Tu solicitud de capacitación en IA es un problema de diagnóstico
Diagnóstico equivocado: Las solicitudes de capacitación en IA suelen ocultar resultados poco claros, flujos de trabajo defectuosos, conocimientos especializados desaprovechados o una disciplina de revisión deficiente.
Impacto limitado: El 85 por ciento de los empleados afirma que la capacitación en IA no les ayuda a aplicar las herramientas de manera eficaz en sus funciones.
Responsabilidad sobre el flujo de trabajo: La adopción exitosa de la IA requiere rediseñar los procesos y asignar responsabilidades más allá de los equipos de capacitación y habilitación.
Costos ocultos: Los resultados de IA que no se revisan trasladan el trabajo de evaluación a las etapas posteriores, desperdician el tiempo de los destinatarios y reducen la confianza entre los equipos.
Papel estratégico: RR. HH. debería liderar el rediseño de los flujos de trabajo con IA porque los cambios tecnológicos transforman las funciones, las competencias, los presupuestos y las trayectorias profesionales.
Un responsable llama a la puerta del director de habilitación. El mensaje siempre es alguna versión de «mi equipo no está adoptando las nuevas herramientas como esperaba, así que necesitamos más formación para solucionarlo».
Markus McKay-Fleisch ha dedicado veinte años a la educación de adultos y los dos últimos específicamente a la adopción de la IA en Smartsheet, donde dirige la habilitación de IA para servicios profesionales.
En una reciente intervención en AI4, describió esta petición como la más habitual que recibe y la que más probabilidades tiene de interpretarse mal. Su respuesta es una pregunta, no un catálogo de cursos: ¿qué resultado intentas conseguir?
Sigue leyendo—y sigue liderando de manera más inteligente
Crea una cuenta gratuita para terminar este artículo y unirte a una comunidad de líderes visionarios que están desbloqueando herramientas, guías prácticas e ideas para prosperar en la era de la IA.
Have an account? Log In
Una solicitud de formación es un síntoma. Llega acompañada de un diagnóstico, y ese diagnóstico suele ser erróneo.
La pista está en los datos que los equipos de habilitación ya tienen. Las tasas de finalización parecen sólidas, a menudo porque la formación es obligatoria. El uso cuenta una historia diferente.
En algunas organizaciones, la gente apenas toca las herramientas. En otras, las utiliza constantemente, elige por defecto los modelos más caros disponibles y el departamento financiero aparece pidiendo formación que reduzca de nuevo el consumo. Ambos patrones generan la misma solicitud. Ninguno es un problema de conocimiento.
Hay puntos positivos, pero a menudo están aislados. ¿Las personas que reconstruyen sus propios flujos de trabajo y obtienen resultados realmente transformadores? Con demasiada frecuencia, ese conocimiento se queda donde se creó y no se difunde.
La formación está llegando y no está funcionando
El informe sobre la brecha de preparación para la IA de Docebo de 2026, elaborado por Centiment a partir de 2.000 encuestados en Estados Unidos, Reino Unido, Canadá, Francia, Alemania e Italia, descubrió que el 85 % de los empleados afirma que la formación que recibe no les ayuda a utilizar la IA en su puesto.
Docebo vende software de aprendizaje, algo que conviene señalar teniendo en cuenta la dirección que toma este hallazgo, pero, para esta discusión, supongamos que la cifra se mantiene, porque, a juzgar por el ambiente de la sala durante la charla de McKay-Fleisch, diría que no está demasiado alejada de la realidad.
Una de cada cinco de esas personas encuestadas no recibió ninguna formación sobre IA, lo que significa que una parte de ese 85 % está describiendo una ausencia, no un fracaso. Si dejamos a ese grupo aparte, la cifra sigue describiendo a una mayoría de empleados que asistieron a alguna actividad y salieron de ella sin poder aplicarla.
La cifra más reveladora se encuentra en el otro lado de la encuesta. Entre los responsables de aprendizaje, el 79 % afirma utilizar la IA para tareas como la generación de contenidos. Solo el 9 % dice que su organización ha utilizado la IA para redefinir un flujo de trabajo.
Las funciones de aprendizaje han incorporado la IA como acelerador de la producción. Están creando los mismos cursos más rápido. El trabajo de replantearse cómo se realiza el propio trabajo sigue prácticamente sin hacerse, lo que explica razonablemente por qué los cursos no están funcionando.
