Las tres barreras de la IA en las empresas europeas: falta de talento, gestión de datos y leyes

Las empresas europeas hablan de inteligencia artificial en reuniones, presentaciones y planes de inversión, pero a la hora de llevarla a producción muchas pisan el freno.

No se trata solo de presupuesto: el bloqueo suele aparecer en el talento disponible, la gestión de los datos y el miedo a incumplir normas. Ese cóctel explica por qué la adopción avanza a distintas velocidades según el sector y el tamaño de la compañía.

Los datos de 2025 recopilados por Eurostat muestran un patrón consistente: la mayoría de las empresas no duda de la utilidad potencial de la IA, pero se topa con barreras prácticas y regulatorias.

Entre las compañías de 50 a 249 empleados, el 10% señaló la falta de competencias técnicas como el principal obstáculo; entre las grandes, con más de 250 trabajadores, el porcentaje fue 10%. La brecha no es enorme, pero confirma que el problema no desaparece con la escala.

El primer cuello de botella: talento y perfiles técnicos

La escasez de competencias técnicas se mantiene como la explicación más repetida y tiene una lectura doble.

Por un lado, faltan perfiles capaces de integrar modelos en procesos reales; por otro, muchas organizaciones no logran “traducir” necesidades del negocio a casos de uso medibles y seguros.

En el desglose por países, el freno por falta de habilidades se elevó al 15% en Dinamarca, al 15% en Alemania y al 14% en Finlandia, tres economías que suelen aparecer bien posicionadas en rankings de digitalización y adopción de IA.

Incluso los mercados más avanzados reconocen que la disponibilidad de talento no alcanza para la demanda.

La implementación, además, no depende solo de científicos de datos. Requiere responsables de ciberseguridad, equipos legales, áreas de cumplimiento, especialistas en calidad de datos y líderes operativos que ajusten flujos de trabajo.

Datos y sistemas: cuando la infraestructura decide por la estrategia

La encuesta también identificó barreras técnicas menos visibles, pero decisivas. Entre las empresas medianas, el 6% citó problemas de compatibilidad con equipos, programas o sistemas existentes; en las grandes, esa razón también fue 6%.

Estos números suelen traducirse en situaciones concretas: bases fragmentadas, historiales incompletos, datos sin gobernanza y sistemas heredados que complican integrar soluciones sin interrumpir la operación.

En esos escenarios, el debate no es “qué modelo usar”, sino qué procesos se pueden automatizar sin introducir errores, sesgos o filtraciones.

Privacidad e inseguridad jurídica: el freno regulatorio que no se resuelve con software

El segundo gran bloque de obstáculos está relacionado con cumplimiento y responsabilidad. Entre las compañías de 50 a 249 empleados, el 8% mencionó el riesgo de vulnerar la protección de datos y la privacidad, y el 7% señaló la falta de claridad sobre las consecuencias legales.

Entre las grandes, los porcentajes subieron a 9,31% y 8,12%, respectivamente, lo que sugiere una mayor sensibilidad al riesgo reputacional, a la exposición judicial y a las multas.

En ese contexto, la Unión Europea debate cómo incentivar el despliegue de IA en el tejido productivo mientras busca simplificar el marco normativo.

Costes y ética: factores presentes, pero secundarios

Aunque el precio de la tecnología suele dominar el discurso público, en la encuesta su peso fue menor. Entre las empresas medianas, el 6% atribuyó la no adopción a razones de costes; entre las grandes, el porcentaje fue 5%.

El dato no significa que implementar IA sea barato, sino que para muchas compañías el gasto queda detrás de problemas más básicos: falta de personal capacitado, sistemas no preparados o dudas sobre el cumplimiento.

Las consideraciones éticas también aparecieron, pero con menor incidencia: 3% en empresas medianas y 3% en grandes.

El indicador que mejor resume el momento: solo el 2% de las medianas y el 1% de las grandes afirmó que las herramientas de IA no son útiles para su negocio. La oportunidad está reconocida; lo que falta es despejar el camino para que la implementación sea viable, segura y escalable.