Si te pasas el día leyendo comunicados de grandes consultoras y vendors, saldrías con la idea de que España ya respira IA por los poros: pilotos, “transformación”, KPIs en PowerPoint y más siglas que un manual de aviónica. Luego miras encuestas y datos con pie más realista y la foto se desenfoca. Según lo que recoge El Ecosistema Startup citando lecturas sobre el ciudadano y la tecnología en 2026, cerca del 49 % de españoles se muestra rechazo u hostilidad hacia la IA mientras que solo un 16 % la mira con entusiasmo. No es un matiz pequeño: es media Europa sentada delante de la pantalla con el ceño fruncido mientras alguien en un congreso te vende “un año decisivo”.
Yo no saco de aquí la moraleja de que “la IA no sirve”. Sirve en sitios muy concretos cuando hay datos limpios, proceso y alguien que asume el riesgo. Lo que no cuadra es el relato único. Cuando la opinión pública está partida y predomina el rechazo, tu producto no vive en un experimento acotado: vive en soporte, en reputación, en regulación y en la conversación que tienen tus clientes en la barra del bar después del curro. Ignorar ese margen es diseñar para un usuario imaginario. Si te planteas lanzar un flujo automático en producción, piensalo dos veces y mira primero el termómetro de confianza.
En paralelo, los medios siguieron apuntando otro desajuste que a mí me suena más a feria de empleo que a keynote. La Razón recogía hace nada la necesidad de decenas de miles de recualificaciones en datos e IA y la escasez de perfiles senior en áreas como deep learning, IA generativa o ciberseguridad “inteligente”. Traducción: el mercado pide especialización fuerte mientras muchas pymes aún discuten si merece la pena pagar una API que al mes siguiente cambia de precio. El talento no es fungible y meter un ChatGPT en el flujo no convierte a tu equipo en un departamento de ML.
El blog Explicable, en la órbita del Instituto IA, insiste en una lectura menos complaciente de lo que “cambia” en 2026: no todo es velocidad; hay fricción institucional, expectativas infladas y costes ocultos. Yo lo leo como un aviso para quien vende servicios web o SaaS: si tu negocio depende de que el cliente final perciba valor rápido, la IA puede ser acelerador o puede ser línea de soporte infinita cuando el usuario espera magia.
¿Entonces cuál es el problema? Que estamos mezclando tres conversaciones distintas como si fueran una sola: la del inversor (crecimiento y narrativa), la del técnico (robustez y mantenimiento) y la del ciudadano (miedo a perder empleo, spam, deepfakes y sensación de estar siempre un paso atrás). Mientras los discursos corporativos hablan de “año bisagra”, el ciudadano medio asocia la IA con algo que le llega sin pedirlo: resúmenes automáticos, clasificación de currículums, mensajes raros en WhatsApp. No es rechazo abstracto a los algoritmos; es cansancio de sentir que la tecnología decide por ti sin que hayas firmado las reglas del juego.
Para quien monta proyectos en la web, esto tiene implicaciones prácticas y aburridas, las de verdad. Transparencia en qué modelo usas y con qué datos, opción humana clara cuando el fallo cuesta dinero, políticas de retención que no parezcan copiadas del peor GDPR de salón, y formación interna que no sea un vídeo de veinte minutos. Si el 49 % está en modo recelo, tu UX no puede fingir que estamos todos enamorados del asistente perfecto.
También me parece honesto decir que los datos de rechazo no son una sentencia: son una fotografía de tensión. Pero ignorarla es el tipo de ceguera que convierte un comodín técnico en crisis de marca la primera vez que algo se explica fatal. En mi experiencia el cliente pyme no pregunta “¿qué arquitectura usáis?”; pregunta “¿quién se responsabiliza si esto se equivoca y me cuesta un pedido?”.
Si te casas con la narrativa de adopción masiva sin mirar el termómetro social y el cuello de botella de talento, acabas vendiendo una carrera de fondo como si fuera un sprint. No lo es.
Si mañana tuvieras que justificar ante un cliente reticente (no un early adopter, uno de los que desconfían) por qué tu solución con IA no es solo “automatización con marketing”, ¿qué métrica concreta y reversible le enseñarías en la primera reunión para demostrar control humano y trazabilidad?