147 estadísticas de IA generativa, noviembre de 2026

Las estadísticas de IA generativa para 2026 muestran que el uso va muy por delante de los beneficios. Al menos 700 millones de personas utilizan cada semana los principales sistemas de IA (International AI Safety Report, feb. 2026), pero los CEO encuestados por IBM afirman que solo el 25 % de sus iniciativas de IA han generado el rendimiento esperado y que apenas el 16 % se han ampliado a toda la empresa (IBM Institute for Business Value, may. 2025).

La página abarca la adopción, el gasto, la financiación, los modelos y la potencia de cálculo, la productividad y el empleo, las alucinaciones y el uso indebido, y la regulación. Cada dato enlaza con la organización que lo produjo: bancos centrales, oficinas estadísticas, reguladores, tribunales, informes empresariales, artículos académicos y empresas de encuestas. Cuando la encuesta la realizó un proveedor o una consultora, se indica en la cita para que puedas valorar el dato. Las cifras más generales sobre IA están en nuestra página de estadísticas de IA; el tráfico de chatbots y las respuestas de IA, en estadísticas de búsqueda con IA; y el uso en marketing, en estadísticas de IA en marketing.

¿Cuántas empresas y personas han adoptado la IA generativa?

La adopción ya no es la gran incógnita. La mayoría de los empleadores ha probado estas herramientas, y el debate se ha desplazado a lo que les aportan.

¿Cuántas empresas utilizan IA generativa?

Más de la mitad de las empresas de servicios y manufactureras de la región de Nueva York ya utiliza IA: el 61 % de las empresas de servicios así lo indicó en agosto de 2026, frente al 40 % de un año antes y al 25 % en 2024 (Federal Reserve Bank of New York, sep. 2026).

• El 51 % de las empresas manufactureras de la región utilizaba IA, aproximadamente el doble que el 26 % de 2025 y el triple que el 16 % de 2024 (Federal Reserve Bank of New York, sep. 2026).
• Entre las empresas usuarias, la proporción mediana de trabajadores que usaba IA era de apenas el 17 % en las empresas de servicios y el 7 % en las manufactureras (Federal Reserve Bank of New York, sep. 2026).
• Tres cuartas partes de las empresas de servicios y más del 90 % de las manufactureras calificaron su inversión en IA de mínima a modesta (Federal Reserve Bank of New York, sep. 2026).
• El 46 % de las pequeñas empresas con empleados de EE. UU. indicó que su empresa o sus empleados utilizaban herramientas de IA en la encuesta Small Business Credit Survey de 2025, y otro 15 % tenía previsto empezar a usarlas (Federal Reserve Banks, oct. 2026).
• Casi el 60 % de las empresas encuestadas por la Atlanta Fed —más de 700 directivos de empresas— invirtió en IA en 2025, y más del 80 % esperaba invertir en 2026 (Federal Reserve Bank of Atlanta, mar. 2026).
• Deloitte observó que la proporción de trabajadores con herramientas de IA autorizadas pasó de menos del 40 % a alrededor del 60 % en un año (Deloitte AI Institute, ene. 2026).

El patrón es de amplio alcance, pero uso superficial. Las tasas de adopción cuentan a una empresa una sola vez, tanto si usa la herramienta una persona como si la usa toda la plantilla.

¿Está dando frutos la IA generativa para las empresas?

Depende de a quién se pregunte y de cómo se defina el rendimiento. El 74 % de los encuestados empresariales en el estudio de Wharton informó de un ROI positivo de la IA generativa, y el 72 % lo mide formalmente (Wharton Human-AI Research, oct. 2025).

• Casi 6 de cada 10 directivos encuestados por KPMG en su sondeo trimestral informan de un valor empresarial medible, y las mejoras de productividad son las más habituales, con un 55 % (KPMG, sep. 2026).
• El 74 % de las organizaciones ya incluye revisiones de costes en los procesos de aprobación de IA, frente al 61 % del trimestre anterior, y el 43 % tiene presupuestos de uso o de tokens (KPMG, sep. 2026).
• Solo el 30 % de las organizaciones encuestadas por Deloitte está rediseñando procesos clave en torno a la IA, y el 37 % la utiliza solo de forma superficial (Deloitte AI Institute, ene. 2026).
• El 77 % de las pequeñas empresas informó de que el uso de IA no había cambiado sus costes laborales (Federal Reserve Banks, oct. 2026).

Estas encuestas preguntan a personas distintas y definen el rendimiento de manera diferente, así que las cifras anteriores no deben compararse entre sí. Cada una refleja la respuesta de esa encuesta a su propia pregunta.

¿Están listos los agentes de IA para el uso empresarial?

Todavía no a gran escala. Gartner predice que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027 por sus costes, su valor empresarial poco claro o controles de riesgos inadecuados (Gartner, jun. 2025).

