Capacidad interna
Cómo capacitar a un equipo en inteligencia artificial
La mayoría de las capacitaciones en inteligencia artificial terminan en entusiasmo y no en práctica. El patrón es conocido: una sesión general, mucha demostración, un repunte de uso durante dos semanas y después nada. El problema no es el contenido sino el diseño: se enseña la herramienta en abstracto en lugar de resolver con ella un trabajo que la persona ya tenía pendiente.
Sebastián Arango
Fundador de LogVox
1 de agosto de 20268 min de lectura
En síntesis
- Una capacitación funciona cuando termina en un entregable que la persona iba a producir de todos modos.
- El contenido debe separarse por rol: dirección, mandos medios y quienes ejecutan necesitan cosas distintas.
- Lo que se mide no es la asistencia ni la satisfacción, sino qué tareas cambiaron de forma sostenida.
01
Por qué falla la formación genérica
Un curso que explica qué es un modelo de lenguaje y muestra veinte casos de uso deja a cada participante con la tarea de traducir todo eso a su propio trabajo. Esa traducción es la parte difícil, y es justo la que no se enseña. El resultado es previsible: quienes ya iban a experimentar por su cuenta lo hacen, y el resto vuelve a su rutina.
El segundo fallo es enseñar a obtener respuestas sin enseñar a verificarlas. Un equipo que aprende a redactar mejores instrucciones pero no a detectar cuándo la respuesta es plausible y falsa termina incorporando errores con más eficiencia que antes.
La pregunta que ordena un programa no es «qué deben saber», sino «qué deben poder hacer distinto el lunes siguiente».
02
Tres audiencias con necesidades distintas
Meter a toda la empresa en la misma sesión ahorra logística y desperdicia el tiempo de casi todos. Las tres audiencias necesitan contenidos que casi no se solapan.
| Audiencia | Qué necesita aprender | Entregable del programa |
|---|---|---|
| Dirección | Qué delegar, qué riesgo asume y cómo leer una propuesta | Criterio para aprobar o rechazar una iniciativa |
| Mandos medios | Cómo rediseñar un proceso del área con la herramienta dentro | Un proceso del área rediseñado y probado |
| Quienes ejecutan | Cómo usarla en sus tareas y cómo verificar lo que produce | Una tarea propia resuelta de principio a fin |
03
Cómo diseñar el programa
El diseño que sostiene el aprendizaje invierte el orden habitual: se elige primero el entregable y después el contenido necesario para producirlo. Cada sesión avanza sobre un trabajo real del participante.
- 01
Elegir el trabajo, no el tema
Cada participante llega con una tarea concreta y recurrente que ya forma parte de su carga. Ese es el material del curso.
- 02
Enseñar el mecanismo, no los trucos
Por qué el modelo acierta y por qué inventa. Sin ese modelo mental, cada cambio de herramienta obliga a reaprender de cero.
- 03
Practicar la verificación
Ejercicios donde la respuesta es plausible y falsa, para entrenar el reflejo de comprobar antes de usar.
- 04
Producir el entregable
El programa cierra cuando cada persona tiene algo terminado y en uso, no cuando termina el temario.
- 05
Fijar la práctica
Acordar qué se comparte con el equipo, dónde vive lo aprendido y quién resuelve dudas después.
04
Qué medir para saber si funcionó
La asistencia y la satisfacción no predicen nada. Las encuestas de fin de sesión miden entusiasmo, que se evapora. Estas señales aparecen entre cuatro y ocho semanas después y sí indican que algo cambió.
Tareas efectivamente cambiadas
Cuántas actividades concretas se hacen hoy de otra forma, nombrándolas una por una.
Uso sostenido
Si la práctica continúa al segundo mes o solo duró mientras el curso estaba fresco.
Errores detectados
Si el equipo reporta casos donde verificó y descartó una respuesta. Su ausencia total es mala señal.
Difusión interna
Si alguien enseñó a un compañero algo aprendido, señal de que el conocimiento se apropió.
Decisiones mejor tomadas
En dirección: propuestas rechazadas o ajustadas con argumentos que antes no existían.
05
Errores comunes al montar el programa
Estos cuatro patrones aparecen una y otra vez, y todos se pueden evitar en la fase de diseño sin costo adicional.
Formar a todos a la vez
Sin diferenciar por rol, la sesión resulta superficial para unos e irrelevante para otros.
Prohibir en lugar de regular
Una prohibición general empuja el uso a canales invisibles, donde el riesgo de fuga de datos es mayor.
Formar sin política de datos
Si nadie definió qué información puede salir de la empresa, la capacitación enseña a exponerla más rápido.
Cerrar sin seguimiento
Sin un espacio donde resolver dudas después, la práctica se abandona al primer obstáculo.
06
Preguntas frecuentes
- ¿Cómo capacito a mi equipo en inteligencia artificial aplicada?
- Invirtiendo el orden habitual: elige primero el entregable y después el contenido necesario para producirlo. Cada participante llega con una tarea concreta y recurrente de su trabajo, y el programa cierra cuando tiene algo terminado y en uso. Una capacitación que termina en temario cubierto y no en trabajo producido rara vez cambia la operación.
- ¿Por qué no funcionan los cursos generales de IA?
- Porque dejan a cada participante la tarea de traducir los casos de uso a su propio trabajo, que es justo la parte difícil. El segundo fallo es enseñar a obtener respuestas sin enseñar a verificarlas: un equipo que redacta mejores instrucciones pero no detecta cuándo una respuesta es plausible y falsa incorpora errores con más eficiencia que antes.
- ¿Toda la empresa debe recibir la misma formación en IA?
- No. Tres audiencias necesitan contenidos que casi no se solapan. La dirección necesita criterio para aprobar o rechazar iniciativas y entender qué riesgo asume. Los mandos medios necesitan rediseñar un proceso de su área con la herramienta dentro. Quienes ejecutan necesitan resolver sus propias tareas y verificar lo que la herramienta produce.
- ¿Cómo mido si la capacitación en IA sirvió?
- No por asistencia ni satisfacción, que miden entusiasmo pasajero. Entre cuatro y ocho semanas después mira cinco señales: cuántas tareas concretas se hacen hoy de otra forma, si el uso continúa al segundo mes, si el equipo reporta respuestas que verificó y descartó, si alguien enseñó a un compañero y si en dirección hay propuestas ajustadas con argumentos nuevos.
- ¿Conviene prohibir el uso de IA mientras se capacita?
- Una prohibición general empuja el uso a canales invisibles, donde el riesgo de fuga de datos es mayor. Es más eficaz definir una política clara de qué información puede salir de la empresa y formar sobre ella. Capacitar sin esa política es enseñar al equipo a exponer datos más rápido.