A propósito del Stanford AI Index Report 2026, el informe anual del Instituto para la IA Centrada en el Ser Humano de la Universidad de Stanford.
Durante los últimos dos años he escuchado muchas veces la misma frase en conversaciones con empresas: «estamos mirando la IA, pero todavía no es el momento. Es cara, es compleja, queremos ver cómo evoluciona antes de comprometer recursos.»
Era una posición razonable en antes. En 2026 ya no lo es.
El Stanford AI Index Report 2026, publicado hace dos semanas, cierra la puerta a esa conversación. En noviembre de 2022, procesar un millón de tokens con los modelos más avanzados costaba 20 dólares. Hoy cuesta 0,07. Una caída de 280 veces en menos de dos años, y sigue bajando: el informe estima que los costes de inferencia caen entre 9 y 900 veces al año según la tarea.
El argumento económico contra adoptar IA ha dejado de existir. O casi. Conviene matizar el dato: esa caída refleja el coste de alcanzar un nivel de capacidad fijo, no el de los modelos frontera, que sigue siendo significativo. Y los flujos agénticos y de razonamiento consumen hoy mucho más por tarea de lo que era habitual hace dos años. Por eso GitHub, Anthropic y otros han introducido topes de uso o tarificación por consumo durante el último año: la demanda ha desbordado lo que el flat rate puede sostener.
Pero cuando el coste por token deja de ser plano y empieza a depender de cómo lo usas, la diferencia entre un equipo que sabe extraer valor por token y uno que no se vuelve económica, no solo cualitativa. El cuello de botella se ha movido de «probar IA es caro» a «usarla bien requiere criterio». Que es otra forma de decir lo mismo: lo que escasea no es la tecnología.
De eso es de lo que merece la pena hablar.
La adopción ya no es la pregunta
El uso de IA en al menos una función empresarial está en el 88% de las organizaciones a nivel global. La IA generativa ya está integrada en el 70% de los procesos de negocio. La inversión privada en IA superó los 344.000 millones de dólares en 2025, un 127% más que el año anterior. La inversión corporativa total alcanzó los 581.700 millones.
Y la velocidad de difusión a nivel de usuario no tiene precedentes: la IA generativa llegó al 53% de la población mundial en tres años. Más rápido que el ordenador personal, más rápido que internet. Si pensabas que íbamos tarde en adopción, no es así. Vamos rapidísimo. El problema está en otro sitio.
El dato que importa
De ese 88% de organizaciones que usan IA, el 84% no ha rediseñado sus puestos de trabajo ni sus procesos para integrarla. Eso es lo que hay que mirar.
Significa que la mayoría está usando IA como añadido sobre una manera de trabajar que se diseñó cuando no existía. Como si en 1995 hubieras puesto Excel sobre las hojas de cálculo de papel y hubieras esperado el mismo salto de productividad que tuvieron las empresas que rediseñaron sus procesos financieros alrededor de la herramienta. No funciona así.
Por eso los datos de impacto económico siguen siendo tan dispares. McKinsey señalaba el año pasado que solo un 6% de organizaciones extraía valor económico real de la IA. El AI Index 2026 lo confirma desde otro ángulo: el principal cuello de botella declarado por las empresas para escalar IA es la falta de competencias internas. La tecnología está disponible. Las personas que saben usarla bien y los líderes capaces de rediseñar el trabajo a su alrededor, no.
La capa que se suele olvidar: el riesgo
El informe documenta otro dato relevante. Los incidentes registrados relacionados con IA pasaron de 233 en 2024 a 362 en 2025. La proporción de organizaciones que califican su capacidad de respuesta ante incidentes como «excelente» cayó del 28% al 18%. Y el 62% de las empresas señala la seguridad como el principal freno para escalar IA agéntica, por delante de las limitaciones técnicas o regulatorias.