El lenguaje es la interfaz
Durante treinta años, la formación corporativa existió en gran medida para resolver el conocimiento de las plataformas. Los proveedores de software movían botones, añadían funciones, cambiaban la navegación y alguien tenía que enseñar a la gente dónde estaba cada cosa. Microsoft, por sí sola, generó una pequeña industria en torno a esto.
La IA generativa eliminó la barrera que justificaba la mayor parte de ese plan de estudios. La interfaz es el lenguaje. Un usuario describe el resultado que quiere y el sistema ensambla los pasos. La pregunta «¿cómo hago esto?», que era la columna vertebral de la habilitación, ahora puede plantearse directamente a la herramienta, dentro de la aplicación o mediante un modelo de propósito general dirigido a la documentación pública de ayuda.
Lo que queda como barrera real, según la interpretación de McKay-Fleisch, es la comprensión organizativa y el criterio humano.
El problema de la comprensión organizativa queda claramente ilustrado en los propios datos de uso de su empresa. Al revisar los datos de Claude Projects de Smartsheet, contabilizó más de cincuenta proyectos independientes creados por empleados de finanzas, atención al cliente, ventas y RR. HH., todos ellos intentando generar materiales alineados con la marca. Presentaciones, materiales promocionales, lo habitual.
Lo destacable es que ninguno de esos proyectos procedía del equipo de marketing. La función responsable de la marca no había creado nada, y las más de cincuenta personas que estaban resolviendo el problema por su cuenta ni siquiera habían pensado en preguntar.
Cada uno de esos empleados identificó un problema real y utilizó una herramienta capaz para abordarlo. Lo que ninguno hizo fue reconocer que el problema pertenecía al ámbito de otra persona, donde ya residían la experiencia, los materiales de origen y la capacidad de mantenerlo a lo largo del tiempo. Eso no es una deficiencia en la elaboración de instrucciones. Ningún curso sobre cómo escribir mejores instrucciones genera el instinto de ir a buscar al responsable.
El criterio humano es la categoría más amplia, y McKay-Fleisch la reduce al modo de fallo con el que la mayoría de las organizaciones convive actualmente. Lo llama el «cañón de contenido basura». Las personas generan contenido con un coste cercano a cero y lo envían sin revisarlo, trasladando el trabajo de evaluación a quien lo recibe.
La tarea de discernimiento de comprender el resultado que estás obteniendo, asegurarte de que es preciso y de que aporta valor. Lo que ha ocurrido con esta mentalidad de cañón de contenido basura es que esa tarea recae en las personas a quienes se les envía, y eso no es apropiado.
BetterUp Labs y el Laboratorio de Redes Sociales de Stanford pusieron cifras a esa transferencia en una investigación publicada en Harvard Business Review en septiembre del año pasado. El cuarenta por ciento de los empleados declaró haber recibido lo que los investigadores denominaron “trabajo basura” durante el mes anterior. Cada incidente consumió aproximadamente dos horas del tiempo del destinatario, que los investigadores valoraron en unos $186 por empleado al mes.
El paso de revisión no desapareció. Se trasladó a alguien que no lo eligió, que no puede ver la intención original y que no tiene forma de devolverlo.
El rediseño y la transformación corresponden a presupuestos diferentes
McKay-Fleisch establece una distinción que la mayoría de la financiación para el desarrollo de capacidades ignora. El rediseño del flujo de trabajo es la forma de alcanzar un resultado. La transformación de IA es todo lo que debe cambiar a su alrededor: las estructuras organizativas, los roles y las habilidades que las personas necesitan para desempeñarlos.
La mayor parte del desarrollo de capacidades en IA se financia como si no fuera ninguna de las dos cosas. Se financia como capacitación en herramientas, que era la respuesta correcta a una barrera que ya no existe.
La Encuesta de impacto de la IA de Grant Thornton de 2026, que abarcó a 950 líderes empresariales de diez sectores, además de empresas de capital privado, y se realizó entre el 23 de febrero y el 18 de marzo de este año, concluyó que solo el 12% de los líderes considera que su plantilla está plenamente preparada para la IA. Otro 81% se sitúa entre bastante preparada y mayormente preparada, y el 97% reconoce algún tipo de dificultad de adopción.
Cuando se les preguntó por qué las iniciativas de IA tienen un rendimiento inferior al esperado, esos líderes situaron en primer lugar los problemas de gobernanza y cumplimiento, con un 46%. La capacitación insuficiente quedó en segundo lugar, con un 31%. Alrededor del 34% señaló la capacitación como el área de inversión de la organización con menor financiación.