• Gartner estima que solo unos 130 de los miles de proveedores de IA agéntica son reales y advierte sobre el «lavado de agentes»: presentar productos existentes con una nueva etiqueta de agentes (Gartner, jun. 2025).
• Solo el 16 % de las implementaciones empresariales y el 27 % de las implementaciones de startups cumplen los requisitos para considerarse agentes reales: un LLM que planifica, actúa y se adapta (Menlo Ventures, dic. 2025).
• Cerca de tres cuartas partes de las empresas encuestadas por Deloitte planean implementar IA agéntica en los próximos dos años, pero solo el 21 % de ellas informa de que dispone de un modelo maduro de gobernanza de agentes (Deloitte AI Institute, ene. 2026).
• Gartner prevé que el 33 % de las aplicaciones de software empresarial incluirá IA agéntica en 2028, frente a menos del 1 % en 2024 (Gartner, jun. 2025).

¿Cuántas personas utilizan IA generativa fuera del trabajo?

El estudio de Stanford Digital Economy Lab sitúa en 115 millones el número de adultos de EE. UU. que utilizaban chatbots de IA generativa en marzo de 2026, frente a 98 millones en julio de 2025. También concluye que el usuario mediano valora el acceso en $11,40 al mes, frente a $3,40 (Stanford Digital Economy Lab, abr. 2026).

• El mismo estudio calculó que el importe medio que los adultos de EE. UU. tendrían que recibir para renunciar a los chatbots durante un mes era de $124,50, un 27 % más que los $98 anteriores (Stanford Digital Economy Lab, abr. 2026).
• International AI Safety Report afirma que la adopción probablemente sigue por debajo del 10 % en gran parte de África, Asia y América Latina (International AI Safety Report, feb. 2026).

¿Cuánto capital se está invirtiendo en IA generativa?

El dinero ha pasado de los experimentos de software a la energía, los chips y los contratos de nube. Los cheques más grandes se destinan ahora a la infraestructura.

¿Cuánto gastan las empresas en IA generativa?

Más de la mitad se destinó a aplicaciones: en 2025, $19 mil millones del gasto empresarial fueron a aplicaciones de IA y el resto, a infraestructura (Menlo Ventures, dic. 2025).

• El 76 % de los casos de uso de IA se compró en lugar de desarrollarse internamente, frente al 53 % comprado en 2024 (Menlo Ventures, dic. 2025).
• El 47 % de los proyectos de IA llegó a producción, frente al 25 % de los proyectos de SaaS tradicional (Menlo Ventures, dic. 2025).
• La programación alcanzó los $4,0 mil millones, el 55 % del gasto departamental en IA y la categoría individual más grande (Menlo Ventures, dic. 2025).
• Las API de modelos fundacionales absorbieron $12,5 mil millones de los $18 mil millones gastados en infraestructura de IA (Menlo Ventures, dic. 2025).
• El mercado de asistentes de transcripción ambiental para profesionales de la salud alcanzó los $600 millones, 2,4 veces más que el año anterior (Menlo Ventures, dic. 2025).

Las estimaciones de tamaño de mercado de Menlo tienen limitaciones que conviene conocer (Menlo Ventures, dic. 2025). Considéralas como una de las perspectivas del mercado.

¿Cuánto capital de riesgo reciben las empresas de IA?

La financiación de capital de riesgo está en niveles récord, y la mayor parte se dirige a la IA. La inversión mundial de capital de riesgo alcanzó los $205 mil millones en el Q2 de 2026, repartidos entre más de 5000 startups, tras los $305 mil millones del Q1 (Crunchbase, jul. 2026).

• Las startups de IA captaron más del 60 % de la financiación de capital de riesgo de Asia en el Q2 de 2026: algo más de $26 mil millones, un récord (Crunchbase, jul. 2026).
• Las startups chinas recaudaron algo más de $30 mil millones en el trimestre, un 424 % más que un año antes (Crunchbase, jul. 2026).
• DeepSeek recaudó $7,4 mil millones en junio de 2026, con una valoración declarada de $50 mil millones (Crunchbase, jul. 2026).
• Las startups europeas recaudaron $24 mil millones, dos tercios más que en el Q2 de 2025; el 65 % fue a parar a 42 empresas que recaudaron $100 millones o más (Crunchbase, jul. 2026).
• SpaceX afirmó que adquiriría por $60 mil millones al fabricante de la herramienta de programación con IA Anysphere, que desarrolla Cursor (Crunchbase, jul. 2026).

¿Cuánto valen y cuánto ingresan los principales laboratorios de IA?

Las valoraciones se apoyan ahora en ingresos que crecen rápidamente. Anthropic recaudó $30 mil millones en una ronda Serie G con una valoración posterior a la inversión de $380 mil millones en febrero de 2026 (Anthropic, feb. 2026).

