IA, el año del cambio para las empresas italianas: la adopción se duplica y los primeros impactos reales en el negocio

IA, el año del cambio para las empresas italianas: la adopción se duplica y los primeros impactos reales en el negocio

En el plazo de doce meses, la inteligencia artificial ha pasado de ser una palabra de moda a infraestructura estratégica para una porción creciente de empresas italianas. Según el último informe de Istat “Empresas y TIC – Año 2025”, el 16,4% de las empresas con al menos 10 empleados utiliza al menos una tecnología de IA, casi el doble en comparación con el 8,2% de 2024 y más de tres veces el nivel de 2023 (5,0%).[2][1]

Para un sistema productivo tradicionalmente prudente como el italiano, estamos ante un cambio de fase: la IA ya no es solo experimentación de unos pocos pioneros, sino que se está convirtiendo en un factor competitivo transversal, con impactos concretos en marketing, operaciones, logística y finanzas.[1][2]

En este artículo analizamos lo que realmente dicen los números, hacia dónde se están dirigiendo las inversiones, qué modelos de adopción están surgiendo y cómo todo esto está rediseñando el negocio, entre oportunidades y riesgos.

La explosión de la adopción: no solo más empresas, sino un uso más maduro

El dato principal es claro: el uso de la IA en las empresas italianas se ha duplicado en un año, pasando del 8,2% al 16,4% entre 2024 y 2025.[2][1]

Pero el salto no es solo cuantitativo.

Más tecnologías para la misma empresa

Istat detecta que no solo crece el número de empresas que declaran usar la IA, sino también la complejidad de los proyectos:[2]

• la cuota de empresas que utiliza al menos dos tecnologías de IA ha pasado del 5,2% de 2024 al 10,6% en 2025[2]
• se difunden combinaciones de automatización inteligente, análisis predictivo y sistemas de recomendación, a menudo integradas con CRM, ERP y plataformas de datos existentes[1]

Esto indica que las empresas más avanzadas no se limitan a experimentar con una sola herramienta de IA generativa, sino que comienzan a construir arquitecturas híbridas, en las que modelos de lenguaje, algoritmos de machine learning y sistemas de automatización coexisten en procesos reales.[1]

La IA generativa es visible, pero no es (todavía) la mayoría

En el debate público domina la IA generativa, pero el panorama general es más articulado. Un análisis realizado por el Sounding Board Inteligencia Artificial de Confindustria, con 241 casos de uso recopilados en 76 empresas, evidencia que la IA generativa representa el 18,3% de los casos, mientras que la mayoría de los proyectos se refiere a:[1]

• automatización de procesos (back-office, documentación, flujo de trabajo)
• análisis predictivo (demanda, mantenimiento, riesgos)
• sistemas de soporte a la toma de decisiones y precios dinámicos

Surge un panorama en el que la IA generativa actúa como interfaz “visible” (copiloto, chatbot, generación de contenido), pero la mayor parte del valor económico hoy se juega en motores menos llamativos, integrados en operaciones, cadena de suministro y finanzas.[1]

Dónde la IA está cambiando realmente el trabajo: mapa sectorial

La encuesta de Confindustria ofrece un mapeo detallado de los sectores en los que la IA está produciendo impactos estructurales, yendo más allá de las experimentaciones superficiales.[1]

Sanidad y ciencias de la vida: automatización del «trabajo invisible»

En sanidad, la IA se utiliza para reducir el peso de la burocracia clínica y mejorar la calidad de los datos:[1]

• automatización de la documentación clínica mediante reconocimiento de voz y modelos de lenguaje: los informes se transcriben en tiempo real durante las visitas, reduciendo errores y tiempos de compilación[1]
• análisis avanzado de datos sanitarios e imágenes para apoyar el diagnóstico, las vías terapéuticas personalizadas y los ensayos clínicos
• utilización de gemelos digitales y sistemas copiloto para optimizar la investigación y el desarrollo farmacéutico, las simulaciones moleculares y el estudio de redes biológicas complejas[1]

El resultado es un primer desplazamiento de la IA de herramienta experimental de investigación a palanca infraestructural para la eficiencia de los sistemas sanitarios.

Ciudades inteligentes y AP: sensores, datos y mantenimiento predictivo

En el perímetro de las ciudades inteligentes, la IA se incorpora cada vez más a las infraestructuras críticas:[1]

• gestión inteligente del alumbrado público con sensores y modelos predictivos para el consumo y las averías
• planificación predictiva del mantenimiento del verde urbano y de las infraestructuras
• optimización de la gestión de residuos y monitorización de amplias zonas naturales para la prevención y la respuesta rápida a las emergencias[1]

Aquí, la IA se convierte en un motor de eficiencia operativa, con beneficios directos en costes, sostenibilidad y calidad del servicio.

