Cómo está usando la prensa las cifras del AI Index 2026

Hoy hablamos del informe que la prensa cita sin leer y de las cifras que circulan con notas a pie cortadas. El AI Index 2026 de Stanford HAI es una de las pocas radiografías serias del sector, casi seiscientas páginas, y casi nadie lo ha leído entero. ¿Por qué importa el contexto que se pierde al recortar? Porque la cifra del 53% que circula en titulares y la cifra del 5,5% que está en McKinsey describen el mismo sector y dicen cosas opuestas. Reconozco que durante meses cité yo también el «53% de adopción en tres años» sin saber que era una cifra de población, no de empresas. Me lo corrigió un colega; me sigue dando vergüenza. Crea tu opinión informada.

Llevo dos veranos hojeando los AI Index. El de 2024 ya era ladrillo y el de 2026 lo ha superado en peso. Hay cifras serias debajo y hay cifras que el propio informe matiza con notas a pie de página que la prensa no transcribe. Este artículo se ocupa de seis de esas cifras: las que más se ven en titulares y las que peor se trasladan.

El 53% que circula en titulares

La cifra del 53% es la más repetida del AI Index 2026, y casi siempre se cita mal. La cifra del informe dice que la inteligencia artificial generativa ha alcanzado el 53% de adopción poblacional global en tres años desde su salto al consumo masivo, ritmo superior al del PC y al de internet en sus respectivas curvas de adopción. Es una cifra de personas, no de empresas. Y dentro de esa cifra hay variaciones enormes: Singapur en torno al 61%, Emiratos Árabes Unidos sobre el 54%, Estados Unidos en torno al 28,3% (el puesto 24 del ranking mundial), España en cifras intermedias que dependen de la encuesta concreta.

Cuando un titular en prensa española dice «el 53% de las empresas usa IA generativa», está confundiendo la cifra. La cifra empresarial es distinta y suele ser más alta. El AI Index 2026 documenta que el 88% de las organizaciones usan IA en al menos una función, y que el subconjunto que ha desplegado específicamente IA generativa en al menos un proceso ronda el 70%. Eso quiere decir que en tres años, entre 2023 y 2026, el porcentaje de organizaciones con IA generativa en producción ha pasado del 33% al 70% aproximadamente.

Esto último sí es noticia y se cita poco así. La curva de adopción empresarial es la más rápida que el sector ha visto. Lo que merece la pena no es repetir la cifra, sino entender qué oculta. Porque la siguiente cifra es la incómoda.

Lo que falta debajo, el 5,5%

McKinsey publicó en noviembre de 2025 The State of AI in 2025: Agents, innovation, and transformation, encuesta con datos comparables a los del AI Index pero con foco específico en retorno financiero. Las dos cifras que más cuesta digerir del informe son estas. Solo el 5,5% de las organizaciones reporta ver retornos financieros reales atribuibles a sus inversiones en IA. Y más del 80% afirma que su uso de IA generativa todavía no produce impacto tangible en el resultado operativo agregado de la empresa.

Esto no contradice las cifras del AI Index. Las complementa. Tener IA en producción y obtener retorno medible no son lo mismo. Hay 70% de empresas con IA generativa desplegada y 5,5% con retorno claro. La diferencia entre las dos cifras es la dimensión real del problema y el espacio que el sector deberá cubrir en los próximos años para justificar el capital invertido.

McKinsey también documenta indicadores positivos a escala de caso de uso. La función de ingeniería de software e IT reporta reducciones de coste del 10% al 20%, y las funciones de marketing y desarrollo de producto reportan aumentos de ingresos superiores al 10%. Pero ese impacto no agrega todavía al EBIT empresarial salvo en un 5,5% de los casos. La razón es operativa: la mayoría de las organizaciones siguen en fase piloto, no de escalado.

La distancia entre el titular del AI Index (88% adopción) y el titular del McKinsey (5,5% retorno) es la que define la realidad del sector. La prensa hispana suele citar el primero. Casi nunca cita el segundo. Y el segundo es el que decide si la inversión actual era sensata o no.

Las proyecciones de mercado, contadas como certeza

«El mercado global de IA alcanzará 1,5 billones de dólares en 2030». Esta frase, o variantes, aparece en cobertura del informe casi todos los meses. Conviene mirar la fuente.

El AI Index reúne proyecciones de varios analistas independientes —Bain & Company, IDC, McKinsey Global Institute, Goldman Sachs, PwC— y las presenta como rango, no como dato único. Las cifras varían entre 600.000 millones y 4,4 billones de dólares para 2030, según hipótesis sobre tasa de adopción, ROI, sustitución de mercados existentes y elasticidad de la demanda. La cifra de 1,5 billones es el centro geométrico aproximado del rango, no la conclusión consensuada.