• La cantidad de clientes de Anthropic que gastan más de $1 millones al año pasó de una docena dos años antes a más de 500 (Anthropic, feb. 2026).
• Los ingresos anualizados de Claude Code superaron los $2,5 mil millones, más del doble que al inicio de 2026 (Anthropic, feb. 2026).
• Menlo contabiliza al menos 10 productos de IA con más de $1 mil millones de ingresos recurrentes anuales y 50 con más de $100 millones (Menlo Ventures, dic. 2025).
• Las startups de IA captaron el 63 % del gasto en la capa de aplicaciones en 2025, frente al 36 % del año anterior (Menlo Ventures, dic. 2025).
• Mistral AI recaudó EUR 1,7 mil millones con una valoración posterior a la inversión de EUR 11,7 mil millones, en una ronda liderada por el fabricante de equipos para chips ASML (Mistral AI, sep. 2025).

¿Quién gana dinero con el auge de la IA?

Primero, los proveedores de chips y servicios de nube. NVIDIA informó de unos ingresos de $96,2 mil millones en el trimestre que terminó el 26 de julio de 2026, un 106 % más que un año antes (NVIDIA, ago. 2026).

• NVIDIA proyectó $108,0 mil millones para el siguiente trimestre, sin contar ingresos por computación de Data Center en China (NVIDIA, ago. 2026).
• Las obligaciones de rendimiento pendientes de Oracle aumentaron $209 mil millones en un año, hasta alcanzar los $664 mil millones (Oracle, sep. 2026).
• Los ingresos de Oracle por infraestructura de nube crecieron un 121 %, hasta los $7,4 mil millones en el trimestre, mientras que el flujo de caja libre fue negativo en $5 mil millones (Oracle, sep. 2026).
• Oracle registró más de $30 mil millones en nuevos contratos de nube de IA durante el trimestre y vendió $20 mil millones en acciones para ayudar a financiar su expansión (Oracle, sep. 2026).
• Los ingresos de CoreWeave fueron de $2575 millones, frente a $1212 millones un año antes, con una pérdida neta de $626 millones (CoreWeave, ago. 2026).
• La cartera de ingresos pendientes de CoreWeave ascendía a unos $104 mil millones al 30 de junio de 2026, y su potencia activa alcanzó 1,5 GW (CoreWeave, ago. 2026).
• NVIDIA y OpenAI firmaron una carta de intención para desplegar al menos 10 gigavatios de sistemas NVIDIA, y NVIDIA tiene previsto invertir hasta $100 mil millones en OpenAI (NVIDIA, sep. 2025).
• AMD acordó suministrar a OpenAI 6 gigavatios de GPU y otorgó a OpenAI una opción de compra de hasta 160 millones de acciones de AMD (AMD, oct. 2025).

¿Qué modelos lideran y cuánto cuesta ejecutarlos?

El progreso sigue impulsado por la escala, y los primeros puestos de la clasificación cambian cada mes. El coste por unidad de capacidad sigue bajando, mientras que la factura del sistema en su conjunto sigue aumentando.

¿Qué empresas y modelos lideran el mercado?

En el gasto empresarial en LLM, Anthropic lidera con una cuota estimada del 40 %, frente al 12 % en 2023, mientras que OpenAI bajó del 50 % al 27 % (Menlo Ventures, dic. 2025).

• Los modelos de código abierto representan solo el 11 % del gasto empresarial en LLM (Menlo Ventures, dic. 2025).
• Las cargas de modelos en Hugging Face se triplicaron desde 2023, y GitHub aloja 5,6 millones de proyectos de IA de código abierto (Stanford HAI, abr. 2026).
• La cantidad de parámetros se ha mantenido cerca de 1 billones durante tres años, y varios laboratorios de frontera dejaron de divulgarla (Stanford HAI, abr. 2026).
• La base de datos de Epoch AI registra más de 3600 modelos de aprendizaje automático, desde 1950 hasta hoy (Epoch AI, oct. 2026).
• El rendimiento de frontera llega al hardware de consumo en unos 8 meses (Epoch AI, feb. 2026).

¿A qué velocidad mejoran los modelos de IA generativa?

Más rápido desde la llegada de los modelos de razonamiento. El índice de capacidades de Epoch para los modelos de frontera ha avanzado 14 puntos al año desde septiembre de 2024, frente a 6 puntos al año para los modelos sin razonamiento (Epoch AI, feb. 2026).