Finanzas, compras y cadena de suministro: el algoritmo entra en los márgenes

En cuanto a los procesos centrales de la empresa, la IA se utiliza para:

• optimizar el riesgo crediticio y la solvencia de los clientes con modelos avanzados de scoring[1]
• predecir la demanda de materias primas y reaccionar en tiempo real a las fluctuaciones de precios y las ofertas de mercado[1]
• automatizar la gestión de las compras, reduciendo errores, tiempos de ciclo y costes operativos

Son casos de uso menos visibles para el gran público, pero con impacto directo en el flujo de caja, los márgenes y la resiliencia.

Logística: 2025 como «año cero» de la IA aplicada

En el mundo de la logística, los observadores del sector hablan de 2025 como el “año cero de la IA”: la adopción de tecnologías de inteligencia artificial está transformando la planificación, el seguimiento y la gestión de las flotas.[6]

Según datos recientes, el uso de la IA por parte de las empresas italianas se ha duplicado, pero persiste una fuerte brecha entre grandes y pequeñas empresas, que podría traducirse en una brecha estructural de competitividad en la cadena de suministro.[6][2]

Lado oscuro de la moneda: adopción fragmentada y uso «no estructurado»

Detrás de los números positivos, Istat también fotografía elementos de fragilidad en la adopción:[2]

• crece la cuota de empresas que declara usar la IA sin saber indicar un ámbito empresarial específico: del 15,5% de 2024 al 33,4% en 2025[2]
• el fenómeno afecta sobre todo a empresas de pequeña dimensión, donde la adopción es a menudo experimental, confiada a departamentos o figuras internas individuales y no integrada en los procesos organizativos[2]

En otras palabras, una parte no despreciable del tejido productivo se encuentra en una fase de “IA de superficie”: herramientas utilizadas de forma oportunista (para generar textos, diapositivas, imágenes, pequeñas automatizaciones) pero sin una verdadera estrategia de transformación de los procesos.

Los obstáculos: competencias, norma, datos y costes

Entre las empresas que aún no utilizan la IA, crece sin embargo el interés potencial: el 11,5% ha considerado la adopción, más del doble en comparación con 2023.[2]

Los principales obstáculos identificados son:[2]

• falta de competencias internas para seleccionar, integrar y gobernar soluciones de IA
• incertidumbre normativa, sobre todo en relación con la AI Act europea y su interacción con el RGPD, la Ley de Servicios Digitales y otras normativas[1][2]
• escasa disponibilidad de datos adecuados (calidad, gobernanza, acceso) para alimentar modelos eficaces
• preocupaciones relacionadas con la privacidad, la seguridad y los costes de implementación[2]

La fotografía general es la de un ecosistema en transición incompleta: la IA avanza rápidamente, pero su impacto sigue siendo desigual entre sectores, territorios y clases dimensionales de empresa.[2][7]

Nuevo marco regulatorio: la AI Act como game changer para las empresas

La aceleración de la adopción se enmarca en un contexto normativo europeo en fuerte consolidación. La AI Act se convierte en el eje de una gobernanza de la innovación que interactúa con el RGPD, la Ley de Servicios Digitales y otros instrumentos clave.[1]

Clasificación por riesgo y papel del «deployer»

El reglamento adopta una lógica de clasificación de los sistemas de IA en base al riesgo, con obligaciones crecientes a medida que aumenta la criticidad del ámbito de uso.[1]

Un punto central para las empresas es la figura del deployer:

• es la empresa que utiliza un sistema de IA de alto riesgo en su propio proceso
• tiene responsabilidades específicas sobre evaluación de riesgos, formación del personal, transparencia y supervisión continua del sistema[1]

Para las organizaciones que integran la IA en procesos centrales (ej. scoring crediticio, selección de personal, sanidad, infraestructuras críticas) esto implica la necesidad de construir framework internos de gobernanza, con una clara atribución de roles, procesos de auditoría, gestión del ciclo de vida de los modelos.

Impacto en el Negocio

De la experimentación a la palanca de competitividad

El crecimiento del 5% de las empresas en 2023 al 16,4% en 2025 indica que la IA está pasando de proyecto piloto a activo estratégico en muchas realidades.[2]

Los impactos más evidentes se refieren a:

• eficiencia operativa: automatización de actividades repetitivas, reducción de errores, acortamiento de los tiempos de ciclo (back-office, documentación, servicio al cliente)[1][2]
• calidad de las decisiones: gracias al análisis predictivo, modelos de precios dinámicos, optimización del riesgo y la cadena de suministro[1]
• personalización de la oferta: recomendaciones, segmentación avanzada, contenidos dinámicos para marketing y ventas

Las empresas que han empezado antes a invertir en datos, infraestructuras cloud y competencias analíticas están ahora capitalizando ventajas acumulativas difíciles de recuperar para los late adopter.

