Los proyectos que piden perfiles de inteligencia artificial en España se han disparado un 103% en el último año. El más buscado, el AI builder, que desarrolla soluciones a partir de modelos de IA ya existentes, sin entrenarlos desde cero.
Miguel Ángel Valero
El uso de la IA se ha duplicado entre las pymes desde 2024 y alcanza ya al 30%-35%, mientras que en las grandes empresas ronda el 70%, manteniéndose una brecha significativa por tamaño. El impacto sobre el empleo ha sido todavía limitado, pero una proporción relevante de empresas declara aumentos de productividad e inversión, especialmente cuando el uso de la IA es más intensivo.
Las empresas que adoptan la IA muestran, de promedio, mayores niveles de productividad, salarios más altos y una mayor intensidad en activos intangibles; entre las no adoptantes, los principales obstáculos declarados son las restricciones de recursos y la baja utilidad percibida, señala el estudio El uso de la inteligencia artificial por parte de las empresas españolas: avances recientes y factores asociados a su uso, de Jacob Hess y Diana Posada, del Banco de España.
El análisis de la información procedente de la EBAE (Encuesta del Banco de España sobre la Actividad Empresarial) permite identificar varios rasgos sobre la adopción reciente de la IA entre las empresas españolas. En primer lugar, la utilización de estas tecnologías ha aumentado de forma significativa entre 2024 y 2026, tanto en las pymes como en las grandes empresas, aunque continúa caracterizándose por una elevada heterogeneidad. Mientras que en las pymes predomina todavía un uso experimental, en las grandes empresas se observa una mayor presencia de usos intensivos.
Persisten diferencias relevantes por tamaño empresarial y sector de actividad. En particular, la brecha entre pymes y grandes empresas no se ha reducido de forma notable, al tiempo que las diferencias sectoriales se han ampliado, con una mayor concentración del uso de la IA en las ramas más intensivas en conocimiento. En cuanto a los efectos observados hasta el momento, el impacto sobre el empleo parece limitado, mientras que una proporción relevante de empresas declara haber experimentado aumentos de productividad e inversión.
En segundo lugar, la combinación de la EBAE con la información de balances permite analizar la relación entre la adopción de la IA y las características empresariales. Las empresas adoptantes presentan, de promedio, mayores grados de productividad, salarios más elevados y una mayor intensidad en activos intangibles, mientras que no se observan diferencias significativas en su posición financiera relativa. Estas asociaciones deben interpretarse con cautela, dado que el análisis no permite establecer relaciones causales. El análisis de los obstáculos a la adopción refuerza esta lectura. Para la mayoría de las empresas no adoptantes, las principales limitaciones están asociadas a las restricciones de recursos y a la percepción de una utilidad limitada, y se acompañan de brechas en la productividad, la cualificación de la plantilla y el capital digital. Por el contrario, un grupo más reducido de empresas se enfrenta a barreras de carácter técnico o regulatorio pese a contar con características analizadas más próximas a las de las empresas adoptantes.
En tercer lugar, estos resultados tienen implicaciones para el diseño de políticas económicas orientadas a facilitar la difusión de la IA en el tejido empresarial. El impacto agregado de estas tecnologías dependerá no solo de la extensión de su adopción, sino también de su intensidad de uso y de la capacidad de las empresas para desarrollar activos complementarios, como el capital humano cualificado, las capacidades organizativas y los activos digitales. Desde esta óptica, las políticas de formación, el apoyo a la digitalización de los procesos internos y la reducción de las barreras técnicas o regulatorias pueden desempeñar un papel relevante para ampliar la base de empresas capaces de integrar la IA de forma efectiva. En ausencia de avances en dichas dimensiones, existe el riesgo de que la difusión de estas tecnologías contribuya a ampliar las brechas existentes entre las empresas, en lugar de favorecer una convergencia en términos de productividad.