Lo que el informe explica en sus apartados metodológicos —y lo que la cobertura mediática prácticamente nunca traslada— es que las proyecciones a cinco años en una tecnología de uso general suelen errar por márgenes amplios. Las proyecciones realizadas en 2015 sobre el mercado de IA en 2020 fallaron por debajo en aproximadamente un orden de magnitud. Las proyecciones realizadas en 2020 sobre 2025 fallaron por arriba en algunos casos y por abajo en otros. Hay razones para pensar que el sector ha aprendido. Hay razones para pensar que la curva de hype repite patrones cíclicos. El honesto reconocimiento de incertidumbre es parte del informe, y la cobertura lo borra sistemáticamente.

Cuando se cita una proyección, debería citarse el rango. Cuando se cita el rango, debería explicarse en qué se basan los extremos. Y cuando ni el rango ni los extremos se citan, lo que se transmite no es información sobre el sector, es decoración para sostener el titular.

La paradoja confianza vs uso

El informe incluye cifras de confianza ciudadana sobre la IA por país, cruzadas con cifras de uso. El cruce produce algo que muchos analistas describen como paradoja y que no lo es. En países con mayor uso de IA en la vida diaria —China, India, Estados Unidos, Singapur— la confianza ciudadana en el desarrollo de la tecnología es relativamente alta. En países con menor uso intensivo —algunos europeos, Japón— la confianza es menor.

La lectura intuitiva, la que la prensa repite, es que «la gente desconfía de lo que no conoce». Pero el dato puede leerse al revés y la lectura inversa es plausible. Una hipótesis legítima es que en países donde el uso es más intensivo, los usuarios han internalizado los problemas concretos —errores frecuentes, sesgos detectables, dependencia operativa— y ajustan a la baja sus expectativas. La confianza «alta» puede ser confianza en el funcionamiento limitado, no en la promesa total. Mientras que en países de menor uso, la confianza puede estar mediada por la cobertura mediática, que tiende a presentar la IA en clave aspiracional o catastrofista, sin la corrección que da el contacto diario.

No tengo evidencia firme para zanjar cuál de las dos lecturas es correcta. El AI Index tampoco la tiene. Pero la cobertura mediática sí ha zanjado: ha elegido la lectura «desconfianza por desconocimiento» y la repite. Esa elección no es neutra. Refuerza la narrativa de que cualquier resistencia es ignorancia, lo cual conviene a los actores que necesitan adopción acelerada.

Para qué sirve y para qué no sirve el AI Index

Iba a escribir que el AI Index es el mejor informe del sector. Pero me corrijo, porque «el mejor» depende de para qué. Conviene precisar.

El AI Index es excelente como agregador de cifras de fuentes diversas con metodología explícita. Cuando uno quiere saber cuántos modelos frontier se publicaron en 2025, dónde están los autores con mayor producción, qué proporción del cómputo industrial se concentra en Estados Unidos y China, cuántos patents se concedieron en el sector el año pasado, el AI Index es la referencia más sólida y mejor citada. Las cifras vienen con fuente y con nota metodológica.

El AI Index es regular como narrativa unificada. La estructura del informe agrupa capítulos —investigación, técnica, economía, educación, política, opinión pública, ética, ciencia, hardware—. Eso funciona para una lectura sectorial, pero produce el efecto óptico de que cada cifra es comparable con cualquier otra. No siempre lo es. Las cifras de adopción ciudadana vienen de encuestas de Ipsos. Las cifras de adopción empresarial vienen de McKinsey y consultoras adicionales. Las cifras de inversión vienen de PitchBook. Las metodologías difieren y los matices se pierden en la lectura rápida.

El AI Index es pésimo como guía de inversión y como predicción operativa. No es ese su objetivo. Cualquier uso del informe para decir «esto pasará en 2027» es uso indebido. El informe describe lo que ha pasado en 2024-2025, con su mejor estimación, y deja la proyección a otros.

Para leerlo honestamente, conviene mantener tres reglas operativas en la cabeza. Primera regla: cualquier cifra del informe lleva una nota a pie. Buscarla antes de citarla. Segunda regla: las cifras de adopción se refieren a presencia, no a impacto. La cifra de impacto está en otros informes (McKinsey, BCG, Bain) y suele ser un orden de magnitud menor. Tercera regla: las proyecciones a más de tres años son escenarios, no predicciones. Citarlas como predicciones es deshonestidad técnica.

La cuestión política

Esto es opinión personal pero la sostengo con la trayectoria del propio informe. El AI Index funciona como instrumento de gobernanza informal. Lo leen reguladores, legisladores, consejeros corporativos, periodistas, consultores. Sus cifras se trasladan, con o sin contexto, a presentaciones en Davos, en el Congreso de los Diputados, en consejos de administración. Lo que el informe destaque o no, lo que matice o no, decide en buena medida qué se discute en política pública y qué no.

