Cada trimestre aparece un nuevo informe sobre IA en empresas. La mayoría dicen lo mismo: "la adopción crece". El "State of AI in the Enterprise 2026" de Deloitte dice algo más incómodo: la distancia entre lo que las empresas aspiran a conseguir con IA y lo que realmente consiguen se está ensanchando. El 74% aspira a aumentar ingresos con IA. Solo el 20% lo logra. Y la razón no es técnica.
Este análisis recorre los datos más relevantes del informe y conecta cada hallazgo con lo que observamos en implementaciones reales. Los números cuentan exactamente la misma historia que llevamos viendo en equipos de desarrollo: la tecnología funciona. El sistema organizativo no está preparado para aprovecharla.
Los números que definen 2026: adopción acelerada, resultados desiguales
Antes de entrar en el análisis, conviene dimensionar el momento. El informe de Deloitte recoge datos de cientos de organizaciones a nivel global, desde startups hasta grandes corporaciones. Los titulares pintan un escenario de adopción masiva, pero con matices que importan:
State of AI in the Enterprise 2026 -- Datos clave
Fuente: Deloitte | Publicado enero 2026
Los titulares son positivos. El acceso a herramientas de IA entre trabajadores creció un 50% en 2025. Las empresas con más del 40% de proyectos en producción se duplicarán en los próximos seis meses. El 42% de las organizaciones cree que su estrategia está "altamente preparada".
Pero fíjate en los otros números. Solo 1 de cada 5 tiene governance maduro para IA autónoma. Solo el 34% está reimaginando su negocio, no solo optimizando procesos. Y hay un dato que es la llave del informe entero: el 74% de las empresas aspira a aumentar ingresos con IA, pero solo el 20% lo está logrando.
Esa diferencia de 54 puntos no es una brecha técnica. Es una brecha organizativa.
54 puntos de diferencia: la mayor brecha no es tecnológica
Este es el dato central del informe y merece detenerse en él.
La brecha entre aspiración y resultado real
Fuente: Deloitte, State of AI in the Enterprise 2026
En productividad y eficiencia, la brecha es manejable: el 66% reporta ganancias reales. Lo mismo con decisiones mejoradas (53%) y reducción de costes (40%). Estos son beneficios de "hacer lo mismo, más rápido".
Pero cuando pasamos a resultados de negocio -- generar más ingresos, mejorar productos, innovar -- la brecha se dispara. Solo el 20% consigue más ingresos. Solo el 20% mejora productos o servicios. Solo el 38% mejora la relación con clientes.
El patrón es claro: la IA está sirviendo para optimizar operaciones, pero no para transformar el negocio. Y eso no es un problema de la tecnología. Es un problema de cómo las organizaciones están planteando la adopción.
La mayoría de empresas usa IA para hacer más eficiente lo que ya hacían. Solo una minoría está reimaginando lo que hacen.
Esto conecta con un dato que ya analizamos en otro contexto: el 70% del éxito de la IA en equipos de desarrollo es organizativo, no técnico. El informe de Deloitte lo valida con datos a escala enterprise.
El 66% optimiza. Solo el 34% transforma. La diferencia es estructural.
De todos los datos del informe, este es quizá el que mejor explica la brecha: solo el 34% de las organizaciones está "reimaginando verdaderamente su negocio" con IA. El resto -- dos tercios -- la usa principalmente para eficiencia operativa.
Esto no significa que la eficiencia operativa sea mala. El 66% que reporta ganancias de productividad está obteniendo valor real. El 53% que mejora decisiones está sacando partido a datos que antes no procesaba. Esos resultados son legítimos.
El problema es que quedarse en eficiencia tiene un techo. Y ese techo llega rápido.
Automatizan tareas repetitivas, reducen tiempos de proceso, mejoran productividad individual. Resultados reales pero incrementales. No cambian qué hace la empresa, sino cómo lo hace.
El informe de Deloitte apunta a una razón clave para esta distribución: las empresas reportan preparación significativamente menor en infraestructura, gestión de datos, frameworks de riesgo y capacidades de talento que en estrategia.
Es decir: a nivel de PowerPoint, la estrategia existe. A nivel de ejecución, los cimientos no están.
