La inteligencia artificial ya no se vende como una simple palanca de eficiencia. Se está convirtiendo, según el diagnóstico de IBM, en un motor de ingresos, en un rediseño del liderazgo corporativo y en una reconfiguración de la arquitectura tecnológica que sostiene a las organizaciones. La cuestión, sin embargo, no es si las empresas invertirán más, sino si serán capaces de convertir esa inversión en resultados medibles sin quedarse atrapadas en pilotos perpetuos.

Esa es una de las principales conclusiones del estudio global del IBM Institute for Business Value (IBV), elaborado con Oxford Economics, que recoge la visión de más de 2.000 altos directivos sobre cómo evolucionarán sus organizaciones entre 2025 y 2030. En esa “Empresa 2030”, el relato dominante es claro: la IA pasará de ser un accesorio añadido a procesos existentes a convertirse en el tejido que conecta decisiones, operaciones y productos en tiempo real.

De la IA como ahorro a la IA como palanca de nuevos ingresos

El dato que más llama la atención es el salto de expectativas sobre ingresos. Para 2030, el 79 % de los ejecutivos encuestados espera que la IA contribuya de forma significativa a la facturación de su organización. Hoy, esa percepción se sitúa en el 40 %. Es una declaración de intenciones, pero también una señal de incertidumbre: solo el 24 % afirma ver con claridad cuáles serán sus principales fuentes de ingresos en 2030.

En el fondo, el estudio describe un mercado en el que la ventaja competitiva se define menos por “hacer lo mismo más barato” y más por inventar lo que todavía no existe. De hecho, el 64 % de los directivos cree que la ventaja vendrá de la innovación más que de la optimización de recursos. Y esa lógica se traslada al dinero: entre 2025 y 2030 prevén que la inversión en IA crezca aproximadamente un 150 %.

La lectura tecnológica es doble. Por un lado, la IA seguirá presionando para automatizar y mejorar productividad. Por otro, esa productividad se concibe como combustible para financiar innovación. El estudio estima que la IA elevará la productividad un 42 % para 2030 y que el 67 % de los ejecutivos espera haber capturado la mayor parte de esas ganancias para entonces. El efecto, según IBM, es un “volante de inercia”: automatización que libera recursos, reinversión y, con ello, transformación del modelo de negocio.

El gran cuello de botella: la integración con el negocio

La paradoja es que el entusiasmo convive con una ansiedad muy concreta: el 68 % teme que sus esfuerzos en IA fracasen por falta de integración con las actividades núcleo del negocio. No se trata de un matiz menor. IBM distingue explícitamente entre “adoptar IA” (sumar herramientas) y “crear inteligencia integrada” (hacerla inseparable de la estrategia y de la operación).

Aquí es donde emerge una palabra clave para cualquier medio tech: orquestación. El informe plantea la necesidad de una capa neutral capaz de conectar plataformas de negocio, aplicaciones y agentes de IA con interoperabilidad real, de forma que los flujos de datos y decisiones atraviesen la organización sin depender de silos o integraciones frágiles.

David Carrero, cofundador de Stackscale (Grupo Aire), lo resume desde el lado de la ejecución: «La IA no falla por falta de demos, falla cuando intentas llevarla a producción y descubres que datos, permisos, latencia, costes y trazabilidad no están resueltos. La integración no es un proyecto, es una disciplina operativa». En otras palabras: sin cimientos de infraestructura y gobierno del dato, la IA se queda en promesa.

Multi-modelo, no “un modelo para gobernarlos a todos”

Otra idea relevante para 2030 es la transición hacia portafolios de modelos. IBM sostiene que las empresas ganadoras no optimizarán un único modelo, sino un conjunto dinámico que se adapta a regulaciones, ciclos de compra y volatilidad de mercado. En esa línea:

• El 71 % de ejecutivos ve las capacidades emergentes de IA como herramientas complementarias dentro de un portafolio.
• Sin embargo, solo el 28 % dice estar seguro de qué modelos necesitará en 2030.
• Y el debate técnico se intensifica: el estudio recoge que muchas organizaciones esperan operar en escenarios multi-modelo y que la competencia se desplazará hacia modelos “a medida” y activos propios.

La implicación práctica es evidente: si el futuro es multi-modelo, el valor no está solo en el modelo, sino en cómo se gobierna el ciclo de vida (MLOps), cómo se conectan datos y aplicaciones, y cómo se “empaqueta” el modelo en productos y servicios.