Así que el diagnóstico que los ejecutivos están haciendo a gran escala es el mismo que llega a la puerta del director de desarrollo de capacidades. No hay suficiente capacitación. Hay que financiar más.
Vale la pena conservar la propia interpretación de Grant Thornton al respecto. La capacitación de concienciación produce familiaridad, no capacidad. La familiaridad es exactamente lo que la mayoría de los planes de estudio sobre IA están diseñados para proporcionar, y es lo que describe el 85% de los empleados encuestados por Docebo cuando afirma que la capacitación no les ayudó a hacer su trabajo. El dinero se está destinando a algún sitio. Se destina a la intervención que exige el menor cambio estructural por parte de quienes la aprueban.
El 9% de Docebo refleja el mismo hallazgo desde la otra perspectiva. Las funciones de aprendizaje han adoptado la IA con entusiasmo para crear contenido y apenas han tocado el rediseño del trabajo. Yo traduciría esto como que ambos presupuestos se están gastando en el lado del rediseño de nada.
Lo que significa la solicitud: cuatro posibilidades
Cuando un líder solicita capacitación, normalmente subyace una de cuatro condiciones. Cada una tiene una señal que la identifica y una respuesta que no consiste en un curso.
Nunca se definió el resultado
La señal es que el líder no puede responder a la pregunta de cómo es el éxito sin describir una actividad. El uso aumenta o disminuye, pero nadie puede decir qué debería ser capaz de hacer el equipo que antes no podía. Las personas experimentan sin un objetivo concreto y la experimentación se interpreta como falta de adopción.
La intervención consiste en una sesión de trabajo con el líder para definir un resultado medible y, a continuación, retroceder hasta identificar la capacidad que lo respalda.
Nunca se rediseñó el flujo de trabajo
La señal es una IA añadida a un proceso construido en torno a una limitación que la IA eliminó. Cadenas de aprobación dimensionadas para el tiempo que antes requería redactar. Transferencias que existían porque dos personas utilizaban herramientas diferentes. Ciclos de revisión calibrados según los patrones de error humanos, en lugar de los patrones de error del modelo.
Las personas utilizan la herramienta dentro de un proceso que las penaliza por la velocidad que genera. La intervención consiste en cartografiar el proceso con la función responsable del flujo de trabajo, y no corresponde que la realice por sí sola la función de desarrollo de capacidades.
La experiencia existe y está desaprovechada
La señal es una amplia diferencia de rendimiento dentro del mismo equipo que utiliza las mismas herramientas. Los usuarios avanzados ya han resuelto el problema. Sus soluciones se encuentran en archivos de proyectos personales y pestañas del navegador.
La intervención consiste en extraer y distribuir ese conocimiento, que McKay-Fleisch plantea como la incorporación del conocimiento de los usuarios avanzados directamente en todo aquello que genere el área de capacitación, en lugar de seguir organizando sesiones para personas que ya han encontrado la solución.
La disciplina de revisión se ha desmoronado
La señal es el patrón de «trabajo deficiente»: las quejas sobre la calidad de los resultados proceden de quienes los reciben, no de quienes los producen. Las métricas del equipo productor parecen excelentes. El volumen aumenta, el tiempo de ciclo disminuye y el coste se ha trasladado al siguiente puesto de trabajo.
La intervención consiste en establecer un estándar sobre qué debe revisarse antes de avanzar, aplicado por los gerentes, además del incómodo trabajo de decirles a los productores de gran volumen que sus cifras son, en parte, un problema para otra persona.
Ninguno de los cuatro problemas se resuelve con un plan de estudios. Tres de ellos no son problemas que el área de capacitación deba asumir por sí sola, precisamente por eso siguen llegando a su puerta.
La misma instrucción, dos respuestas y un programa de capacitación que no puede solucionarlo
Debajo de todo esto hay una capa técnica que se ha animado a la mayoría de los responsables de personal a ignorar, y hacerlo genera una mala capacitación.
Los empleados interactúan con la IA en múltiples superficies. Está el asistente integrado en una aplicación, entrenado con la documentación de esa plataforma y funcionando dentro de los datos reales del usuario.
También está el modelo de propósito general, que accede a la misma plataforma mediante un protocolo de conexión. El ejemplo de McKay-Fleisch es una solicitud para crear un panel que muestre qué proyectos están en plazo, en riesgo o atrasados, agrupados por cartera y responsable.
Su postura es que el resultado debería ser idéntico sin importar dónde lo escriba el usuario. En muchas plataformas, actualmente no lo es.
