Los avances en inteligencia artificial y analítica avanzada permiten hoy abordar problemas de decisión cada vez más complejos con mayores niveles de precisión y eficiencia. A pesar de que la práctica totalidad de las grandes empresas españolas reconoce margen de mejora en costes y eficiencia operativa, el 84,5% de las decisiones complejas las siguen tomando principalmente a partir de la experiencia y el criterio de sus equipos, o con el apoyo de herramientas básicas como hojas de cálculo, reglas fijas y soluciones de analítica tradicional.
El I Barómetro de la Optimización Matemática en España y Portugal, elaborado por DECIDE | Linkroad, profundiza en el segmento de empresas que todavía no ha adoptado la IA prescriptiva, la tecnología que permite no solo predecir escenarios, sino identificar la mejor decisión posible entre múltiples alternativas teniendo en cuenta variables y restricciones operativas complejas, para entender por qué sigue sin dar el paso, y qué necesitaría para hacerlo.
La brecha no es de desconocimiento
Uno de los hallazgos más reveladores del estudio es la contradicción entre percepción y acción. Entre las grandes empresas españolas que actualmente no utilizan IA prescriptiva, el 95% reconoce que tendría algún impacto positivo en su ROI. De ese porcentaje, el 46% lo califica de moderado o significativo. Solo el 5% considera que no tendría ningún efecto relevante en su negocio.
Este dato descarta que el freno sea el escepticismo tecnológico. El problema no reside en que las organizaciones duden del valor de la IA prescriptiva, sino en que no han conseguido, o no han priorizado, convertir esa convicción en acción.
«Muchas empresas ya saben que la optimización matemática funciona, saben que tiene impacto y, en algunos casos, ya saben dónde aplicarla. Lo que falta no es visión, es ejecución. Y eso tiene solución con el enfoque correcto«, afirma Daniel Herrero, Global Capability Lead – Decision Intelligence en Linkroad.
Las prioridades estratégicas, el freno número uno
El estudio identifica con claridad cuáles son las barreras que explican esta brecha. La principal es la priorización estratégica, señalada por el 19% de las empresas que no la utilizan: hay otras iniciativas que ocupan el foco directivo, y la IA prescriptiva queda desplazada en la agenda. Le siguen, con un 16% cada una, el hecho de que esta tecnología no se haya planteado hasta ahora en la organización, y la falta de talento interno especializado para implementarla.
A continuación, aparecen la complejidad percibida de la solución (14%), la dificultad para justificar el ROI ante dirección o inversores (13%) y la falta de conocimiento sobre qué es o cómo funciona realmente (11%). Significativamente, la falta de presupuesto es el último freno en la lista, señalado solo por el 10% de los encuestados, lo que desmonta uno de los argumentos más habituales para justificar la no adopción.
«Este ranking de barreras es muy revelador. La inversión no es el problema principal. El problema es la agenda, el conocimiento y la capacidad interna. Son obstáculos que se pueden abordar con las palancas adecuadas», añade Daniel Herrero.
Un piloto de bajo riesgo, la palanca más eficaz para activar la adopción
El estudio también preguntó a las empresas no usuarias qué necesitarían para dar el paso. La respuesta más citada, con un 26%, es: empezar con un piloto de bajo riesgo, que permita ver resultados concretos sin comprometer recursos ni procesos críticos.
Le siguen, con un 19% cada una, la posibilidad de que la solución no requiera un equipo técnico interno especializado y que se integre con los sistemas actuales sin grandes cambios. El impulso desde la dirección y la cuantificación clara del impacto económico se sitúan en el 18%, respectivamente.
Estos datos apuntan a un patrón. Las empresas buscan una evidencia concreta, accesibilidad técnica y un camino progresivo hacia la adopción.
¿Qué ayudaría a entender mejor el valor real de la tecnología?
En la misma línea, el estudio revela que las empresas demandan recursos prácticos y tangibles que les ayuden a comprender el valor de la IA prescriptiva antes de comprometerse. Las demostraciones de producto son el recurso más valorado, señalado por el 38% de los encuestados, seguidas de las calculadoras de ROI (37%) y los casos de éxito del mismo sector (31%).
Este perfil de demanda refleja que el mercado no necesita más argumentos teóricos. Necesita pruebas, ejemplos aplicados, herramientas que traduzcan el potencial en cifras comprensibles para la toma de decisión interna y acompañamiento experto a la hora de la implementación.
“La adopción no se acelera con más teoría, sino con evidencia. Cuando una empresa ve un caso aplicado a su realidad, entiende el impacto económico y cuenta con un equipo que le acompaña en la implementación, el salto de la exploración a la acción es mucho más natural”, afirma Begoña López Piedra, CMO de DECIDE | Linkroad.
El futuro: mayoritariamente exploratorio, pero con apertura creciente
A pesar de las barreras actuales, el estudio detecta una predisposición mayoritaria a explorar la tecnología en los próximos años. El 57% de las empresas que no utiliza actualmente IA prescriptiva le otorga un papel exploratorio o experimental en un horizonte de dos a tres años. El 28% la ve como un posible apoyo puntual en decisiones concretas. Solo el 15% considera que no encaja en su modelo operativo.
«La optimización matemática ya impulsa decisiones de alto impacto en múltiples sectores, con una adopción que no deja de acelerarse. Y el camino más natural para que las organizaciones la incorporen comienza con un piloto bien diseñado: un problema real, métricas claras y el respaldo del equipo directivo», concluye Duke Perrucci, CEO de Gurobi.