• Desde 2019, el tiempo de las tareas que los agentes de METR completan la mitad de las veces se ha duplicado aproximadamente cada siete meses (METR, mar. 2025).
• METR advierte que las mediciones por encima de las 16 horas no son fiables con su conjunto de tareas actual, por lo que la prueba comparativa está cerca de su límite (METR, sep. 2026).
• Los agentes de IA ya pueden completar con fiabilidad algunas tareas que a un programador humano le llevarían alrededor de media hora, frente a menos de 10 minutos un año antes (International AI Safety Report, feb. 2026).
• En OSWorld, la precisión de los agentes pasó de alrededor del 12 % al 66,3 % en un año, a menos de 6 puntos del rendimiento humano (Stanford HAI, abr. 2026).
• Gemini Deep Think obtuvo 35 puntos, una medalla de oro, en la Olimpiada Internacional de Matemáticas de 2025, frente a los 28 puntos y la medalla de plata de 2024 (Stanford HAI, abr. 2026).
• Las ventanas de contexto de los LLM han crecido 30 veces al año desde 2023 (Epoch AI, feb. 2026).
• Un análisis de pruebas comparativas de uso general encontró tasas de preguntas no válidas que iban del 2 % en MMLU Math al 42 % en GSM8K, por lo que conviene tomar los resultados con cautela (Stanford HAI, abr. 2026).

¿Cuánto cuesta entrenar y ejecutar los modelos?

Cada unidad de capacidad es más barata, pero la factura total crece. El precio de alcanzar el rendimiento de GPT-4 en preguntas científicas de nivel doctoral cayó 40 veces al año, y las reducciones de precio oscilaron entre 9 y 900 veces al año, según el hito (Epoch AI, mar. 2025).

• La capacidad de cálculo de entrenamiento de los cinco principales modelos se ha multiplicado por unos 10 000 desde 2020 (Epoch AI, feb. 2026).
• Un centro de datos de IA típico de 1 gigavatio cuesta aproximadamente $38 mil millones de entrada y tarda unos dos años en construirse (Epoch AI, feb. 2026).
• Cinco hiperescaladores poseen más de dos tercios de la capacidad de cálculo de IA mundial (Epoch AI, feb. 2026).
• El centro de datos de IA más grande del que se tiene constancia tiene una capacidad equivalente a 1,1 millones de chips NVIDIA H100; se prevé que Hyperion, de Meta, alcance los 3,7 millones en enero de 2028 (Epoch AI, feb. 2026).
• Estados Unidos alberga 5427 centros de datos, más de diez veces que cualquier otro país (Stanford HAI, abr. 2026).
• El 54 % de los adultos de EE. UU. afirma que los centros de datos son, en general, perjudiciales para el medio ambiente, frente al 39 % en enero de 2026; el 50 % dice que son perjudiciales para el coste de la energía doméstica, frente al 38 % (Pew Research Center, sep. 2026).
• Apenas el 4 % de los estadounidenses cree que los centros de datos tienen un impacto generalmente positivo en el medio ambiente, el coste de la energía o la calidad de vida (Pew Research Center, sep. 2026).

¿Qué efecto tiene la IA generativa en la productividad y el empleo?

Los experimentos de laboratorio muestran grandes mejoras en tareas definidas. Hay menos pruebas en entornos de trabajo reales, y quienes utilizan las herramientas suelen exagerar sus beneficios.

¿Cuánto más rápido se trabaja con IA generativa?

En un experimento de Harvard Business School, los consultores que usaron GPT-4 para tareas dentro de las capacidades de la IA completaron un 12,2 % más de tareas y terminaron un 25,1 % más rápido (Harvard Business School, sep. 2023).

• En una tarea fuera de las capacidades de la IA, los consultores que la usaron tuvieron un 19 % menos de probabilidades de producir una solución correcta (Harvard Business School, sep. 2023).
• En un experimento con 444 profesionales con estudios universitarios, ChatGPT redujo el tiempo de redacción en 0,8 desviaciones estándar y elevó la calidad en 0,4, con más beneficios para los trabajadores con menos habilidades (MIT, mar. 2023).
• Los desarrolladores que utilizaron GitHub Copilot terminaron una tarea de servidor HTTP un 55,8 % más rápido que el grupo de control (Peng et al., feb. 2023).
• En un seguimiento con herramientas de finales de 2025, la estimación bruta de METR para los desarrolladores que volvían al estudio fue una reducción del 18 % en el tiempo de las tareas, con un intervalo de confianza que iba de un 38 % menos a un 9 % más. METR calificó sus propios datos de señal poco fiable porque los desarrolladores se negaban a trabajar sin IA (METR, feb. 2026).
• En una encuesta a 349 trabajadores técnicos, el cambio mediano autodeclarado en el valor del trabajo fue de 1,4 a 2 veces, y el cambio mediano autodeclarado en la velocidad fue de 3 veces (METR, may. 2026).
• Los encuestados estimaron que el valor había aumentado 1,3 veces en marzo de 2025 y 2 veces en marzo de 2026, y pronosticaron un aumento de 2,5 veces para marzo de 2027 (METR, may. 2026).
• El estudio anterior de METR, de 2025, concluyó que, en promedio, las personas sobrestimaban en 40 puntos porcentuales el efecto de la IA en el tiempo dedicado a las tareas (METR, may. 2026).