Las empresas españolas, como las europeas, están adoptando la IA rápidamente, aunque las pymes están más rezagadas. Las empresas que usan IA apenas perciben efectos sobre el empleo por ahora, pero más de una cuarta parte observa mejoras de productividad e inversión. Esperan que estas mejoras vayan a más, sobre todo las grandes, mientras que sus expectativas sobre el empleo son más variadas, apunta Jacob Hess en el Blog del Banco de España.
Shakers: los proyectos que piden perfiles de IA en España se disparan el 103%
Casi todos los profesionales usan ya alguna herramienta de IA, pero no todos obtienen los mismos resultados. Según datos de Shakers, la comunidad europea de expertos certificados en IA, ingeniería, data y producto, los proyectos que piden perfiles de IA en España se han duplicado, creciendo más de un 103% en el último año. Detrás de esa demanda hay un perfil que todavía no tiene una definición clara en el mercado: el AI builder.
El término AI builder designa a los profesionales que desarrollan soluciones a partir de modelos de IA ya existentes, sin entrenarlos desde cero. Sus funciones incluyen la orquestación de modelos y agentes, su integración con los sistemas de la empresa, la evaluación de sus resultados y su despliegue en producción. Esa forma de trabajar se nota en los resultados.
Según el estudio State of European AIBuilders 2026 de Shakers, el 46% de los profesionales tecnológicos de España y Portugal pone en producción la mayoría o la totalidad de sus proyectos, por encima de mercados europeos como Reino Unido. Los perfiles de IA más demandados en Shakers son AI Solutions Architect (36% de la demanda), Forward Deployed Engineer (32%) y AI/LLM Developer (14%). En el caso de Forward Deployed Engineer, un perfil que ya existía, la demanda se ha triplicado en el último año. A ellos se suman nuevos roles que hace apenas un año no existían en el mercado, como AI Reliability Engineer, AI Agent Developer, AI Architect o Context Engineer.
Las empresas pagan un 49% más de presupuesto medio por proyecto cuando contratan perfiles puramente de IA que cuando contratan perfiles tradicionales. El tipo de IA que se pide también ha cambiado. Más que crear sus propios modelos de IA desde cero, las empresas buscan aprovechar los que ya existen, por ejemplo los de OpenAI o Anthropic, y conectarlos con sus sistemas y procesos pararesolver problemas concretos.
El análisis de Shakers sobre 28.748 ofertas tech activas en España lo confirma: las herramientas que se usan para construir soluciones sobre modelos ya existentes aparecen en más ofertas que las que sirven para entrenar modelos propios. LangChain, una de las más utilizadas para combinar modelos existentes, aparece en 762 ofertas, frente a las 641 de PyTorch, la referencia para entrenarlos.
En el conjunto europeo, la especialización marca la diferencia. El 53% de los especialistas en IA y machine learning mantiene sus proyectos funcionando 90 días después de lanzarlos, frente al 37% de los ingenieros de software. Además, el 32% de los profesionales tecnológicos europeos dedica ya la mayor parte de su tiempo a dirigir y revisar el trabajo de la IA, y otro 17% a arquitectura y definición de problemas: juntos (49%) superan ya a quienes producen manualmente (32%). El 73% mantiene ya al menos un agente o flujo de IA activo.
"Usar IA ya lo hace casi todo el mundo. Lo que distingue a un AI builder es que responde por lo que hace la IA cuando sale de la demo y entra en el día a día de una empresa. Por eso sus proyectos llegan a producción y los de otros se quedan en prueba", señala Héctor Mata, Co-Founder & CEO de Shakers.
Declarando avisa: la IA falla en los autónomos
Una investigación científica en la que ha participado Declarando, plataforma digital de asesoramiento fiscal para autónomos, y que ha analizado la aplicación de diferentes modelos tecnológicos a la previsión de los ingresos de los trabajadores por cuenta propia y al cálculo de sus cotizaciones a la Seguridad Social, concluye que utilizar la tecnología más compleja no garantiza necesariamente obtener la predicción más fiable.
