La cifra
58 %
24 casos de empresa de este sitio informan de un resultado del uso de la IA, no de un fracaso. En 14 de ellos, todas las cifras proceden de la propia empresa. En los otros 10, el resultado lo midieron investigadores o consta en un registro oficial.
La cifra que una empresa da sobre sí misma puede ser cierta. La brecha de evidencia dice quién produjo la cifra, no si es falsa. Muestra cuánto de lo que usted lee sobre éxitos con IA no lo ha comprobado nadie de fuera de la empresa.
Cómo se calcula
- Tome todos los casos de empresa de este sitio que informan de un resultado del uso de la IA: un resultado medido, un resultado declarado por la empresa o un resultado del que la empresa luego dio marcha atrás en parte. Son las historias de éxito, tal como las presentan sus fuentes. Hoy son 24 casos.
- Cuente los casos cuyas cifras proceden solo de la empresa, sin un estudio, un tribunal ni un registro oficial detrás. Hoy son 14.
- Divida el segundo número entre el primero y redondee a un porcentaje entero: 14 ÷ 24 = 58 %.
Los casos en que algo salió mal quedan fuera, porque informan de un fracaso, no de un resultado. Hoy son 15 de los 39 casos.
Cada página de caso indica cómo terminó el caso y quién produjo sus cifras (las cuatro etiquetas). La cifra de esta página se vuelve a calcular a partir de esas etiquetas cada vez que se actualiza el sitio.
Los casos detrás de la cifra
Cifras de la propia empresa: 14 casos
- Ashurst: primeros borradores entre un 45 % y un 80 % más rápidos en pruebas cronometradas, con los abogados aún por delante en exactitud (Resultado declarado por la empresa)
- Commonwealth Bank of Australia suprimió 45 puestos por un bot de voz, y después dijo que no sobraban (Marcha atrás parcial)
- Duolingo: 148 cursos de idiomas nuevos en cerca de un año, tras 12 años para los 100 primeros (Resultado declarado por la empresa)
- EIST: un taller metalúrgico de seis personas redujo el tiempo de presupuestar de dos horas a diez minutos (Resultado declarado por la empresa)
- Gilberts: una firma de auditoría pequeña empezó con la IA de sus herramientas y dos reglas internas (Resultado declarado por la empresa)
- Klarna: la IA redujo en una cuarta parte el gasto en proveedores externos de marketing (Resultado declarado por la empresa)
- Klarna: un asistente de IA asumió dos tercios de los chats de atención al cliente, y después la empresa volvió a contratar personas (Marcha atrás parcial)
- META-Regalbau: sensores y análisis con IA de la preparación de pedidos, amortizados en un año aproximadamente (Resultado declarado por la empresa)
- Milkforbubs: una pequeña tienda en línea puso un chatbot ya hecho a responder a los clientes (Resultado declarado por la empresa)
- Ministry of Clean: una empresa de limpieza pasó a sus clientes de hojas de cálculo a un CRM con IA incorporada (Resultado declarado por la empresa)
- SAM: una asesoría de dos personas redujo el papeleo de cada expediente de seis horas a dos y media (Resultado declarado por la empresa)
- Temple & Webster: un minorista de muebles en línea con unas 200 personas empezó por la IA en la atención al cliente (Resultado declarado por la empresa)
- Walmart: IA generativa para corregir 850 millones de datos de producto (Resultado declarado por la empresa)
- WPP: £300 millones al año en una plataforma de IA, y aun así los ingresos cayeron (Resultado declarado por la empresa)
Cifras comprobadas fuera de la empresa: 10 casos
- eBay: la traducción automática subió cerca de un 11 % las ventas internacionales (Medidas por investigadores)
- Garfield.Law: un regulador autorizó un despacho de abogados gestionado por IA para reclamaciones de deudas pequeñas, con límites (Registro oficial)
- Herges: un modelo de IA estimó los tiempos de producción cinco veces mejor que los expertos de la empresa (Registro oficial)
- Hitachi Energy: un modelo de IA señaló los dos pasos de producción que estropeaban chips (Medidas por investigadores)
- HMRC repartió 3000 licencias de Copilot al azar: cerca de una hora a la semana ahorrada, según estimó el personal (Registro oficial)
- Procter & Gamble: una persona con IA igualó a un equipo de dos sin IA (Medidas por investigadores)
- PSG Global Solutions: la IA hizo las entrevistas de trabajo y las personas tomaron las decisiones de contratación (Medidas por investigadores)
- Rue La La: las recomendaciones de precios con aprendizaje automático subieron cerca de un 10 % los ingresos en una prueba (Medidas por investigadores)
- Siemens: los inspectores detectaron más defectos cuando la IA mostró lo que había visto (Medidas por investigadores)
- UK Department for Business and Trade: 1000 licencias de Copilot, usuarios satisfechos y ninguna mejora de productividad demostrada (Registro oficial)
Límites
- El conjunto es pequeño: 39 casos, de los que 24 informan de un resultado. Un caso más o menos mueve la cifra varios puntos porcentuales.
- El editor eligió los casos. Cada uno es una empresa con nombre y una fuente pública. No son una muestra aleatoria.
- La cifra describe este conjunto de casos, no a todas las empresas que usan IA. No la cite como la proporción de ningún sector, país o tamaño de empresa.
- La mayoría de los casos publicados proceden de grandes empresas. Las empresas pequeñas rara vez publican cifras.
- Aquí, una historia de éxito es un caso que informa de un resultado, no de un fracaso. Algunos de esos resultados son pequeños: a veces los investigadores o un registro oficial no encontraron ninguna mejora.
- La cifra cambia cuando se añaden casos o cambia su etiqueta. Cítela con su fecha.
Cómo citarla
Cite la definición y el valor con su fecha, y enlace a esta página:
La brecha de evidencia es la proporción de historias de éxito con IA cuyas cifras proceden solo de la empresa que las publica. En los casos de ai-first.company es del 58 % (octubre de 2026).
Szczęsny, P. “Brecha de evidencia”. ai-first.company, 18 de octubre de 2026. Valor: 58 %. https://www.ai-first.company/es/evidence/evidence-gap/
La cifra y la lista de casos que la sustenta son datos abiertos con licencia CC BY 4.0. Puede reutilizarlos si cita la fuente: “Data: CC BY 4.0, Paweł Szczęsny, ai-first.company”. El autor es el Dr. Paweł Szczęsny. La lista de casos también está en descarga: las columnas outcome y figures_from dan la cifra.
Historial del valor
El valor cada vez que un cambio en la lista de casos lo modificó.
| Fecha | Casos con un resultado | Solo de la empresa | Brecha de evidencia |
|---|---|---|---|
| 24 | 14 | 58 % | |
| 21 | 13 | 62 % |