¿Qué empleos están más expuestos a la IA generativa?

Alrededor del 80 % de la fuerza laboral de EE. UU. podría ver afectadas por los modelos de lenguaje grandes al menos el 10 % de sus tareas, y cerca del 19 % podría ver afectada al menos la mitad (Eloundou et al., mar. 2023).

• En los países de ingresos altos, los empleos con mayor riesgo de automatización representan el 9,6 % del empleo femenino y el 3,5 % del masculino (ILO, may. 2025).
• El crecimiento de la productividad es un 40 % mayor en las empresas más expuestas a la IA que en las menos expuestas (PwC, jun. 2026).
• El quinto superior de las empresas más expuestas a la IA registró un crecimiento promedio de la productividad del 163 % desde 2022 (PwC, jun. 2026).
• Las habilidades necesarias en los empleos más expuestos a la IA están cambiando más del doble de rápido que las de los menos expuestos, y la brecha se amplió un 75 % respecto al año anterior (PwC, jun. 2026).
• Los puestos júnior más expuestos a la IA tienen 7 veces más probabilidades de exigir habilidades tradicionalmente asociadas con puestos sénior (PwC, jun. 2026).

La exposición mide tareas y no dice nada sobre la pérdida de empleos. La ILO afirma que el resultado más probable es la transformación de los empleos (ILO, may. 2025).

¿Están las empresas recortando empleos debido a la IA generativa?

Por ahora, rara vez. Solo el 4 % de las empresas de servicios de la región de Nueva York despidió trabajadores debido a la IA en los seis meses hasta agosto de 2026, mientras que el 15 % contrató a menos personas y el 13 % contrató a más (Federal Reserve Bank of New York, sep. 2026).

• El personal de la Federal Reserve Board no encontró pruebas de que las industrias o empresas con mayor adopción de IA publiquen menos ofertas de empleo (Federal Reserve Board, mar. 2026).
• Los directivos de la encuesta de Atlanta Fed informaron de un aumento del 1,8 % en la producción por trabajador gracias a la IA en 2025, aunque las mejoras que implicaban los ingresos fueron mucho menores (Federal Reserve Bank of Atlanta, mar. 2026).
• Las grandes empresas de esa encuesta esperan que la IA reduzca su empleo un 0,8 % en 2026, mientras que el promedio entre todas las empresas se acerca a cero (Federal Reserve Bank of Atlanta, mar. 2026).
• Los directivos esperan que la proporción de trabajadores de oficina con tareas rutinarias caiga un 0,76 % en 2026 y un 2,19 % para 2028 (Federal Reserve Bank of Atlanta, mar. 2026).
• En 34 de los 37 países encuestados por Pew en 2026, la gente tiende a creer que la IA provocará una pérdida de empleos en lugar de crear más (Pew Research Center, sep. 2026).
• En Australia, Corea del Sur y Estados Unidos, alrededor de 7 de cada 10 adultos o más esperan que la IA destruya empleos en los próximos 20 años; la proporción de EE. UU. ha aumentado 7 puntos en dos años (Pew Research Center, sep. 2026).
• Por primera vez, la mayoría de los adultos estadounidenses menores de 30 años (55 %) afirma sentir más preocupación que entusiasmo por la IA (Pew Research Center, ago. 2026).

¿Qué fiabilidad y seguridad ofrece la IA generativa?

Los modelos se expresan con soltura, pero a menudo se equivocan, y el error no siempre se percibe en el resultado. Esa misma soltura se utiliza para cometer fraudes y llenar la web de texto generado por máquinas.

¿Con qué frecuencia alucina la IA generativa?

Depende de la tarea y del modelo. En la clasificación de Vectara sobre resúmenes de septiembre de 2026, las tasas de alucinación oscilaron entre el 1,8 % del mejor modelo y el 24,2 % del peor (Vectara, sep. 2026).

• En un estudio de Stanford RegLab, las herramientas de investigación jurídica con IA de LexisNexis y Thomson Reuters alucinaron entre el 17 % y el 33 % de las veces (Stanford RegLab, may. 2024).
• NewsGuard observó que los 10 principales chatbots repetían afirmaciones falsas sobre temas de actualidad el 35 % de las veces en agosto de 2025, frente al 18 % un año antes (NewsGuard, sep. 2025).
• La tasa de no respuesta de los chatbots cayó del 31 % al 0 % al adoptar la búsqueda web en tiempo real, por lo que ahora responden a todas las preguntas sobre noticias, tengan razón o no (NewsGuard, sep. 2025).
• Cuando una afirmación falsa se presentó como una creencia del usuario, la precisión de GPT-4o cayó del 98,2 % al 64,4 %, y la de DeepSeek R1, de más del 90 % al 14,4 % (Stanford HAI, abr. 2026).

