Las organizaciones que aplican prácticas de inteligencia artificial (IA) orientadas a la confianza tienen 15 veces más probabilidades de declarar un retorno de la inversión (ROI) alto o fuerte que aquellas con niveles bajos de preparación en este ámbito, según el segundo Data and AI Impact Report: The New Economics of Trust, elaborado por SAS con investigación de IDC. El estudio analiza las respuestas de 2.699 responsables de decisiones de 28 países y sitúa la calidad de los datos, la supervisión y la capacidad de explicar las decisiones entre los factores que más condicionan el paso de los pilotos a la producción.
Las claves de la confianza en la IA empresarial en 30 segundos
- El 62 % de las organizaciones con una puntuación alta en prácticas de confianza declara un ROI fuerte o alto, frente al 4 % de las que obtienen una puntuación baja.
- El 66 % confía en la IA agéntica, diez puntos menos que en la IA generativa, que alcanza el 76 %.
- El 79 % afirma que interviene sobre las recomendaciones de IA en más del 10 % de los casos.
- La falta de explicación es el principal motivo para modificar una respuesta de IA, citado por el 34,5 %.
- Solo el 17,5 % dispone de una infraestructura de datos en el nivel de madurez más alto.
El problema aparece cuando la IA deja de recomendar y empieza a actuar
El informe parte de un cambio que está modificando la relación de las empresas con la inteligencia artificial. Los sistemas generativos producen respuestas, mientras que los sistemas agénticos pueden planificar y ejecutar acciones a través de varios pasos con una intervención humana más limitada.
Ese salto aumenta las exigencias. Una respuesta incorrecta de un chatbot puede requerir una corrección. Una decisión equivocada tomada de forma autónoma por un agente puede afectar a un proceso financiero, una investigación, una operación de seguros o un servicio público.
Los datos recogidos por SAS e IDC muestran esa diferencia. La IA generativa alcanza un nivel de confianza declarado del 76 %, mientras que la IA agéntica se queda en el 66 %. Al mismo tiempo, el 89 % de los encuestados afirma que sus agentes ya tienen algún papel en la toma de decisiones, desde proporcionar información para decisiones aprobadas por personas hasta actuar con mayor autonomía.
El estudio también mide la frecuencia con la que las personas corrigen las decisiones de estos sistemas. El 79 % de los encuestados declara que modifica recomendaciones de IA en más del 10 % de los casos. Solo el 0,6 % afirma que nunca lo hace.
La explicación es especialmente relevante. El 34,5 % señala la falta de explicación o transparencia como motivo para intervenir, por delante de la incapacidad del sistema para reflejar todo el contexto, con un 25,6 %. Otros motivos son respuestas sesgadas o injustas, con un 16,9 %, errores factuales, con un 14,8 %, y resultados considerados inseguros o inadecuados, con un 8,3 %.
Hay una diferencia metodológica que conviene aclarar respecto a algunas cifras difundidas por SAS. La nota de prensa indica que el 97,2 % de los usuarios modifica recomendaciones de IA al menos en algunos casos. El informe completo utiliza una medida más concreta: el 79 % declara hacerlo en más del 10 % de los casos. No son cifras incompatibles, porque están midiendo frecuencias diferentes.
El ROI no es 15 veces mayor: cambia la probabilidad de conseguir retornos altos
El dato más llamativo del estudio necesita también una lectura precisa. Decir que las empresas con prácticas de IA confiable tienen 15 veces más probabilidades de obtener un ROI alto no significa que cada euro invertido genere 15 euros.
El informe compara dos grupos según su puntuación en un índice de confianza. Las organizaciones consideradas líderes obtienen 80 puntos o más sobre 100 y son evaluadas en cinco dimensiones: calidad y gobierno de los datos, gobierno y supervisión de modelos, explicabilidad y equidad, política de IA responsable y auditoría y responsabilidad.
En ese grupo, el 62 % declara un ROI fuerte o alto, frente al 4 % de las organizaciones con puntuaciones bajas. De ahí procede la relación de 15 a 1 utilizada en el informe.
La diferencia también aparece al medir otros resultados empresariales. Las organizaciones con niveles altos de confianza registran un impacto medio de 27,6 % en 13 resultados empresariales, frente al 14,9 % de las organizaciones con niveles bajos, según el indicador utilizado por el estudio. El informe calcula así una diferencia de 1,85 veces.
