Cómo la IA está afectando la productividad y el empleo en Europa

Europa se enfrenta a una decisión crucial en la carrera por la inteligencia artificial (IA). Mientras esta tecnología promete transformar las economías mundiales, los responsables políticos se ven atrapados entre dos narrativas contrapuestas. Los optimistas visualizan la IA como el catalizador de un nuevo auge de la productividad, que podría añadir varios puntos porcentuales al crecimiento anual (Baily et al., 2023). Los escépticos advierten que las barreras para su adopción, la falta de competencias y la difusión desigual pueden limitar los avances y exacerbar la desigualdad (Acemoglu, 2024; Filippucci et al., 2024; Gambacorta y Shreeti, 2025). Para Europa, hay mucho en juego: si bien el continente cuenta con investigadores en IA y capacidad industrial de vanguardia a nivel mundial, se encuentra a la zaga de Estados Unidos y China en el desarrollo de nuevas tecnologías de IA (Cornelli et al., 2023). Estudios recientes sugieren que la IA podría ampliar las brechas de ingresos entre países y que los beneficios se concentrarían en las economías avanzadas que están mejor preparadas para adoptar e integrar estas tecnologías (Cazzaniga et al., 2024; Gambacorta et al., 2025; Hennig y Khan, 2025).

Sin embargo, la evidencia sólida a nivel de empresa sobre los efectos reales de la IA en Europa sigue siendo escasa. ¿Las empresas europeas que adoptan la IA realmente se vuelven más productivas? ¿La IA destruye empleos o aumenta la mano de obra? ¿Se distribuyen ampliamente los beneficios o se concentran en empresas más grandes y con más recursos? En un estudio reciente (Aldasoro et al., 2026), proporcionamos la primera evidencia causal sobre cómo la adopción de la IA afecta la productividad y el empleo en más de 12 000 empresas europeas.

La paradoja de la IA en Europa

La posición de Europa en el panorama global de la IA es paradójica. En diversas métricas de innovación, el continente se encuentra rezagado. La UE va por detrás de EE. UU. no solo en número absoluto de patentes relacionadas con la IA, sino también en especialización en IA: la proporción de patentes de IA en relación con el total de patentes. Esta brecha de innovación se traduce en diferencias en la disposición de las empresas a adoptar la IA, según el índice de preparación para la IA del FMI, que evalúa a los países en función de su infraestructura digital, capital humano, capacidad de innovación y marcos regulatorios (Cazzaniga et al., 2024).

Sin embargo, en lo que respecta a la implementación real, el panorama es más matizado. Basándonos en la Encuesta de Inversión del Banco Europeo de Inversiones (EIBIS), observamos que, en promedio, los niveles de adopción de IA son similares en la UE y EE. UU. Cabe destacar que, bajo la superficie, surge una importante heterogeneidad. Los países de la UE con mayor desarrollo financiero, como Suecia y los Países Bajos, igualan las tasas de adopción de EE. UU., con alrededor del 36 % de empresas que utilizan análisis de big data e IA en 2024. Por el contrario, las empresas de las economías de la UE con menor desarrollo financiero, como Rumanía y Bulgaria, se quedan muy por detrás, con tasas de adopción de alrededor del 28 % en 2024. La Figura 1 ilustra esta brecha, mostrando cómo la misma ha persistido e incluso se ha ampliado en los últimos años.

Figura 1 Uso de análisis de big data e inteligencia artificial por grupos de países

Notas : Promedio de empresas que declaran utilizar IA por grupos de países, controlando por sector. Las barras de error representan intervalos de confianza del 95 %. Los países de la UE se agrupan según un índice de desarrollo financiero basado en datos del mercado financiero de 2015 a 2023 y compuesto por dos indicadores compuestos: (i) tamaño e integración del mercado financiero, y (ii) profundidad del mercado financiero (véase Betz et al., 2026). Fuente: EIBIS 2019-2024.

La adopción también varía drásticamente según el tamaño de la empresa. Entre las grandes empresas (más de 250 empleados), el 45 % ha implementado IA, en comparación con solo el 24 % de las pequeñas (de 10 a 49 empleados). Esto refleja los patrones clásicos de difusión tecnológica (Comin y Hobijn, 2010): las empresas más grandes poseen los recursos, la experiencia técnica y las economías de escala necesarios para absorber los costos de integración. Las empresas que adoptan IA también son sistemáticamente diferentes: invierten más, son más innovadoras y enfrentan mayores limitaciones para encontrar trabajadores cualificados. Estos patrones sugieren que simplemente observar qué empresas adoptan IA y comparar su rendimiento podría arrojar resultados engañosos, ya que la adopción en sí misma es endógena a las características de la empresa.