Si los asistentes se equivocan con las noticias y los hechos, también se equivocan con las marcas. Lo que dicen sobre una empresa depende de las fuentes que encuentran y en las que confían.

¿Cómo se utiliza la IA generativa para cometer fraude y ciberataques?

Las estafas de inversión representan la mayor parte de las pérdidas relacionadas con la IA en los datos del FBI de 2025. Las denuncias que mencionaban un vínculo con la IA registraron pérdidas superiores a $632 millones, de los más de $8 mil millones perdidos por estafas de inversión en total (FBI IC3, abr. 2026).

• Las empresas informaron de pérdidas superiores a $30 millones por estafas de compromiso del correo electrónico empresarial que implicaban IA en 2025 (FBI IC3, abr. 2026).
• En un estudio sobre falsificaciones de audio, los oyentes confundieron voces generadas por IA con voces reales el 80 % de las veces (International AI Safety Report, feb. 2026).
• Las pruebas del UK AI Security Institute mostraron que los modelos completan tareas de ciberseguridad de nivel aprendiz el 50 % de las veces, en promedio, frente a poco más del 10 % a principios de 2024 (UK AI Security Institute, dic. 2025).
• En 2025, el instituto probó el primer modelo capaz de completar tareas de ciberseguridad de nivel experto que suelen requerir más de 10 años de experiencia (UK AI Security Institute, dic. 2025).
• El tiempo de las tareas de ciberseguridad que los modelos pueden completar sin ayuda se duplica aproximadamente cada ocho meses (UK AI Security Institute, dic. 2025).
• El instituto observó una diferencia de 40 veces en el esfuerzo experto necesario para liberar las restricciones de dos modelos publicados con seis meses de diferencia, y detectó vulnerabilidades en todos los sistemas que probó (UK AI Security Institute, dic. 2025).
• En química y biología, los modelos superan hasta en un 60 % el nivel de referencia de expertos del instituto en preguntas abiertas, y son hasta un 90 % mejores que los expertos humanos para resolver problemas de laboratorio húmedo (UK AI Security Institute, dic. 2025).

¿Es seguro el código generado por IA?

No por defecto. Veracode observó que el 45 % de las muestras de código de más de 100 LLM no superaba las pruebas de seguridad e introducía vulnerabilidades de OWASP Top 10 (Veracode, jul. 2025).

• Java registró una tasa de fallos de seguridad del 72 %, y los modelos no se protegieron contra los ataques de secuencias de comandos en sitios cruzados en el 86 % de las muestras pertinentes (Veracode, jul. 2025).
• El rendimiento en seguridad se mantuvo estable independientemente del tamaño del modelo o de la sofisticación del entrenamiento, aunque la corrección funcional mejoró (Veracode, jul. 2025).

¿Cuánto contenido de la web está escrito por IA y quién paga por los datos de entrenamiento?

Más de un tercio de las páginas web publicadas tras el lanzamiento de ChatGPT muestra señales de autoría de IA en la muestra de Pew de julio de 2026 (Pew Research Center, ago. 2026).

• En las muestras de 2026, alrededor de una de cada diez páginas .com presenta señales de autoría de IA, frente al 4,6 % de las páginas .org y cerca del 1 % de las páginas .edu y .gov (Pew Research Center, ago. 2026).
• El análisis abarcó 490 000 textos de páginas web en inglés de Common Crawl, evaluados con el detector Open Pangram, que, según Pew, no es perfecto para evaluar páginas individuales (Pew Research Center, ago. 2026).
• El tribunal aprobó definitivamente el acuerdo de Anthropic con los autores el 20 de julio de 2026; se espera que los primeros pagos se realicen el 15 de noviembre de 2026 o antes (Bartz v. Anthropic settlement administrator, jul. 2026).

Los lectores y los sistemas de IA se encuentran ahora a menudo con textos escritos por máquinas.

¿Cómo se regula la IA generativa?

La legislación avanza en tres frentes: normas vinculantes en la UE, una disputa en Estados Unidos sobre quién establece las reglas y un mosaico de leyes nacionales y compromisos voluntarios de empresas en otros lugares.

¿Qué exige la Ley de IA de la UE y cuáles son las sanciones?

La Ley presume que un modelo de propósito general tiene capacidades de gran impacto —el criterio que activa las obligaciones sobre riesgos sistémicos— cuando su cálculo de entrenamiento supera las 10^25 operaciones de coma flotante (European Union, jul. 2024).

• Proporcionar a las autoridades información incorrecta, incompleta o engañosa puede acarrear multas de hasta EUR 7,5 millones o el 1 % del volumen de negocios (European Union, jul. 2024).
• La Comisión puede multar a los proveedores de modelos de IA de propósito general con hasta el 3 % del volumen de negocios o EUR 15 millones (European Union, jul. 2024).
• El Parlamento Europeo aprobó la Ley el 13 de marzo de 2024 con 523 votos a favor, 46 en contra y 49 abstenciones (European Parliament, mar. 2024).
• La Comisión incluye a más de 20 proveedores, entre ellos Amazon, Anthropic, Google, IBM, Microsoft, Mistral AI y OpenAI, como signatarios del GPAI Code of Practice, y afirma que xAI firmó únicamente el capítulo sobre seguridad y protección (European Commission, oct. 2026).