El 42% cree que su estrategia está "altamente preparada". Pero cuando bajas al detalle operativo -- la infraestructura para soportar IA en producción, los datos con la calidad necesaria, los equipos con las competencias adecuadas, los frameworks de riesgo para gestionar agentes autónomos -- la preparación cae en picado.
Hay un gap entre preparación estratégica y preparación operativa. Y es en ese gap donde se quedan atrapadas la mayoría de organizaciones: saben qué quieren hacer con IA, pero no tienen los cimientos para hacerlo.
IA agéntica: la adopción se dispara, el governance no sigue
El informe señala que el uso de IA agéntica está preparado para un crecimiento abrupto en los próximos dos años. Y al mismo tiempo, solo 1 de cada 5 empresas tiene governance maduro para agentes autónomos.
Esto es un desequilibrio preocupante.
La IA agéntica no es una versión más potente de un chatbot. Son sistemas que toman decisiones, ejecutan acciones y operan con grados variables de autonomía. Sin governance adecuado, esto significa código desplegado sin supervisión suficiente, decisiones tomadas sin trazabilidad clara y riesgos que nadie ha mapeado.
El desequilibrio agéntico
Proyección de adopción de IA agéntica en 2 años
Incluyendo physical AI y agentes autónomos
Empresas con governance maduro para agentes autónomos hoy
Solo 1 de cada 5 tiene frameworks de supervisión adecuados
El 80% de las empresas desplegará agentes autónomos. Solo el 20% tiene las reglas para gestionarlos.
Ya analizamos en detalle la situación de los agentes de IA en empresas para 2026. Los datos de Deloitte confirman el mismo patrón desde otra perspectiva: el obstáculo no es desplegar agentes. Es gobernarlos.
Para equipos de desarrollo, esto se traduce en preguntas muy concretas:
- Si un agente genera código y lo despliega, ¿quién es responsable de la calidad?
- Si un agente toma decisiones arquitectónicas, ¿hay trazabilidad de por qué?
- Si un agente opera con autonomía en un pipeline de CI/CD, ¿qué límites tiene?
- Si algo falla en producción y lo generó un agente, ¿cómo se diagnostica?
Sin un sistema de trabajo que responda a estas preguntas, la IA agéntica pasa de ser una ventaja competitiva a ser un riesgo operativo no gestionado.
El skills gap es real. Pero la solución no es formación puntual.
El informe de Deloitte identifica la brecha de competencias en IA como la principal barrera de adopción. Hasta aquí, nada nuevo. Lo relevante es cómo las empresas están respondiendo.
Según Deloitte, las organizaciones priorizan educación y formación sobre el rediseño de roles y workflows. Es decir: la respuesta dominante al skills gap es dar cursos, no cambiar cómo trabajan los equipos.
Y esto explica por qué, a pesar de que el acceso a herramientas de IA creció un 50% en 2025, el impacto en la fuerza de trabajo sigue siendo bajo. Más gente tiene acceso. Menos gente sabe qué hacer con ese acceso dentro de su flujo de trabajo diario.
Formación puntual: cursos de prompt engineering, workshops de herramientas, certificaciones. Mejora el conocimiento individual pero no cambia el sistema.
Rediseño de roles y workflows: el developer senior pasa de productor de código a arquitecto de decisiones. Las historias de usuario incluyen contexto para agentes. El code review tiene criterios específicos para IA. El sistema cambia.
Esto es un patrón que ya abordamos en profundidad: por qué los equipos no adoptan las herramientas IA que les compras. El acceso no es el problema. La integración en el flujo de trabajo sí.
El skills gap es un síntoma, no una causa. La causa es que las organizaciones están intentando meter nuevas capacidades en viejos sistemas de trabajo. Es como darle un coche de carreras a alguien y esperar que vaya más rápido por la ciudad sin cambiar las rutas, los semáforos ni las normas de tráfico.
Las competencias que faltan no son técnicas en el sentido tradicional. No es que la gente no sepa escribir un prompt. Es que no existen los roles, los procesos y los criterios de calidad adaptados para que esas competencias se apliquen de forma sistemática.
