sistema de IA que nadie usa es más caro que no tener sistema de IA. Paga la inversión tecnológica sin recibir el retorno. Y genera escepticismo en la organización sobre el valor real de la IA — un escepticismo que después es muy difícil de revertir.

Lo que las organizaciones que lo hacen bien tienen en común

En los proyectos en los que llevamos años trabajando — en banca, en energía, en sector público, en industria — hemos identificado algunos patrones en las organizaciones que consiguen integrar la IA de forma que genera valor real y adopción sostenida.

_Empiezan por el problema, no por la tecnología. _Las organizaciones que integran IA con éxito no parten de "queremos usar IA" — parten de "tenemos este problema específico en este proceso concreto, y queremos entender si la IA puede ayudar a resolverlo mejor que lo que tenemos ahora." Esa diferencia de punto de partida lo cambia todo.

Diseñan la experiencia de las personas que van a usarla. Un modelo de IA que mejora la eficiencia de un proceso solo genera valor si las personas que trabajan con ese proceso lo usan bien. Eso requiere investigación con los usuarios reales del sistema — no solo con los decisores que lo aprueban — y un diseño de la experiencia que haga el cambio comprensible y manejable.

_Tratan la IA responsable como un requisito de diseño, no como un aviso legal. _Las organizaciones que operan en sectores regulados — banca, seguros, sector público — tienen una presión adicional: el AI Act europeo establece obligaciones concretas de transparencia, explicabilidad y control humano para los sistemas de IA de alto riesgo. Las que tratan ese marco como un obstáculo lo gestionan mal y llegan tarde. Las que lo integran en el diseño desde el principio tienen sistemas que sus usuarios entienden y sus reguladores aceptan.

_Miden la adopción, no solo el despliegue. _El KPI que importa no es cuántos sistemas de IA se han lanzado — es cuántas personas los usan de forma activa y qué impacto tienen en los resultados del negocio. Esa medición requiere tiempo y rigor, pero es la única que distingue la transformación real de la apariencia de transformación.

El papel del diseño en todo esto

Hay una frase de una entrevista en profundidad con un directivo de empresa que citamos en nuestro proceso de investigación interno. Hablando sobre sus equipos de diseño, dijo: "Cada vez que los diseñadores mencionan Figma, se están degradando a sí mismos."

La frase es dura. Y tiene algo de verdad.

El diseño en el contexto de la integración de IA en organizaciones complejas no puede ser solo un proceso de creación de interfaces. Tiene que ser una práctica de comprensión del problema organizativo, de alineación de incentivos, de gestión del cambio humano. Si el diseñador llega cuando ya está decidida la solución y solo tiene que darle forma, llega tarde.

Los proyectos de IA que funcionan son los que incluyen al diseño — y a la investigación con usuarios reales — en la fase en que todavía se están tomando las decisiones que importan: qué problema resolver, con qué enfoque, con qué lógica de adopción.

Eso es lo que entendemos por diseño estratégico en el contexto de la inteligencia artificial. Y es el trabajo más difícil — y más necesario — que tenemos por delante.