Mientras tanto, las regulaciones avanzan. El AI Act europeo activa la mayoría de sus obligaciones de alto riesgo en agosto de 2026. California y Nueva York han aprobado leyes que obligan a los grandes desarrolladores de modelos a publicar marcos de seguridad y reportar incidentes. El marco está en construcción y va en serio.
Esto añade una dimensión a la brecha de talento. No basta con saber usar IA para crear valor. También hay que saber usarla de forma responsable, entender los riesgos, evaluar impactos y conocer el marco regulatorio aplicable. El perfil que el mercado va a premiar en los próximos tres años no es solo técnico. Es técnico, ético y regulatorio. Y todavía más escaso.
El sistema educativo no está respondiendo
Hay otro dato que merece detenerse. Cuatro de cada cinco estudiantes universitarios y de bachillerato en EE.UU. ya usan IA generativa para tareas escolares. Pero solo la mitad de los centros tiene políticas sobre IA, y de esas, apenas el 6% son consideradas claras por sus propios profesores.
Es decir, el uso ha desbordado al sistema. Los estudiantes han adoptado la herramienta antes de que las instituciones tengan un criterio sobre cómo enseñar con ella, evaluarla o limitarla. La consecuencia es que están aprendiendo a usar IA por su cuenta, sin un marco crítico, sin estándares de calidad y sin formación sobre riesgos.
Cuando ese mismo grupo entre al mercado laboral en uno o tres años, las empresas se encontrarán con personas que saben usar la herramienta de forma intuitiva pero que no necesariamente saben usarla bien. Eso traslada la responsabilidad de formar al sector privado y a los actores que estamos en medio haciendo upskilling y reskilling y programas corporativos.
Tres preguntas
Si llegados a este punto te interesa pasar de la teoría a tu organización, hay tres preguntas que merece la pena responder con honestidad.
La primera: ¿cuántas personas en tu organización pueden formular un problema de negocio en términos que un sistema de IA pueda procesar de forma efectiva? ¿cuántas tienen la comprensión necesaria para aprovechar lo que la tecnología puede hacer?
La segunda: ¿tienes un mapa claro de en qué procesos la IA puede generar valor real en tu contexto específico, y quién tiene las competencias para implementarla en cada uno? ¿Y has rediseñado esos procesos, o estás aplicando IA sobre flujos de trabajo de hace diez años?
La tercera: ¿tienes un plan para que ese número crezca en los próximos 12 meses, con recursos, responsables y métricas? No un plan de «exploración».
Si la respuesta a las tres es sí, estás en el grupo que va a capturar valor. Si a alguna no, la brecha entre lo que la tecnología puede hacer y lo que tu organización está aprovechando va a seguir creciendo, aunque el coste de la tecnología siga cayendo.
Lo que queda
A 0,07 dólares por millón de tokens, el argumento económico ha desaparecido. Con el 88% de las empresas usando IA en alguna función, el de la madurez tecnológica también. Con 581.000 millones de inversión corporativa global solo en 2025, el de la incertidumbre sobre el rumbo del mercado, igual.
Lo que queda es la única barrera que siempre fue la real: el talento. Personas que entiendan la tecnología, que sepan implementarla, que sepan rediseñar procesos a su alrededor, que sepan gestionarla con responsabilidad y que puedan decidir cuándo aplicarla y cuándo no. Esa es la inversión que toca hacer ahora. No en tecnología, que ya es barata, sino en las personas que van a convertir esa tecnología en ventaja competitiva real.
Y esto, en última instancia, es lo que hacemos en The Bridge. Cuando el diferencial ya no está en qué modelo de IA eliges, el único diferencial que queda es el talento que sabe integrarlo, auditarlo y construir sobre él. Formamos a esas personas combinando lo que las empresas nos dicen que necesitan con un entorno académico sólido (la Universidad Autónoma de Madrid) y con programas que hacen que esa formación llegue a quien más la necesita, no solo a quien puede pagarla.
Fuente: Stanford University Human-Centered Artificial Intelligence (HAI), «AI Index Report 2026». Abril 2026. aiindex.stanford.edu
