Qué automatiza la IA realmente en 2026: la evidencia para España y la UE
McKinsey calcula que la IA podría automatizar técnicamente el 57% de las horas de trabajo; solo el 31% de las empresas la escala. Lo que dicen los datos para empresas en España y la UE.
En España, la adopción de IA en pymes va aproximadamente dieciocho meses por detrás de la base alemana, y la encuesta TIC de Eurostat 2025 muestra que la brecha entre los grandes adoptantes y la cola larga de la UE-27 se ensancha en lugar de cerrarse. Ese hueco es el dato más importante de la historia europea de la automatización. La tecnología ha llegado a producción. La mayoría de las empresas, no.
El debate de 2026 sobre la IA mezcla dos preguntas distintas: qué puede automatizar la IA, y qué va a automatizar bien tu empresa concreta. La primera la responde la investigación de McKinsey, el WEF, IBM, MIT Sloan y la Reserva Federal. La segunda la responde tu capa de integración, tu calidad de datos y tu madurez de gobernanza, cosas que ninguna encuesta global ve desde fuera.
Este post se ciñe a los datos y etiqueta su geografía. Cuando la evidencia es europea o española, lo decimos. Cuando es de EE. UU., también.
Para el desglose por roles, ver Qué roles cambia realmente la IA. Para por qué la mayoría de proyectos rompe en la capa de integración, ver La brecha no-code.
Conclusiones clave
- McKinsey estima que la IA podría automatizar técnicamente alrededor del 57% de las horas de trabajo en EE. UU. — un techo a nivel de tarea, no una previsión (McKinsey MGI, nov. 2025).
- El 88% de las organizaciones usa IA en al menos una función; solo el 31% la escala a toda la empresa (McKinsey State of AI, nov. 2025).
- En EMEA, el 66% de los líderes de gran empresa reporta ganancias significativas de productividad, concentradas en software, atención al cliente y compras (IBM IBV / Censuswide, oct. 2025).
- Solo el 15% de los usuarios de IA generativa reporta ROI significativo y medible; el camino al retorno pasa por rediseñar flujos, no por reducir plantilla (Deloitte, oct. 2025).
Qué significa “automatizable”
El análisis de McKinsey de noviembre de 2025 estima que los agentes de IA y los robots podrían automatizar técnicamente alrededor del 57% de las horas de trabajo en EE. UU.: un 44% mediante agentes de software y un 13% mediante robots físicos (McKinsey Global Institute, nov. 2025). Esa cifra se cita constantemente. Y se malinterpreta también constantemente.
La metodología importa. McKinsey no preguntó “¿reemplazará la IA este puesto?”. Preguntó algo más estrecho: ¿pueden las herramientas actuales realizar cada actividad dentro de una ocupación al nivel de un humano o por encima, en condiciones razonablemente ideales? Eso es un techo técnico a nivel de tarea. No es una previsión de despliegue, ni una predicción económica, ni una estimación de empleos perdidos.
Que una tarea sea técnicamente automatizable significa que la capacidad existe. No significa que las empresas la vayan a adoptar, ni que la integración vaya a funcionar, ni que la economía justifique la inversión. La mayor parte del 57% pasa por esos tres filtros. En España y la UE pasa por un cuarto: la conformidad con el Reglamento Europeo de IA y el RGPD.
El reparto 44%/13% también dice cómo llega la automatización. Los agentes de software —modelos que reciben instrucciones, usan herramientas y completan tareas multietapa dentro de sistemas digitales— concentran la mayor parte. Los robots físicos son una porción menor y más lenta. La historia de la automatización en Europa a corto plazo es, casi entera, una historia de software, y aterriza primero sobre el trabajo de cuello blanco.
Dónde está entregando ya la IA — sector a sector
Las ganancias de productividad son reales. También están concentradas. La encuesta de IBM de octubre de 2025 a 3.500 directivos en EMEA muestra que el 66% reporta ganancias operativas significativas de productividad por IA (IBM Institute for Business Value / Censuswide, oct. 2025). Las tres funciones que más destacan: desarrollo de software y TI (32%), atención al cliente (32%) y compras (27%).
Las tres categorías comparten estructura. Volúmenes altos de trabajo estructurado y basado en texto en los que la IA tiene una habilidad clara: clasificación de tickets, revisión de código, generación de borradores, casamiento de pedidos, enrutamiento de respuestas. Las ganancias no vienen de que la IA “haga el trabajo”. Vienen de que la IA gestiona los trozos más repetitivos para que el humano pueda dedicar tiempo a las partes que requieren contexto.
Concretamente, dentro de una mid-cap europea esto se ve así:
- En desarrollo de software, un modelo hace una primera pasada sobre las pull requests, marca posibles errores y genera el andamio de tests.