Por eso conviene que el lector no especializado conozca dos cosas. La primera es que Stanford HAI —el instituto que publica el informe— es una institución académica seria, pero financiada en parte por las mismas empresas cuyo sector se mide en el informe. No hay conflicto de interés en sentido legal, pero sí hay riesgo de marco. El informe presenta la adopción acelerada como buena noticia mayoritariamente neutral, cuando hay sectores donde la adopción acelerada sin retorno medible es problema serio. La segunda es que la cobertura mediática hispana del informe se reduce, en la mayoría de medios generalistas, a la traducción del comunicado de prensa de Stanford. Ese comunicado destaca las cifras más vistosas. Los apartados de paradoja confianza-uso, ROI limitado, y proyecciones con incertidumbre no entran en el comunicado y no entran en la cobertura.

Pediría yo, sin esperanza realista de conseguirlo, dos cosas a la prensa española. Una: que cuando se cite el AI Index, se cite la página y el capítulo, no el resumen ejecutivo. Cualquier cifra del informe se puede comprobar; la pereza editorial es la que produce los recortes. Dos: que cuando se cite una cifra de adopción del AI Index, se complemente con una cifra de retorno de McKinsey o BCG. La doble cita no triplica el trabajo y devuelve al lector una imagen completa.

El último dato concreto del propio AI Index 2026, publicado por Stanford HAI el 8 de abril de 2025, sintetiza el problema con dos cifras juntas: 88% de organizaciones con IA en alguna función, frente al 5,5% que reporta retorno financiero claro según McKinsey State of AI in 2025 (noviembre de 2025). Esa diferencia es el sector entero. Quien la entiende, entiende la cobertura.

Definiciones

Adopción: presencia documentada del uso de una tecnología en una población o en un conjunto de organizaciones. No mide intensidad, ni rentabilidad, ni continuidad. Una empresa que prueba un piloto cuenta como adopción; una empresa que ha cerrado el piloto sin escalar también puede contar dependiendo de la encuesta.

EBIT: Earnings Before Interest and Taxes. Indicador financiero estándar para medir el resultado operativo de una empresa antes de la carga financiera y tributaria. Cuando McKinsey dice que más del 80% de empresas no ve impacto en EBIT por IA, está diciendo que el efecto, si existe, no se nota en la cuenta de resultados consolidada.

Proyección de mercado: estimación cuantitativa del tamaño futuro de un mercado bajo supuestos explícitos. No es predicción. Las proyecciones a más de tres años en tecnologías de uso general tienen errores típicos del orden del 50% o más.

Confianza ciudadana: porcentaje de encuestados que declara una valoración positiva sobre una tecnología o sobre las instituciones que la desarrollan. Es indicador de percepción, no de comportamiento. Se mide con metodologías que varían entre estudios.

Referencias

Stanford HAI, Artificial Intelligence Index Report 2026 (8 de abril de 2025, hai.stanford.edu/ai-index/2026-ai-index-report). Informe completo y todos los capítulos.

McKinsey & Company, The State of AI in 2025: Agents, innovation, and transformation (noviembre de 2025, mckinsey.com/quantumblack). Fuente de la cifra del 5,5% de organizaciones con retorno financiero claro.

Bain & Company, Technology Report 2025: AI Investment and Returns (2025). Proyecciones independientes y matización del rango.

International Data Corporation (IDC), Worldwide AI Spending Guide (actualización semestral). Proyecciones de mercado de IA hasta 2030 desde óptica de inversión TI.

Goldman Sachs, The Economic Impacts of Generative AI (informe sectorial 2024-2025). Fuente alternativa para proyecciones macro.

Ipsos, AI Monitor Global Survey (anual, 2023-2025). Encuesta utilizada por el AI Index para cifras de confianza ciudadana.

PitchBook, datos de inversión en IA citados por el AI Index. Fuente original de las cifras de capital de riesgo desplegado.

Para profundizar

Erik Brynjolfsson & Andrew McAfee, The Second Machine Age (W. W. Norton, 2014). Marco histórico para entender por qué la productividad tarda en agregarse aunque la tecnología esté en uso.

Daron Acemoglu & Simon Johnson, Power and Progress (PublicAffairs, 2023). Análisis de por qué la adopción acelerada de una tecnología no garantiza distribución equitativa de su retorno.

Robert J. Gordon, The Rise and Fall of American Growth (Princeton University Press, 2016). Antecedente sobre cómo se mide y se desmide el impacto de las grandes tecnologías en estadísticas macro.

Tim Harford, The Truth-Detective's Handbook (Bridge Street Press, 2020, edición revisada en 2024). Manual de lectura crítica de cifras públicas, útil para enfrentar cualquier informe sectorial.

También te interesa

• Qué dice el AI Index Report 2026 que la prensa española no cuenta
• Por qué Stanford HAI manda y las universidades españolas no pintan nada
• Cómo se rompió la conversación pública sobre IA
• El coste real del entrenamiento de GPT-5

En otros sitios

• Share of companies using AI technology (Our World in Data)
• Views about AI's impact on society (Our World in Data)