El estudio, realizado por Luis Palomero, doctor en Ingeniería Informática, AI & Data Science Manager en Declarando e investigador del Institute of New Imaging Technologies de la Universitat Jaume I; Vicente García, investigador de la Universidad Autónoma de Ciudad Juárez, y J. Salvador Sánchez, también de la Universitat Jaume I, y publicado en la revista científica International Journal of Computational IntelligenceSystems, compara tres tipos de herramientas de predicción: una media móvil simple; varios modelos ensemble —sistemas que combinan las estimaciones de diferentes algoritmos para obtener una predicción más robusta—; y dos modelos transformer —arquitecturas avanzadas de inteligencia artificial basados en la misma tecnología que los LLM, capaces de analizar secuencias de datos y generar predicciones—,concretamente dos versiones de Amazon Chronos-T5.
La investigación se realizó a partir de los registros mensuales reales de 395 autónomos durante 2021 y 2022, aportados por Declarando. Se trata de series relativamente cortas y muy heterogéneas, características habituales en los pequeños negocios y profesionales independientes, donde los ingresos pueden fluctuar considerablemente de unos meses a otros. De hecho, el 15% de los autónomos analizados duplicó como mínimo sus ingresos anuales entre un ejercicio y otro.
Uno de los aspectos que analiza el estudio es la diferencia entre las cuotas satisfechas durante el ejercicio a partir de las previsiones y las que finalmente corresponderían según los ingresos reales del autónomo. Una estimación incorrecta puede traducirse en una regularización posterior y, por tanto, en un desembolso inesperado. Pues bien, en esta métrica, algunos de los modelos ensemble se situaron prácticamente en equilibrio, con unas desviaciones inferiores a un euro, mientras que los de Amazon registraron unas desviaciones constantes cercanas a 50€.
En el caso concreto de Declarando, el estudio puso de relieve su capacidad para predecir con más exactitud las cuotas a satisfacer por los autónomos incluso en casos más extremos, como los que representan los profesionales que doblan sus ingresos. En este mismo supuesto, empleando el modelo de Amazon, el trabajador autónomo adelantaría casi 200€, pasando de 376,04 a 562,83. En la práctica, estacantidad equivaldría a pagar una cuota extra durante varios meses a la SeguridadSocial por parte del autónomo.
No obstante, estos desfases palidecen ante los errores derivados de no utilizar ningún método, lo que puede llegar a generar agujeros de miles€. Los autores concluyen que lo importante no consiste en elegir entre IA o modelos tradicionales, sino en identificar qué tecnología resulta más adecuada para resolver cada problema concreto. En este caso, la utilización de métodos adecuados trasciende el valor numérico, ofreciendo la seguridad y la tranquilidad de saber que se están pagando las cuotas correctas.
Microsoft quiere despedir al 27% de su plantilla
Microsoft ofrece la baja voluntaria a unos 60.000 empleados, cerca del 27% de una plantilla de 223.000. El ajuste afecta a EEUU, Reino Unido, Canadá e India, de vicepresidente para abajo. Los afectados tienen hasta principios de diciembre para decidir y saldrían de la empresa el 31 de diciembre. Menos nóminas para pagar una factura de IA que no para de crecer.
Por su parte, SK Hynix contribuyó a disipar los temores sobre una posible caída de la demanda ante el aumento de la competencia en el mercado de chips de memoria.
Intel, que presenta resultados el jueves 29, protagoniza la operación del día al pagar unos 2.300 millones$ (en efectivo y en acciones) por Classiq, una startup israelí de software cuántico con unos 150 empleados, y se mete de lleno en la computación cuántica. La compra se cerrará en 2027 y apenas supone un 0,5% de lo que vale Intel, 475.000 millones. Classiq había levantado más de 200 millones.
Programar un ordenador cuántico es hablar un idioma que casi nadie domina, y Classiq lo traduce para cualquier máquina. Si Intel lo junta con sus chips, vende el paquete entero, como Nvidia en la IA. El precio no asusta; el mensaje sí. Needham la considera "la mayor compra de software cuántico" hasta hoy, que no deja de ser un aval para pequeñas firmas como IonQ.