Aislar el efecto causal de la IA

Para identificar con credibilidad el efecto causal de la IA en la productividad, desarrollamos una novedosa estrategia de variable instrumental, inspirada en el trabajo fundamental de Rajan y Zingales (1998) sobre dependencia financiera y crecimiento. Su idea clave fue que las características de la industria medidas en una economía —donde posiblemente se ven menos afectadas por las distorsiones locales— pueden servir como una fuente exógena de variación al aplicarse a otros países.

Extendemos esta lógica a nivel de empresa. Para cada empresa de la UE de nuestra muestra, identificamos empresas estadounidenses comparables, emparejadas por sector, tamaño, intensidad de inversión, actividad de innovación, estructura de financiación y prácticas de gestión. A continuación, asignamos la tasa de adopción de IA de estas empresas estadounidenses emparejadas como indicador de la exposición exógena de la empresa de la UE a la IA. Dado que las empresas estadounidenses operan en diferentes entornos institucionales, regulatorios y de políticas, sus patrones de adopción captan impulsores tecnológicos que son plausiblemente independientes de los factores específicos de la UE. Rigurosas pruebas de equilibrio de puntuación de propensión confirman que nuestras empresas estadounidenses y de la UE emparejadas son prácticamente idénticas en cuanto a características observables clave, lo que valida la estrategia de identificación. Nuestro análisis se basa en datos de encuestas de EIBIS combinados con datos de balances de Moody’s Orbis.

Aumento de la productividad sin pérdida de empleos

Nuestros resultados revelan tres hallazgos clave. En primer lugar, la adopción de IA aumenta causalmente los niveles de productividad laboral en un 4% de media en la UE. Este efecto es estadísticamente robusto y económicamente significativo, aunque más moderado que los escenarios transformadores previstos por algunos observadores. La magnitud coincide con las proyecciones macroeconómicas de mediano plazo (Bergeaud, 2024), en lugar de las estimaciones más optimistas de auges de productividad. Si bien nuestro análisis se centra en los niveles de productividad laboral y capta un efecto puntual —en lugar del crecimiento de la productividad total de los factores a largo plazo—, el aumento del 4% sugiere que la IA actúa a corto plazo como un insumo complementario que mejora la eficiencia, si bien las fricciones de implementación y las brechas de habilidades moderan su impacto.

En segundo lugar, y de forma crucial, no encontramos evidencia de que la IA reduzca el empleo a corto plazo. Si bien las comparaciones ingenuas sugieren que las empresas que adoptan IA emplean a más trabajadores, esta relación desaparece al considerar los efectos de selección mediante nuestro enfoque de variables instrumentales. La ausencia de efectos negativos en el empleo, combinada con importantes aumentos de productividad, apunta a un mecanismo específico: la profundización del capital. La IA aumenta la productividad de los trabajadores, permitiéndoles completar tareas con mayor rapidez y tomar mejores decisiones, sin desplazar a la mano de obra. Este hallazgo concuerda con la evidencia experimental a nivel micro que muestra que las herramientas de IA pueden producir aumentos de productividad de entre el 10 % y el 65 %, con fuertes efectos en la codificación, las tareas de consultoría y la redacción profesional (Noy y Zhang, 2023; Gambacorta et al., 2024; Brynjolfsson et al., 2025). Estos efectos experimentales son específicos de cada tarea, mientras que nuestras estimaciones capturan los promedios a nivel de empresa.

Es importante destacar que los trabajadores de empresas que adoptan IA se han beneficiado de salarios más altos, tanto en términos agregados como por empleado. Si estas mejoras salariales se mantendrán a largo plazo y si se distribuirán equitativamente entre los diferentes niveles de cualificación sigue siendo una incógnita que merece un seguimiento continuo.

Ganancias desiguales y el papel fundamental de las inversiones complementarias

En tercer lugar, los beneficios de la IA en términos de productividad distan mucho de estar distribuidos de forma uniforme. Al desglosar nuestros resultados por tamaño de empresa, se observa que las empresas medianas y grandes experimentan ganancias de productividad sustancialmente mayores que las de menor tamaño (véase la Figura 2). Este efecto diferencial refleja el papel de la escala en la absorción de los costes de integración de la IA y el acceso a activos complementarios: infraestructura de datos, talento técnico y capacidad organizativa para rediseñar los flujos de trabajo. Este hallazgo plantea la preocupación por la ampliación de las brechas de productividad entre empresas y regiones, especialmente dada la estructura industrial europea, dominada por las pymes.

