--- title: "La IA empresarial tropieza con la confianza: el 79 % de las empresas corrige sus decisiones" description: "La inteligencia artificial empresarial está entrando en una etapa en la que ya no basta con generar respuestas: los agentes empiezan a tomar decisiones y ejecutar tareas. Un estudio de SAS con investi..." url: https://revistacloud.com/la-ia-empresarial-tropieza-con-la-confianza-el-79-de-las-empresas-corrige-sus-decisiones/ date: 2026-09-17 modified: 2026-09-17 author: "Nota de Prensa" image: https://revistacloud.com/wp-content/uploads/2025/08/inteligencia-artificial-y-visualizacion-de-redes-neuronales.jpg categories: ["Informes", "Inteligencia artificial", "Noticias"] tags: ["Inteligencia Artificial", "ROI"] type: post lang: es --- # La IA empresarial tropieza con la confianza: el 79 % de las empresas corrige sus decisiones La inteligencia artificial empresarial está entrando en una etapa en la que ya no basta con generar respuestas: los agentes empiezan a tomar decisiones y ejecutar tareas. Un [estudio de SAS](https://www.sas.com/en_us/gc/data-and-ai-impact-report.html) con investigación de IDC, basado en 2.699 responsables de datos e IA de 28 países, muestra una paradoja: las organizaciones avanzan hacia sistemas más autónomos mientras la confianza disminuye. El 66 % confía en la IA agéntica, frente al 76 % que confía en la IA generativa. **Las claves de la confianza en la IA empresarial en 20 segundos** - El 79 % de las organizaciones modifica recomendaciones de IA en más del 10 % de los casos. - La falta de explicación es el principal motivo para intervenir, con un 34,5 %. - Solo el 17,5 % tiene una infraestructura de datos en el nivel de madurez más alto. - Las organizaciones con mayor puntuación en prácticas de IA confiable declaran ROI alto o fuerte en un 62 % de los casos, frente al 4 % entre las de menor puntuación. - La investigación identifica cinco áreas: datos, modelos, explicabilidad, política de IA responsable y auditoría. La fotografía que dibuja el informe *Data and AI Impact Report: The New Economics of Trust* es especialmente relevante para las empresas que están pasando de copilotos y herramientas generativas a agentes capaces de actuar sobre sistemas corporativos. La cuestión ya no es únicamente si un modelo responde bien, sino qué ocurre cuando esa respuesta desencadena una acción dentro de un proceso real. ## El salto de GenAI a agentes cambia las reglas El estudio establece una diferencia clara entre la confianza percibida en la IA generativa y la que generan los sistemas agénticos. La primera alcanza el 76 %, mientras que la segunda cae hasta el 66 %. La distancia aparece justo cuando aumenta la autonomía. El 89 % de los encuestados afirma que sus agentes ya tienen algún tipo de participación en la toma de decisiones. El informe incluye en esa categoría desde sistemas que proporcionan información para una decisión que todavía aprueba una persona hasta agentes con capacidad para actuar de forma autónoma. Ese matiz importa. No todos los agentes están funcionando con el mismo nivel de autonomía ni tienen el mismo riesgo operativo. Un agente que clasifica una petición para que un empleado la revise tiene un impacto diferente de otro que modifica datos, ejecuta una operación financiera o desencadena un flujo de trabajo sin intervención previa. El problema aparece cuando la tecnología entra en producción antes de que los mecanismos de control estén preparados. El 79 % de las organizaciones encuestadas reconoce que modifica las recomendaciones de IA en más del 10 % de los casos. El informe desglosa esas intervenciones y sitúa la falta de explicación en primer lugar, con un 34,5 %. Otro 25,6 % interviene cuando el sistema no refleja correctamente el contexto de la situación. Después aparecen las respuestas consideradas sesgadas o injustas, con un 16,9 %, los errores factuales, con un 14,8 %, y los resultados considerados inseguros o inapropiados, con un 8,3 %. Para un equipo tecnológico, la conclusión práctica es bastante directa: una tasa elevada de intervención humana puede indicar que el sistema todavía no está preparado para el grado de autonomía que se le quiere conceder. ## El gran problema está debajo del modelo: los datos Una de las partes más interesantes del informe desplaza el foco desde los modelos hacia la infraestructura de datos. Solo el **17,5 %** de las organizaciones encuestadas considera que tiene una infraestructura de datos completamente optimizada para las exigencias de la IA. La categoría «Managed» representa el 34,7 %, mientras que un 31,6 % todavía se encuentra en «Standardized». La evolución anual es positiva, pero todavía deja una mayoría