¿Qué medidas están tomando el gobierno federal y los gobiernos estatales de EE. UU.?

Se están aprobando más normas, y también aumenta el conflicto. En 2025, los organismos federales de EE. UU. tomaron 58 medidas regulatorias relacionadas con la IA, frente a una en 2016 (Stanford HAI, abr. 2026).

• La Orden Ejecutiva 14365, del 11 de diciembre de 2025, instruyó al fiscal general a crear un Grupo de Trabajo sobre Litigios de IA en un plazo de 30 días para impugnar las leyes estatales sobre IA (The White House, dic. 2025).
• La orden indica al Departamento de Comercio que identifique las leyes estatales sobre IA más onerosas en un plazo de 90 días, y establece que los estados con dichas leyes no podrán recibir los fondos restantes de BEAD destinados a zonas sin despliegue, en la medida en que lo permita la legislación federal (The White House, dic. 2025).
• La SB 53 de California, promulgada el 29 de septiembre de 2025, es descrita por el gobernador como la primera ley estatal de seguridad de IA de frontera del país; también crea un consorcio llamado CalCompute para diseñar un clúster público de computación (Governor of California, sep. 2025).
• La SB 53 también crea un mecanismo para denunciar incidentes críticos de seguridad a la Office of Emergency Services de California y establece una sanción civil que puede aplicar el fiscal general (Governor of California, sep. 2025).
• La Responsible Artificial Intelligence Governance Act de Texas se promulgó el 22 de junio de 2025 y entró en vigor el 1 de enero de 2026 (Texas Legislature, jun. 2025).
• La cantidad de testigos relacionados con la IA en audiencias del Congreso de EE. UU. pasó de 5 en 2017 a 102 en 2025 (Stanford HAI, abr. 2026).
• Estados Unidos invirtió unos $20,4 mil millones en contratos y subvenciones públicas relacionados con la IA entre 2013 y 2024 (Stanford HAI, abr. 2026).

¿Qué medidas están tomando los reguladores y las empresas en otros lugares?

La aplicación de las normas es desigual y, a veces, se revierte. En diciembre de 2024, la autoridad de protección de datos de Italia impuso a OpenAI una multa de EUR 15 millones por ChatGPT, y un tribunal de Roma admitió un recurso contra la decisión en una sentencia publicada el 18 de marzo de 2026 (Garante per la protezione dei dati personali, mar. 2026).

• Los compromisos públicos europeos con contratos de IA alcanzaron unos $3,7 mil millones entre 2013 y 2024, de los cuales el Reino Unido representó $1,6 mil millones (Stanford HAI, abr. 2026).
• Los clústeres de supercomputación para IA con respaldo estatal en Europa y Asia Central aumentaron de 3 a 44 entre 2018 y 2025 (Stanford HAI, abr. 2026).
• En 2025, 12 empresas publicaron o actualizaron marcos de seguridad para la IA de frontera, documentos que describen cómo planean gestionar los riesgos de modelos más capaces (International AI Safety Report, feb. 2026).
• La proporción de empresas sin políticas de IA responsable cayó del 24 % al 11 %, mientras que los principales obstáculos siguen siendo las lagunas de conocimiento (59 %), el presupuesto (48 %) y la incertidumbre regulatoria (41 %) (Stanford HAI, abr. 2026).

Metodología y fuentes

Incluimos una cifra solo después de abrir la página que la publica y confirmar el dato y su fecha. Rastreamos las cifras citadas en recopilaciones hasta el informe, la documentación empresarial, el artículo o el conjunto de datos original, o las descartamos. La mayoría de las cifras procede de bancos centrales, organismos estadísticos y reguladores, tribunales, informes empresariales e investigaciones académicas o sin ánimo de lucro; las empresas de encuestas, consultoras y proveedores (Menlo Ventures, PwC, KPMG, Deloitte, Gartner, Crunchbase, Veracode) se indican en todas las citas. Cuando dos fuentes miden cosas distintas —por ejemplo, empresas que usan IA y trabajadores que la usan— lo indicamos en lugar de combinar los datos. Varias cifras proceden de paneles actualizados en tiempo real (Vectara, Epoch AI, la base de datos de casos judiciales), por lo que las fechas corresponden al mes en que los consultamos. Las normas de la UE, EE. UU. y otros países cambian a menudo, así que las fechas legales se toman del texto oficial o del comunicado de prensa. Esta página se revisa y actualiza cada mes.