- En atención al cliente, la detección de intención enruta tickets antes de que un humano los lea, y un modelo escribe un borrador de respuesta que el agente edita y envía.
- En compras, la conciliación automática a tres bandas —factura, pedido, albarán— elimina el cruce manual del personal administrativo.
El WEF da una trayectoria útil: hoy el 47% de las tareas se hacen principalmente por humanos, el 22% principalmente por tecnología y el 30% mediante colaboración humano-máquina. Para 2030 esas proporciones se proyectan hacia tercios aproximadamente iguales (WEF Future of Jobs Report 2025, ene. 2025). Gartner añade la señal de corto plazo: alrededor del 40% de las aplicaciones empresariales incorporará agentes de IA específicos para tareas a finales de 2026, frente a menos del 5% en 2025 (Gartner, ago. 2025). Eso no es la IA reemplazando al software empresarial. Son agentes de IA dentro del SaaS que tu equipo ya usa.
La brecha de adopción entre EE. UU., Alemania y España
El dato más llamativo de la encuesta State of AI de McKinsey (nov. 2025) no es cuántas empresas usan IA. Es la forma de en qué fase están. El 88% de las organizaciones reporta uso regular de IA en al menos una función, frente al 78% del año anterior. Solo el 31% la escala a toda la empresa. El otro 62% sigue en piloto o experimentación (McKinsey State of AI, nov. 2025, n=1.993, 105 países).
Esto no es una brecha tecnológica. Es una brecha de implementación. Y lleva dos años en el mismo sitio.
La distribución geográfica afila la foto europea. La Reserva Federal de EE. UU. encontró que solo alrededor del 18% de las empresas estadounidenses ha adoptado IA a nivel de negocio, pero el 78% de la fuerza laboral trabaja en empresas que sí (Reserva Federal de EE. UU., FEDS Notes, abr. 2026). La adopción se concentra en grandes empleadores. La pyme y la mid-market no se han movido apenas.
Ese mismo patrón se cumple en Europa con una capa extra. La encuesta TIC 2025 de Eurostat coloca la adopción de IA en empresas de la UE-27 concentrada en Dinamarca, Países Bajos, Finlandia y Alemania; España, Italia, Portugal y la mayor parte de Europa del Este quedan claramente por debajo de la media UE-27. Dentro de España, la brecha entre las empresas del IBEX y el tejido pyme es aún más amplia. Cuando IBM dice que el 66% de los directivos de gran empresa ven ganancias, está muestreando la cabeza de esa distribución. La mayoría de pymes españolas no están en esas encuestas.
Y luego está la paradoja de ROI de Deloitte. Solo el 15% de los usuarios de IA generativa reporta ROI significativo y medible, mientras el 85% de las organizaciones aumentó su inversión en IA en los últimos 12 meses (Deloitte Global, oct. 2025, n=1.854). La mayoría de los casos de uso necesita de dos a cuatro años para llegar a un retorno satisfactorio. Los compradores se comprometen con la convicción antes que con la evidencia. No es irracional, pero conviene nombrarlo. La historia de la automatización de 2026 se está escribiendo por delante de los datos.
Lo que la IA no puede automatizar — y por qué importa
El límite de automatización no es difuso. La investigación de MIT Sloan publicada en marzo de 2025 identifica cinco grupos de capacidades en los que la IA rinde sistemáticamente por debajo del humano: empatía, presencia, opinión y juicio, creatividad y esperanza — el marco EPOCH (MIT Sloan, mar. 2025). No son rasgos blandos sin medir. Son atributos identificables que pueden codificarse y puntuarse a nivel de ocupación O*NET.
El hallazgo que la mayoría de la cobertura se salta: las tareas añadidas a la taxonomía O*NET en 2024 —el trabajo nuevo que entra hoy en la fuerza laboral— puntúan más alto en EPOCH que las tareas previas a la IA. El trabajo nuevo es más humano-intensivo, no menos.
Las tareas que entran en la fuerza laboral puntúan más alto en las capacidades en las que la IA falla más. La automatización no aplana el trabajo humano. Lo concentra. — resumen de la investigación EPOCH de MIT Sloan (MIT Sloan press release, mar. 2025)
¿Cómo se ve eso en la práctica? Un agente de atención al cliente cuyo trabajo de enrutamiento de tickets se automatiza no se queda sin función. Las interacciones que quedan son las escaladas: el cliente enfadado, la queja matizada, el caso que el guion no cubre. Eso necesita empatía y presencia. Automatizar los tickets fáciles concentra el juicio humano difícil en el mismo rol.