lejos del nivel superior. En 2025, el 47,7 % de las organizaciones estaba en el nivel Standardized; en 2026 esa proporción ha bajado al 31,6 %, mientras Managed ha subido del 25,9 % al 34,7 % y Optimized del 10,2 % al 17,5 %. La infraestructura de datos es especialmente importante para los agentes porque una decisión necesita poder reconstruirse. Si una empresa no sabe qué datos utilizó el sistema, de dónde procedían, cuándo se actualizaron o qué validaciones pasaron, explicar posteriormente una acción se vuelve mucho más difícil. El informe encuentra además una diferencia notable entre las organizaciones con infraestructura Ad Hoc y las que alcanzan el nivel Optimized. Las segundas son seis veces más propensas a exigir herramientas de calidad de datos en sus proyectos de IA y seis veces más propensas a imponer controles de explicabilidad. También son cinco veces más propensas a utilizar validación y monitorización automatizadas y continuas. No es únicamente una cuestión de almacenamiento o pipelines. Para que un agente empresarial sea auditable hacen falta trazabilidad, controles, supervisión y una conexión fiable entre los datos utilizados y la decisión que termina ejecutándose. ### La explicabilidad sigue siendo la asignatura pendiente El informe divide la confianza en cinco dimensiones: **calidad y gobierno de los datos, gobierno y supervisión de modelos, explicabilidad y equidad, política de IA responsable, y auditoría y responsabilidad**. La puntuación global de confianza basada en estas prácticas pasó de 49,7 a 61,3 puntos sobre 100 entre las dos ediciones analizadas. Sin embargo, no todos los componentes avanzaron al mismo ritmo. La política de IA responsable alcanza 67,5 puntos y auditoría y responsabilidad llega a 63,4. La explicabilidad y equidad se sitúa en 60,4, mientras que calidad y gobierno de datos alcanza 59,5 y gobierno y supervisión de modelos, 58,9. La explicabilidad fue además la dimensión que menos avanzó interanualmente. La coincidencia con el comportamiento de los usuarios resulta significativa: precisamente la falta de explicación es el motivo más habitual para corregir una recomendación. Para una plataforma de IA, explicar una decisión tampoco significa necesariamente revelar todo el funcionamiento interno de un modelo. En un entorno empresarial puede ser más útil ofrecer información trazable sobre los datos empleados, las reglas o controles aplicados, las fuentes disponibles y las razones operativas que llevaron a una determinada acción. Eso plantea un problema de ingeniería mucho más amplio que añadir una explicación generada por el propio modelo. ## El dato del 15x necesita una lectura más precisa SAS destaca que las organizaciones con prácticas de IA confiable tienen **15 veces más probabilidades de declarar un ROI fuerte o alto**. El informe obtiene esa cifra comparando organizaciones que alcanzan al menos 80 puntos en su Trustworthiness Index con aquellas situadas en niveles bajos. Entre las primeras, el 62 % declara un retorno fuerte o alto, frente al 4 % de las segundas. El informe también calcula que las organizaciones de alta confianza obtienen una ganancia media 1,85 veces superior en 13 resultados empresariales. Pero ese 15x no significa que las empresas recuperen quince veces el dinero invertido en IA. Es una **diferencia de proporción entre grupos**, no un multiplicador directo del retorno económico. Además, el estudio es una encuesta. Sus resultados muestran una asociación entre madurez de las prácticas de IA y resultados declarados por las organizaciones, pero no permiten demostrar por sí solos que la gobernanza sea la causa exclusiva de un ROI superior. También pueden influir la inversión, la selección de casos de uso, la madurez tecnológica o la capacidad interna de cada compañía. El propio informe aporta otro dato interesante: el 85 % de las organizaciones clasificadas como líderes está aumentando en más de un 10 % su inversión en prácticas de IA confiable durante el próximo año, frente al 26 % de las organizaciones con menor puntuación. Para los equipos de tecnología, el mensaje termina siendo menos espectacular y bastante más práctico. La carrera por desplegar agentes no se resuelve únicamente incorporando modelos con más capacidad. Antes hay que saber qué datos pueden utilizar, qué acciones tienen autorizadas, cómo se validan sus resultados y qué mecanismos permiten detener o revisar una decisión. La IA generativa podía equivocarse en una respuesta. La IA agéntica añade otra variable: puede convertir ese error en una acción. Por eso el informe sitúa datos, supervisión, explicabilidad y auditoría en el centro de la siguiente fase de adopción empresarial.