Marketing y customer experience: el algoritmo como nuevo “motor creativo”

Aunque los datos de Istat no entren en detalle de las funciones individuales, la observación de los casos de uso italianos e internacionales indica que el marketing digital es uno de los primeros ámbitos en beneficiarse de la IA:[1][8]

• generación asistida de contenidos (textos, anuncios, variantes de creatividad)
• optimización automatizada de campañas ADV en múltiples canales
• scoring predictivo de leads, churn y propensity-to-buy
• segmentación fina basada en comportamientos y señales débiles

Paralelamente, la proliferación de contenidos generados por IA ha creado una sobrecarga informativa: según un análisis reciente, en 2025 los contenidos deficientes producidos por IA se han convertido en masivos, lo que ha llevado a las plataformas y a los motores de búsqueda a desarrollar filtros y sistemas de ranking más sofisticados.[8]

Para las marcas y las agencias, esto significa que la IA no es solo una herramienta de producción, sino también el objetivo de nuevas reglas de calidad y relevancia: quien se limita a «bombear volumen» corre el riesgo de ser penalizado por los algoritmos de descubrimiento.[8]

PYMES: riesgo de brecha estructural

La fuerte presencia de usos «no estructurados» entre las empresas de pequeña dimensión evidencia un riesgo de polarización:[2]

• por un lado, grandes empresas y grupos medianos-grandes que integran la IA de forma profunda, con equipos dedicados, gobernanza clara y escalabilidad
• por otro, una vasta platea de PYMES que experimentan con herramientas genéricas sin insertarlas en una estrategia de transformación

Si esta brecha no se salva, la IA corre el riesgo de convertirse en un multiplicador de desigualdades competitivas, en lugar de una oportunidad generalizada.[2][6]

Talentos, organización y trabajo

El crecimiento de la adopción conlleva un impacto directo en roles y competencias:

• emergen figuras como AI product owner, data steward, prompt specialist, AI compliance officer
• crece la demanda de perfiles híbridos, capaces de unir competencias de dominio (ej. operaciones, marketing, finanzas) con alfabetización de datos y familiaridad con los modelos
• el trabajo diario se rediseña con copilotos y asistentes inteligentes que apoyan a los trabajadores del conocimiento y a los operadores

Paralelamente, la percepción social de la IA sigue siendo ambivalente: las encuestas internacionales indican que más de la mitad de los trabajadores temen que su trabajo pueda ser sustituido por una máquina en los próximos años, lo que confirma un clima en el que la adopción y la ansiedad por la sustitución coexisten.[3]

Estrategias para una adopción «madura» de IA en la empresa

De los datos y de los casos de uso surgen algunas líneas guía implícitas para pasar de experimentaciones tácticas a estrategias de largo plazo.

1. Poner los datos en el centro

Sin datos de calidad, gobernados y accesibles, la IA sigue siendo un ejercicio de laboratorio. Las empresas más avanzadas están:[1]

• consolidando plataformas de datos unificadas
• definiendo roles claros de propiedad de datos
• invirtiendo en calidad, linaje y seguridad de los datos

2. Conectar los casos de uso a los KPI de negocio

Los proyectos ganadores parten de objetivos económicos claros (reducción de costes, aumento de ingresos, mejora del NPS, reducción de tiempos) y miden de forma estructurada la contribución de la IA, evitando el riesgo del «piloto permanente».

3. Gestionar la compliance como habilitador, no solo como restricción

El nuevo marco normativo europeo impulsa a las empresas a razonar sobre la gobernanza de la IA desde la fase de diseño:[1]

• auditorías sobre los conjuntos de datos
• trazabilidad de las decisiones automatizadas
• registros de los sistemas de IA de alto riesgo
• procesos de evaluación de impacto (paralelos a los de privacidad)[1]

Las organizaciones que integren estos elementos en sus propios procesos de procurement y desarrollo tendrán ventajas cuando los requisitos de la AI Act se hagan plenamente operativos.

4. Invertir en competencias extendidas, no solo en «centros de excelencia»

La falta de habilidades es hoy una de las principales barreras.[2] Los casos más maduros muestran que la IA se vuelve eficaz cuando no se confina a un equipo especializado, sino que es comprendida y utilizada conscientemente por directivos, creativos, técnicos, operadores.

Esto requiere programas de formación continua, políticas claras de uso interno de la IA generativa y herramientas de apoyo que hagan que la adopción sea segura y rastreable.

Un escenario en rápida consolidación

2025 marca para Italia el paso de una adopción de IA elitista a una fase de difusión acelerada pero aún desigual. El aumento de la penetración, el crecimiento de la complejidad de los proyectos y el nuevo marco regulatorio europeo indican que la IA ya no es una opción marginal, sino un tema de gobernanza estratégica para empresas e instituciones.[1][2]

La trayectoria de los próximos años dependerá de la capacidad del sistema país –empresas, cadenas de suministro, instituciones, formación– de transformar esta carrera hacia la adopción en ventaja competitiva estructural, y no en una enésima ola tecnológica irregular.