El estudio «Bridging the Capacity Gap», elaborado por Futurum Research por encargo de IFS, sitúa así la gestión de la capacidad como uno de los principales retos para la transformación de sectores como la fabricación, la energía, el transporte, la construcción, la defensa y las telecomunicaciones.
El informe, basado en una encuesta a 664 responsables de empresas de Norteamérica y Europa realizada entre mayo y junio de 2026, sostiene que esta presión está acelerando el interés por los denominados trabajadores digitales o agentes de IA. El 66% de las compañías consultadas considera probable o muy probable invertir en trabajadores digitales durante los próximos 12 meses. Sin embargo, la adopción todavía se encuentra en una fase inicial: solo el 10% de las organizaciones afirma operar actualmente con IA mayoritariamente autónoma, frente a un 63% que utiliza la IA como copiloto para tareas individuales y un 22% que ya ejecuta flujos de trabajo semiautónomos.
Para la industria española, donde la disponibilidad de profesionales cualificados y la mejora de la productividad son factores especialmente relevantes para la competitividad, el dato apunta a un cambio de enfoque: la IA deja de plantearse únicamente como una herramienta para automatizar tareas concretas y empieza a considerarse una vía para liberar capacidad operativa. No obstante, el estudio no ofrece un desglose específico de España, por lo que sus cifras corresponden al conjunto de empresas analizadas en Norteamérica y Europa.
La magnitud del problema queda reflejada en el tiempo que las organizaciones dedican a tareas que no generan directamente nuevo valor. El informe calcula que, de media, el 41% de la jornada laboral se consume en actividades manuales o repetitivas, el equivalente a unos dos días de trabajo a la semana. Esta pérdida de capacidad tiene una consecuencia directa: proyectos que las compañías consideran estratégicos terminan posponiéndose porque los empleados están ocupados con tareas que podrían automatizarse.
La presión es especialmente visible en sectores industriales con operaciones complejas y una elevada dependencia de planificación, documentación, mantenimiento, compras o coordinación de recursos. En energía y utilities, por ejemplo, el 52% de los encuestados afirma que sus organizaciones retrasan iniciativas con frecuencia por falta de capacidad. En transporte y logística, en cambio, la presión está contribuyendo a una adopción más rápida de la IA agéntica: el 25% de las empresas del sector espera incorporarla durante los próximos 12 meses.
En fabricación, uno de los sectores con mayor peso dentro de la industria española, los principales casos de uso identificados por el estudio se concentran en la planificación de materiales, señalada por el 34,5% de los encuestados, la gestión de pedidos de clientes, con un 32,7%, y la gestión de inventario y reposición, también con un 32,7%. Estos ámbitos concentran buena parte de las operaciones que requieren coordinar información procedente de distintos sistemas y que, por tanto, pueden beneficiarse de una automatización integrada.
En el conjunto de las organizaciones analizadas, el principal desafío operativo es precisamente la conciliación de datos entre sistemas, citada por el 40% de los participantes. Le siguen los problemas relacionados con inventario y cadena de suministro, con un 38%, y la dificultad para encontrar información y documentación, con un 33%. El problema no es, por tanto, únicamente la disponibilidad de herramientas de IA, sino la capacidad de estas tecnologías para trabajar sobre los sistemas y datos que ya utilizan las compañías.
Esta dificultad también explica por qué una parte importante de los proyectos de IA no llega a producción. El 67% de las iniciativas analizadas alcanza como máximo la mitad de su potencial de despliegue, mientras que solo el 4% supera el 75%. La mala calidad de los datos es el principal motivo por el que los proyectos se estancan, citado por el 30% de los encuestados. A continuación aparecen las dificultades para demostrar el retorno de la inversión y los problemas de integración, ambos señalados por el 28%.
El estudio identifica tres condiciones fundamentales para que la IA pase de los pilotos a la producción. La primera es que esté integrada de forma nativa con los sistemas existentes; la segunda, que incorpore desde el principio mecanismos de gobierno, trazabilidad y auditoría; y la tercera, que mantenga un modelo de supervisión humana para gestionar las excepciones. No se trata, por tanto, de sustituir automáticamente a los trabajadores, sino de permitir que los sistemas ejecuten de forma autónoma las operaciones rutinarias y eleven a las personas aquellas decisiones que requieren criterio o intervención.
La confianza sigue siendo uno de los principales frenos. Solo el 5,7% de los encuestados confía actualmente en que la IA pueda actuar de forma completamente autónoma, mientras que el 37,5% prefiere que la tecnología se limite a preparar el trabajo para que posteriormente sea aprobado por una persona. La diferencia entre la intención de invertir y el nivel de autonomía que las empresas están dispuestas a conceder muestra que el mercado todavía se encuentra en una fase de transición entre la IA como asistente y la IA como ejecutora.
La especialización sectorial aparece como otro de los factores determinantes. El 62% de los responsables consultados considera muy importante o crítico que la IA esté adaptada a las necesidades específicas de su industria. La demanda es especialmente elevada en construcción e ingeniería, donde alcanza el 72,4%, seguida de telecomunicaciones, con un 69,5%, fabricación, con un 66,7%, aeroespacial y defensa, con un 62,2%, y transporte y logística, con un 61,9%. En energía y utilities el porcentaje se sitúa en el 48,8%.