Carrero lo enfoca desde la arquitectura: «El tamaño del modelo importa menos que la capacidad de desplegarlo donde tiene sentido: cerca del dato, con control de costes, y con garantías de seguridad. En muchas empresas, la ventaja estará en modelos especializados y en la orquestación, no en perseguir el modelo más grande».

Agentes, liderazgo y una empresa “always-on”

En el documento, IBM describe la “smarter enterprise” como una organización “siempre activa”: procesa señales del mercado de forma continua, ajusta rumbo en tiempo real y experimenta con nuevas vías de ingresos de manera más automatizada. Esa visión va acompañada de un cambio organizativo profundo.

El informe anticipa que la IA redefinirá el liderazgo: el 74 % de los ejecutivos considera que los roles de liderazgo cambiarán y que surgirán nuevas posiciones. Incluso se contempla que el 25 % de los consejos de administración incorporará un asesor de IA o un “co-decisor” para 2030. En paralelo, se prevé fricción interna: el 68 % ve las estructuras organizativas actuales como un impedimento para capturar el valor completo de la IA.

En lo laboral, el estudio advierte de un ciclo de obsolescencia acelerado: el 57 % espera que la mayoría de habilidades actuales queden obsoletas en 2030, y para finales de 2026 los ejecutivos proyectan que el 56 % de la plantilla requerirá reskilling por automatización impulsada por IA.

Para un medio tecnológico, el punto crítico es que este salto organizativo no ocurre sin plataforma: agentes y automatización transversal exigen observabilidad, control de acceso, auditoría y capacidades híbridas para mover datos y cómputo donde se necesiten. «Si vas a meter agentes en procesos críticos, tienes que tratarlos como producción: monitorización, control de cambios, límites de actuación y registro de decisiones. Lo contrario es automatizar el riesgo», apunta Carrero.

La infraestructura como ventaja competitiva: híbrido, escalable y gobernado

IBM insiste en que el portafolio multi-modelo debe apoyarse en una arquitectura híbrida, flexible, segura y escalable, capaz de dar acceso “instantáneo” a modelos, datos y aplicaciones a los equipos que lo necesiten. Es una declaración que encaja con el giro del mercado: IA en tiempo real, cadenas de suministro de datos, y presión por soberanía y cumplimiento.

Desde el prisma europeo, Carrero añade un matiz: «En Europa, la conversación no es solo rendimiento; es jurisdicción, soberanía y control. La arquitectura híbrida permite elegir dónde vive el dato y dónde se ejecuta el modelo sin romper el negocio». Es, en esencia, la traducción operativa de lo que el informe plantea como condición para competir: velocidad, integración y activos propios.

La conclusión del estudio no es complaciente. 2030 no se presenta como una meta lineal, sino como una carrera de iteraciones rápidas, apuestas más grandes y menos margen para la improvisación. Las compañías que consigan convertir productividad en innovación, y que construyan portafolios de IA integrados en el negocio, serán las que transformen la IA en ingresos. El resto seguirá acumulando herramientas.

---

Preguntas frecuentes

¿Qué significa “empresa AI-first” frente a una empresa que solo adopta IA?

Una empresa AI-first rediseña tareas, procesos y productos para que la IA sea parte estructural del trabajo (con humanos en supervisión), en lugar de añadir herramientas de IA sobre flujos heredados sin cambiar cómo se toman decisiones o cómo se ejecuta la operación.

¿Por qué la integración con el negocio es el principal riesgo en proyectos de IA empresarial?

Porque los casos de uso reales dependen de datos, permisos, sistemas core, trazabilidad y responsabilidad. Sin una capa de orquestación y un gobierno del dato sólido, la IA no atraviesa departamentos ni llega con fiabilidad a producción.

¿Qué es una estrategia multi-modelo y por qué gana peso en entornos corporativos?

Es un enfoque basado en portafolios: modelos fundacionales, modelos pequeños especializados, modelos propios y agentes, combinados según tarea, coste, latencia, cumplimiento y riesgo. Permite adaptar la IA a procesos concretos y evita depender de un único proveedor o arquitectura.

¿Qué implicaciones tiene que un consejo de administración incorpore un asesor de IA?

Afecta a gobernanza, responsabilidad y gestión del riesgo: desde cómo se validan decisiones asistidas por IA hasta cómo se auditan modelos, se documentan sesgos, se definen límites operativos y se alinean inversiones con resultados de negocio.

Fuente: Informe IBM sobre la IA en 2030