Los datos del WEF apuntan en la misma dirección. El 39% de las competencias actuales de los trabajadores se transformará o quedará obsoleto entre 2025 y 2030. Es una cifra grande, pero “transformado” no es “eliminado” (WEF Future of Jobs Report 2025, ene. 2025). La demanda de fluidez en IA en ofertas de empleo creció aproximadamente 7x entre 2023 y mediados de 2025 (McKinsey MGI, nov. 2025). La foto de competencias es desplazamiento, no borrado.
El techo del 57% frente a tu negocio real
El 40% de los empleadores espera reducir plantilla allí donde la IA pueda automatizar tareas. Dos tercios de esos mismos empleadores planean contratar talento con competencias específicas en IA (WEF Future of Jobs Report 2025, ene. 2025). Las dos cosas pueden ser ciertas. La plantilla puede encogerse en algunos roles y crecer en otros.
¿Qué significa entonces el techo técnico del 57% para tu negocio? McKinsey apunta a unos 2,9 billones de dólares de valor económico potencial desbloqueable en EE. UU. para 2030 mediante rediseño de flujos y aumentación (McKinsey MGI, nov. 2025). La frase que importa es “rediseño de flujos y aumentación”. El valor viene de reestructurar cómo fluye el trabajo, no de retirar a las personas que lo hacen.
Eso cambia la pregunta diagnóstica. La pregunta correcta no es “¿a cuál de mis empleados podría reemplazar una IA?”. Es “¿qué tareas dentro de qué roles cumplen las condiciones reales para una automatización fiable?”. Esas condiciones son concretas: la tarea es de alto volumen, los inputs son estructurados (o pueden estructurarse), el output puede evaluarse a calidad aceptable y la capa de integración entre la IA y tus sistemas existentes puede construirse a coste razonable.
La mayoría de las demos de proveedor se saltan las dos últimas. Te enseñan al modelo haciendo la tarea en aislamiento. No te enseñan la capa de integración rompiendo a las 03:00 ni el marco de evaluación que detecta deriva de calidad antes de que llegue al cliente. Esa brecha, otra vez, es la capa de integración — tratada en detalle en La brecha no-code.
El 86% de los empleadores que esperan que la IA cambie su negocio para 2030 no se equivocan. El cambio viene. Lo que los datos no te dicen es si tus procesos concretos cumplen las condiciones en las que la automatización genera retorno duradero, en lugar de un piloto fallido y una línea en el presupuesto del año pasado.
El debate de 2026 sobre la automatización es más ruidoso de lo que necesita. La foto de fondo es razonablemente coherente: la IA se hace cargo de una parte sustancial del trabajo estructurado, basado en texto y de alto volumen; rinde mal en juicio, empatía, creatividad y presencia física en entornos no estructurados; ofrece ganancias reales en funciones concretas; y se resiste al ROI a escala.
Lo que ningún dataset global puede resolver es la pregunta que importa para tu equipo: qué tareas, a qué coste de integración, con qué marco de evaluación, rediseñadas en qué orden.
Diagnostica qué tareas de tu equipo se pueden automatizar de verdad — gratis en canihireanai.com.
Preguntas frecuentes
¿Qué porcentaje de empleos automatizará la IA para 2030?
Ninguna investigación seria proyecta un porcentaje específico de empleos eliminados. McKinsey estima que alrededor del 57% de las horas de trabajo en EE. UU. son técnicamente automatizables a nivel de tarea, no de puesto (McKinsey MGI, nov. 2025). La mayoría de los empleos contiene una mezcla de tareas automatizables y no automatizables. El rol cambia; no desaparece.
¿Qué funciones de negocio dan más ROI con la IA en Europa?
La encuesta de IBM 2025 a 3.500 directivos en EMEA identifica desarrollo de software y TI, atención al cliente y compras como las tres funciones con más ganancias significativas de productividad (32%, 32%, 27%) (IBM IBV, 2025). Las tres comparten alto volumen de tareas e inputs estructurados, dos condiciones que predicen bien el éxito de la automatización.
¿Por qué fracasan tantas empresas al escalar la IA?
Solo el 31% de las organizaciones escala IA a toda la empresa, pese a que el 88% la usa en al menos una función (McKinsey State of AI, 2025). Los puntos de fricción son la complejidad de integración, las brechas de calidad de datos y la falta de un rediseño de proceso claro antes del despliegue. Deloitte encontró que solo el 15% de los usuarios de IA generativa reporta ROI significativo y medible, y la mayoría de los casos de uso exitosos tarda de dos a cuatro años en madurar.
¿Qué tareas debería automatizar primero una empresa?
Empieza por trabajo de alto volumen, basado en texto, con estructura clara y outputs evaluables. Esas tareas cumplen las condiciones en las que la IA rinde con fiabilidad. Las que requieren juicio contextual, sintonía emocional o respuesta física en tiempo real caen en las categorías EPOCH que MIT Sloan identifica como puntos débiles persistentes de la IA. Empieza específico. Mide antes de expandir.