Los casos de uso también cambian en función de la actividad. En energía y utilities destacan la gestión de conocimiento y documentación, con un 43,8%, la gestión del rendimiento de activos, con un 39,7%, y la planificación de órdenes de trabajo, con un 33,1%. En transporte y logística, la gestión de conocimiento y documentación alcanza el 42,7%, mientras que la planificación de servicios llega al 37,8% y la gestión de piezas e inventario al 35,4%. En construcción e ingeniería sobresalen la coordinación con transportistas, con un 36%, y la gestión de pedidos y envíos y la planificación de despachos, ambas con un 33,3%.
El problema de capacidad también está relacionado con otro activo crítico para la industria: el conocimiento acumulado por sus trabajadores. El 71,8% de las organizaciones afirma que aproximadamente la mitad o más de su conocimiento operativo no está documentado. Además, el 74,9% necesita al menos cuatro meses para incorporar plenamente a un nuevo empleado operativo, y un 31,4% necesita siete meses o más. Más de la mitad, el 52,2%, reconoce que sus trabajadores repiten trabajo con frecuencia porque la información necesaria es difícil de localizar.
En este contexto, el 61,9% considera muy o extremadamente valiosa una IA capaz de aprender continuamente del conocimiento de los empleados con experiencia. El concepto de trabajador digital adquiere así una segunda dimensión: además de liberar horas de trabajo, puede contribuir a capturar y poner a disposición conocimiento operativo que, de otro modo, permanece disperso entre documentos, sistemas y personas.
Los primeros resultados empresariales recogidos por el estudio apuntan precisamente a la recuperación de capacidad. KLN Family Brands ha automatizado 329 órdenes de compra semanales y recuperado 27 horas de trabajo cada semana, mientras que CDF Corporation ha liberado el equivalente al 20% del tiempo de su personal de compras. Ependion desplegó su solución Supply Order Manager en toda la compañía en diez semanas. En Kitron Group, con alrededor de 3.500 empleados y 13 fábricas en los países nórdicos, Polonia, China y Malasia, los trabajadores digitales están aplicándose al proceso de compra bajo pedido, permitiendo incluso detectar errores históricos en referencias de piezas.
En otros casos, el objetivo es avanzar hacia operaciones prácticamente sin intervención humana. AirBoss prevé que el 40% de sus pedidos puedan completarse sin intervención humana cuando su Customer Order Manager esté plenamente implantado, mientras Sims Crane trabaja con el objetivo de alcanzar una automatización del 80% de las facturas mediante un modelo de procesamiento directo.
La cuestión clave para las empresas no es, sin embargo, cuánto trabajo automatizan, sino qué hacen con el tiempo que recuperan. Si consiguieran liberar el 50% de la carga de trabajo, el 33% de los encuestados destinaría esa capacidad a reducir costes, mientras que un 30% la utilizaría para impulsar el crecimiento y la expansión y otro 30% para acelerar la ejecución y reducir los ciclos de trabajo. Un 29% priorizaría la actividad estratégica y analítica.
El retorno esperado condiciona igualmente las decisiones de inversión. Un 10% de las organizaciones exige recuperar la inversión en menos de seis meses, mientras que el 32% sitúa el plazo entre seis y doce meses. El grupo más amplio, un 40%, acepta un periodo de entre 13 y 24 meses, y un 15% contempla plazos superiores a dos años. En fabricación, el horizonte es especialmente amplio: el 51% de las empresas del sector espera recuperar la inversión en un periodo de entre 13 y 24 meses.
La inversión que ya está llegando al mercado tampoco es menor. El 58,5% de las empresas encuestadas afirma destinar al menos 10 millones de dólares anuales a IA, IA agéntica y automatización, mientras que el 28% se sitúa específicamente en el tramo de entre 10 y 25 millones de dólares. Solo el 3,6% declara una inversión inferior al millón de dólares.
A la hora de incorporar trabajadores digitales, las compañías se inclinan además por adquirir tecnología en lugar de desarrollarla íntegramente desde cero. El 63,2% prefiere comprar estas capacidades, bien mediante soluciones que pueda personalizar, opción elegida por el 41,7%, o mediante soluciones ya preparadas, con un 21,5%. Un 18,7% optaría por desarrollar internamente estas herramientas y otro 18,1% combinaría ambos modelos.
Para una industria como la española, el mensaje principal del informe es que la oportunidad de la IA no reside únicamente en hacer más eficientes determinadas tareas, sino en recuperar capacidad para que las organizaciones puedan ejecutar proyectos que actualmente se quedan en espera. El reto será trasladar esa capacidad tecnológica a entornos industriales reales, con sistemas heredados, datos fragmentados, procesos específicos y una fuerte dependencia del conocimiento de los trabajadores.
El estudio concluye que las compañías que quieran avanzar deberían tratar a los trabajadores digitales como si fueran nuevas incorporaciones, integrarlos dentro de los sistemas centrales en lugar de mantenerlos como herramientas aisladas, no esperar a disponer de datos completamente limpios antes de comenzar, medir su capacidad de aprendizaje además del volumen de tareas ejecutadas, presentar el proyecto como una recuperación de tiempo y no únicamente como una reducción de plantilla, y comparar diferentes plataformas antes de comprometerse con una tecnología.
El informe ha sido elaborado por Keith Kirkpatrick, Vice President & Research Director, Enterprise Software & Digital Workflows de The Futurum Group, a partir de una encuesta realizada a 664 responsables empresariales de Norteamérica y Europa en seis sectores industriales, complementada con entrevistas en profundidad a responsables de TI y operaciones de seis clientes de IFS. La investigación fue realizada de forma independiente por The Futurum Group, sin restricciones ni influencia de IFS sobre el diseño de las preguntas o los resultados publicados.