Fuentes

• AMD, AMD and OpenAI Announce Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs
• Anthropic, Series G announcement
• Bartz v. Anthropic Settlement Administrator
• Bartz v. Anthropic Settlement Administrator, Frequently Asked Questions
• Brynjolfsson, Collis, Eggers, Kazinnik and Nguyen, What is Generative AI Worth? (Stanford Digital Economy Lab)
• CoreWeave, Second Quarter 2026 Results
• Crunchbase News, China And AI Lead Asia's Startup Funding To Multiyear Peak In Q2
• Crunchbase News, Europe Posted Its Strongest Venture Funding Quarter In 4 Years
• Crunchbase News, Global Startup Investment Hit Record $510B In H1 2026
• Damien Charlotin, AI Hallucination Cases Database
• Deloitte AI Institute, State of AI in the Enterprise 2026
• Eloundou, Manning, Mishkin and Rock, GPTs are GPTs (arXiv)
• Epoch AI, AI Models database
• Epoch AI, LLM inference prices have fallen rapidly but unequally across tasks
• Epoch AI, Trends in AI
• European Commission, Signatories of the GPAI Code of Practice
• European Parliament, Artificial Intelligence Act: MEPs adopt landmark law
• European Union, Regulation (EU) 2024/1689 (AI Act), Article 101
• FBI Internet Crime Complaint Center, 2025 Internet Crime Report
• Federal Reserve Bank of Atlanta, How Might AI Change the Workplace? Evidence from Corporate Executives
• Federal Reserve Bank of New York, Regional Business Surveys
• Federal Reserve Banks, Small Business Credit Survey (via New York Fed)
• Federal Reserve Board, AI Adoption and Firms' Job-Posting Behavior (FEDS Notes)
• Garante per la protezione dei dati personali, ChatGPT: the Authority closes the preliminary investigation
• Gartner, Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
• Harvard Business School Working Paper, Navigating the Jagged Technological Frontier
• IBM Institute for Business Value, CEO Study
• ILO and NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure
• International AI Safety Report 2026 (chaired by Yoshua Bengio)
• KPMG, Quarterly AI Pulse Survey Q3 2026
• Menlo Ventures, 2025: The State of Generative AI in the Enterprise
• METR, Measuring AI Ability to Complete Long Tasks (arXiv)
• METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
• METR, Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity
• METR, Task-Completion Time Horizons of Frontier AI Models
• METR, We are Changing our Developer Productivity Experiment Design
• Mistral AI, Series C announcement
• NewsGuard, AI False Information Rate Nearly Doubles in One Year
• Noy and Zhang, Experimental Evidence on the Productivity Effects of Generative AI (MIT)
• NVIDIA, OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts of NVIDIA Systems
• NVIDIA, Second Quarter Fiscal 2027 Results
• Office of Governor Gavin Newsom, Governor Newsom signs SB 53
• Oracle, Q1 FY27 Results
• Peng et al., The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (arXiv)
• Pew Research Center, Americans' views of data centers have turned more negative
• Pew Research Center, Globally, More People Expect AI to Cause Job Loss Than Growth
• Pew Research Center, How Much of the Internet Is Written With AI?
• Pew Research Center, Young adults in the U.S. are increasingly wary of AI
• PwC, 2026 AI Jobs Barometer
• PwC, 29th Global CEO Survey
• Stanford HAI, AI Index Report 2026
• Stanford RegLab and HAI, Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools (arXiv)
• Texas Legislature Online, HB 149 bill history
• The White House, Executive Order 14365 on a national policy framework for AI
• UK AI Security Institute, Frontier AI Trends Report
• Vectara, Hallucination Leaderboard (HHEM-2.3)
• Veracode, 2025 GenAI Code Security Report
• Wharton Human-AI Research and GBK Collective, Accountable Acceleration

Glosario

• IA agéntica: sistemas de IA que planifican y llevan a cabo tareas de varios pasos con una intervención humana limitada.
• ARR: ingresos recurrentes anuales.
• BEAD: programa estadounidense Broadband Equity, Access, and Deployment.
• Confabulación / alucinación: cuando un modelo presenta contenido falso con seguridad.
• ECI: Epoch Capabilities Index, una puntuación combinada del rendimiento de modelos en distintas pruebas comparativas.
• FLOP: operación de coma flotante, la unidad utilizada para medir la capacidad de cálculo de entrenamiento.
• GPAI: modelo de IA de propósito general; término de la UE para los modelos fundacionales de uso amplio.
• Equivalente a H100: capacidad de cálculo expresada en chips NVIDIA H100.
• LLM: modelo de lenguaje grande.
• RPO: obligaciones de rendimiento pendientes; ingresos contratados que aún no se han reconocido.
• Horizonte temporal: duración de una tarea, medida según el tiempo que le llevaría a un experto humano, que un agente de IA completa con una tasa de éxito determinada.