En España, el 30,5% de las pruebas realizadas a sistemas de inteligencia artificial en compañías de sectores regulados no supera al menos uno de los criterios de fiabilidad establecidos, lo que equivale a casi una de cada tres evaluaciones efectuadas.
Según detalla la firma Galtea, estos resultados proceden de su informe “Sistemas de IA generativa en sectores regulados en España: dónde y cómo fallan”, basado en el examen de 1,2 millones de evaluaciones de sistemas en fase de preproducción llevadas a cabo entre enero y agosto de 2026.
El documento pone de manifiesto que los agentes de IA son los que concentran la mayor proporción de fallos, con un 46% de pruebas no superadas. A continuación se sitúan los sistemas de recuperación mejorada por generación (RAG), con una tasa del 42%, mientras que los chatbots, las soluciones de procesamiento de documentos y las pruebas de referencia registran porcentajes de error más reducidos.
Por actividad, el sector público acumula un 31,6% de evaluaciones que no cumplen los criterios fijados. Le siguen el ámbito de la salud, con un 29,3%, el transporte, con un 17,4%, y, por último, los servicios financieros, con un 16% de pruebas fallidas.
El estudio también recoge variaciones en el uso de métricas personalizadas según el sector. Estas métricas alcanzan el 80,8% de los casos en salud, el 46% en transporte, el 42,6% en el sector público y el 22,5% en los servicios financieros, lo que refleja enfoques de evaluación distintos en cada entorno regulado.
Además, el análisis subraya que el 69% de los productos examinados integra más de un modelo de IA. En consecuencia, la fiabilidad queda condicionada por el rendimiento conjunto de la arquitectura principal, los módulos adicionales, la lógica de negocio y las distintas capas de información que conforman cada solución.