La investigación establece una relación estadística entre estas prácticas y los resultados declarados, pero no demuestra por sí sola que la gobernanza de IA sea la única causa del mayor retorno. Las empresas con mejores resultados pueden diferir también en inversión, capacidades técnicas, procesos, selección de proyectos o madurez organizativa. El propio estudio describe la asociación entre las prácticas y el ROI, no un experimento controlado que permita aislar una relación causal.
La calidad de los datos sigue siendo el cuello de botella
Una de las conclusiones más concretas del informe está lejos del modelo de IA. Está en los datos que alimentan esos sistemas.
Solo el 17,5 % de las organizaciones encuestadas sitúa su infraestructura de datos en el nivel «Optimized», el más alto de la escala utilizada. Un 34,7 % se encuentra en el nivel «Managed» y un 31,6 % en «Standardized». En 2025, este último grupo representaba el 47,7 %, mientras que las categorías superiores han ganado peso durante el último año.
La diferencia también aparece cuando se comparan las organizaciones con infraestructura «Ad Hoc» y las consideradas «Optimized». Las segundas son seis veces más propensas a exigir herramientas de calidad de datos en todos sus proyectos de IA, seis veces más propensas a imponer controles de explicabilidad y cinco veces más propensas a utilizar validación y supervisión automatizadas y continuas.
Además, el 52 % de las organizaciones espera un ROI fuerte o alto cuando dispone de una infraestructura de datos optimizada, frente al 14 % de las que se encuentran en el nivel Ad Hoc. De nuevo, son resultados de una encuesta y no una prueba experimental de causalidad.
La relación con la explicabilidad es directa. Un sistema difícilmente puede justificar una decisión si la organización no puede reconstruir qué datos utilizó, qué procesos siguió y qué controles se aplicaron. Por eso el informe vincula la madurez de los datos con la capacidad de auditar y validar sistemas agénticos.
La gobernanza avanza, pero la explicabilidad sigue rezagada
El índice de confianza utilizado por SAS e IDC subió de 49,7 a 61,3 puntos sobre 100 entre las dos ediciones analizadas. La confianza percibida, en cambio, bajó de 73 a 70,7 puntos. El informe calcula que la diferencia entre ambas medidas pasó de 23,3 a 9,4 puntos.
Las cinco dimensiones no evolucionaron al mismo ritmo. La política de IA responsable alcanza 67,5 puntos y auditoría y responsabilidad 63,4. La calidad y gobierno de los datos se sitúa en 59,5, el gobierno y supervisión de modelos en 58,9 y explicabilidad y equidad en 60,4.
Precisamente esta última dimensión es la que menos avanzó interanualmente. El resultado encaja con el comportamiento de los usuarios: la falta de explicación es el motivo más citado para intervenir sobre una recomendación de IA.
El informe señala una diferencia entre crear políticas y resolver problemas técnicos. Redactar normas, asignar responsabilidades o establecer auditorías puede formalizarse mediante procesos corporativos. Conseguir que un modelo pueda ofrecer explicaciones útiles y trazables requiere trabajo sobre los datos, los modelos, la interfaz y toda la cadena que conduce hasta una decisión.
Por eso la confianza en la IA empresarial no depende únicamente de elegir un modelo más avanzado. También exige saber qué datos utiliza, qué puede hacer, cómo se validan sus resultados, cuándo debe intervenir una persona y cómo se puede reconstruir una decisión después de ejecutarla.
El estudio encuentra además que el 85 % de las organizaciones clasificadas como líderes está aumentando en más de un 10 % su inversión en prácticas de IA confiable. Entre las organizaciones con menor puntuación, la proporción es del 26 %. El dato apunta a que la distancia entre ambos grupos podría seguir ampliándose si las diferencias de inversión y madurez se mantienen, aunque esa evolución futura no está demostrada por el estudio.
La cuestión gana peso a medida que los agentes pasan de responder preguntas a ejecutar tareas. En ese escenario, la confianza deja de ser únicamente una cuestión de percepción del usuario y pasa a estar relacionada con controles concretos: datos trazables, validación continua, supervisión de modelos, explicabilidad, auditoría y responsabilidad.
Para las empresas, el mensaje central del informe es menos tecnológico de lo que podría parecer. El valor de la IA no depende solo de cuánto puede hacer un modelo, sino de si la organización puede utilizar sus resultados de forma repetible, entender sus límites y mantener bajo control las decisiones que delega.