De diagnóstico a sistema: cómo SDD y los Centros de Excelencia abordan cada brecha
El informe de Deloitte describe tres déficits principales: preparación operativa por debajo de la estratégica, governance insuficiente para IA agéntica y un skills gap que se trata con formación en lugar de con rediseño. Cada uno de estos déficits tiene un correlato directo en cómo trabajamos en onext.
1. La brecha estrategia-ejecución se cierra con un sistema de trabajo, no con un roadmap.
El 42% de las empresas dice que su estrategia está preparada. Pero cuando bajas al detalle operativo -- datos, infraestructura, talento -- la preparación se desploma. Esto ocurre porque la estrategia se queda en el nivel de "qué queremos hacer" sin aterrizar en "cómo vamos a trabajar diferente".
Spec-Driven Development (SDD) existe para cerrar esa brecha. En lugar de estrategias genéricas, SDD define especificaciones concretas: la "constitución" del proyecto establece reglas que la IA debe respetar, los templates de especificación estandarizan cómo se definen features para agentes, y el playbook de prompts convierte buenas intenciones en prácticas repetibles. No es una estrategia. Es un sistema operativo para equipos que trabajan con IA.
2. El governance de IA agéntica empieza por trazabilidad y límites claros.
Solo 1 de cada 5 empresas tiene governance maduro. Para el resto, el riesgo no es abstracto: es código en producción sin revisión adecuada, decisiones sin trazabilidad y responsabilidades difusas.
La respuesta no es añadir una capa de burocracia. Es integrar governance en el flujo de trabajo. En SDD, cada línea de código generada es trazable a una especificación. El flujo de code review tiene criterios específicos para output de agentes. Y context engineering garantiza que los agentes operan con el contexto correcto, no con contexto genérico o incompleto. Governance no como burocracia, sino como arquitectura del sistema.
3. El skills gap se resuelve con Centros de Excelencia, no con cursos.
Deloitte señala que las empresas priorizan educación sobre rediseño de roles. Un Centro de Excelencia de IA hace lo contrario: primero rediseña el sistema de trabajo y luego capacita al equipo dentro del nuevo sistema. La formación no es el objetivo. Es una consecuencia de un flujo de trabajo que exige nuevas competencias de forma natural.
Cada brecha del informe tiene un mecanismo de resolución
Mecanismo: SDD -- especificaciones que convierten la estrategia en prácticas operativas concretas. "Constitución" del proyecto, templates, playbooks.
Mecanismo: Context engineering + code review para IA -- trazabilidad, límites y supervisión integrados en el flujo, no como capa extra.
Mecanismo: Centros de Excelencia -- primero rediseño del sistema de trabajo, luego capacitación dentro del nuevo sistema. Las competencias emergen del proceso.
No es casualidad que las tres brechas converjan en lo mismo. El denominador común es organizativo: falta un sistema de trabajo diseñado para IA. Las herramientas están. Los modelos son suficientemente buenos. Lo que falta es la capa intermedia entre "tenemos una estrategia de IA" y "nuestro equipo trabaja de forma diferente gracias a IA".
El informe confirma la tesis. La ejecución depende del sistema.
El "State of AI in the Enterprise 2026" de Deloitte no dice nada que los equipos que ya están en producción con IA no supieran intuitivamente. Pero lo cuantifica. Y los números son difíciles de ignorar.
54 puntos de diferencia entre aspiración e ingresos reales. Dos tercios de las empresas estancadas en eficiencia operativa. Solo 1 de cada 5 con governance para agentes autónomos. Un skills gap que se trata con cursos en lugar de con cambio estructural.
La buena noticia: nada de esto es un problema sin solución. Es un problema de sistema. Y los sistemas se rediseñan.
La tecnología ya está. Los modelos son suficientes. La pregunta que queda es organizativa: ¿tu sistema de trabajo está diseñado para que la IA genere impacto real, o solo para que la gente tenga acceso a herramientas?
Fuente principal: "State of AI in the Enterprise 2026" -- Deloitte. Publicado enero 2026.
Lectura complementaria: El 70% del éxito de la IA es organizativo | Agentes de IA en 2026: el 80% genera retorno medible | Context Engineering como disciplina
Metodología onext: Los Centros de Excelencia de IA de onext implementan Spec-Driven Development y context engineering para cerrar la brecha entre estrategia y ejecución. Sin paralizar entregas.