Figura 2 Efectos de la adopción de IA en la productividad laboral según el tamaño de la empresa

Notas : La variable dependiente es la productividad laboral, calculada como el logaritmo de la rotación por empleado, y se deriva de EIBIS. La adopción de IA se mide utilizando el estado de implementación de IA derivado de empresas similares en los EE. UU. Todas las regresiones controlan la inversión de la empresa, la rentabilidad, el apalancamiento financiero, los activos totales, la edad y la interacción de los efectos fijos de país, sector y año. La inversión se expresa como el cambio anual en los activos fijos totales. La rentabilidad es la relación entre las ganancias antes de intereses e impuestos (EBIT) y los activos totales. El apalancamiento financiero es la relación entre los préstamos y la deuda a largo plazo y los activos totales. Todas las variables de control provienen de Orbis y están rezagadas 1 año. Las barras de error representan un intervalo de confianza del 90%, basado en errores estándar agrupados a nivel de país-sector-año. Aproximación lineal logarítmica, 0,01 = 1% de aumento.

Quizás lo más importante es que nuestro análisis revela que la adopción de la IA por sí sola no es suficiente. Las empresas deben realizar inversiones complementarias para liberar todo su potencial. Nuestros resultados muestran la sorprendente heterogeneidad en cómo los diferentes tipos de inversión mejoran los efectos de la IA en la productividad. Un punto porcentual adicional de inversión en software e infraestructura de datos aumenta el efecto de la IA en la productividad en 2,4 puntos porcentuales. La inversión en la formación de la fuerza laboral tiene un efecto multiplicador aún mayor: un punto porcentual adicional dedicado a la formación amplifica las ganancias de productividad de la IA en 5,9 puntos porcentuales. Estos hallazgos subrayan una idea crucial: los dividendos de productividad de la IA dependen no solo de la adquisición de la tecnología, sino también de la capacidad de las empresas para integrarla mediante inversiones en activos intangibles y capital humano.

Implicaciones para la política europea

Estos hallazgos tienen implicaciones significativas para los responsables políticos. En primer lugar, los beneficios de la adopción de la IA son principalmente visibles para las empresas medianas y grandes. Esto significa que Europa puede trabajar en políticas que ayuden a las empresas más pequeñas a alcanzar la escala crítica necesaria para beneficiarse de la IA. Esto requiere mercados financieros eficientes que puedan canalizar capital hacia empresas innovadoras y de rápido crecimiento. Nuestra evidencia muestra que las empresas en países con mercados financieros más sofisticados están mejor preparadas para invertir en IA y activos complementarios. Esto subraya la importancia de impulsar la Unión de Ahorros e Inversiones de la UE para garantizar que las pequeñas empresas prometedoras puedan acceder a la financiación que necesitan para crecer y competir.

En segundo lugar, el papel central de las inversiones complementarias implica que las políticas públicas deben ir más allá de la subvención de licencias de hardware o software de IA. Un apoyo eficaz requiere incentivar las inversiones a nivel empresarial en integración, rediseño del flujo de trabajo y aprendizaje continuo. Los programas de desarrollo de la fuerza laboral deben priorizar lo que podríamos denominar «competencias de fusión»: capacidades como la ingeniería ágil, la gestión de datos y la toma de decisiones con intervención humana, que potencian la complementariedad entre humanos e IA. Esto exige inversiones coordinadas en formación profesional, educación superior y aprendizaje permanente.

Finalmente, si bien nuestros resultados ofrecen cierta seguridad de que la IA podría no estar provocando una destrucción inmediata de empleo, los responsables políticos no deberían ser complacientes. Los efectos de profundización del capital que documentamos podrían ser transitorios. A medida que los sistemas de IA se vuelven más capaces y las empresas adquieren experiencia en su integración, podrían surgir efectos de desplazamiento laboral. Además, las ganancias salariales que observamos podrían recaer de forma desproporcionada en los trabajadores altamente cualificados, lo que podría agravar la desigualdad de ingresos. El seguimiento continuo de los efectos de la IA en el mercado laboral y las políticas proactivas para garantizar un crecimiento inclusivo serán esenciales a medida que la tecnología madure.