Esa diferencia corresponde a la arquitectura del sistema, y la capacitación sobre instrucciones no puede cerrarla. Lo que sí puede hacer el área de capacitación es saber qué superficie produce cada resultado y decirle claramente a la gente: para esta tarea, utiliza esta.
Si se omite ese paso, se enseña a los empleados que las herramientas no son fiables, una lección que aplicarán de forma general y recordarán durante más tiempo que cualquier contenido del plan de estudios.
La segunda variable técnica es cuánto contexto proporciona la plataforma en nombre del usuario. Un modelo de propósito general conectado a datos empresariales no entiende intrínsecamente qué significan esos datos, cómo están estructurados ni qué hace la aplicación con ellos. Las mejores plataformas cargan esa comprensión en el servidor, empaquetada como conjuntos de instrucciones reutilizables de los que se beneficia cada usuario conectado sin saber que existen. Smartsheet lo hace mediante lo que McKay-Fleisch denomina «habilidades nativas».
La consecuencia para la capacitación es directa y afecta al presupuesto. Cuando la plataforma aporta el contexto, la cantidad de instrucciones que necesitan los usuarios disminuye drásticamente. Cuando no lo hace, la ingeniería de instrucciones y de contexto son habilidades esenciales, y la capacitación debe cubrirlas adecuadamente.
Los responsables de capacitación deberían preguntar a los proveedores en cuál de esos dos mundos se encuentran. La respuesta determina una parte significativa del plan de estudios.
Dos interpretaciones de la misma organización
Ese 12 % de personas completamente preparadas oculta una división. Entre los CIO y CTO, el 39 % describe a su fuerza laboral como completamente preparada. Entre los COO, la cifra es del 7 %.
Los líderes tecnológicos miden la adopción a nivel de sistema: licencias implementadas, integraciones activas y uso registrado. Los líderes de operaciones miden si el trabajo ha mejorado. La diferencia de treinta y dos puntos representa un trabajo considerable para responder a esas dos preguntas.
La distribución de dónde se necesita apoyo lo hace aún más evidente. Los empleados de primera línea representan el 37 % de los casos en los que los líderes señalan que se necesita más apoyo. Los mandos intermedios representan el 30 %. La alta dirección representa el 8 %.
Las personas que toman decisiones sobre la IA se sienten respaldadas. Los dos tercios de la organización que viven con esas decisiones no.
Ese es el patrón que subyace a la solicitud de capacitación. Un líder que se siente adecuadamente preparado observa que su equipo no lo está y recurre a la intervención que no exige nada del líder. Más capacitación es una solicitud que puede concederse sin que quien la formula cambie nada de la forma en que está estructurado el trabajo, de quién es responsable de cada decisión o de lo que se pide producir al equipo.
Casi nadie de esa muestra cuestiona que algo vaya mal. El desacuerdo está en dónde se encuentra el problema.
Recursos Humanos debería asumir esta responsabilidad antes de que se le asigne por defecto
La recomendación final de McKay-Fleisch a la sala fue volver a la organización e identificar quién es responsable del rediseño de los flujos de trabajo de IA. Señaló que durante un tiempo fue él, hasta que Smartsheet contrató a alguien para desempeñar esa función.
En la mayoría de las empresas, la respuesta honesta es nadie. Y cuando nadie se hace cargo, el trabajo no desaparece. Fluye hacia quien está más cerca, que normalmente es L&D o el área de habilitación, llegando como una solicitud de capacitación a la vez, sin mandato ni autoridad sobre los procesos que realmente necesitan rediseñarse.
Heredar esa responsabilidad de ese modo es la peor forma de hacerse cargo de ella. Recursos Humanos debería asumir deliberadamente el rediseño de los flujos de trabajo, con el presupuesto y la autoridad correspondientes, porque la alternativa es asumir la responsabilidad sin contar con ninguno de los dos.
El argumento para que Recursos Humanos se haga cargo no es sentimental. El rediseño de los flujos de trabajo determina qué puestos existirán dentro de tres años, qué exigirán esos puestos y quiénes dentro de la empresa tendrán un camino para acceder a ellos. Esas son decisiones sobre las personas que se están tomando como subproducto de decisiones tecnológicas. Dejar que se resuelvan según quién esté configurando las herramientas es una elección, y es la elección que la mayoría de las organizaciones está tomando actualmente por defecto.
La función que entiende cómo se estructura el trabajo, cómo se desarrollan las capacidades y qué les sucede a las personas cuando ambas cosas cambian es la función que debería estar al frente de esto. Esa responsabilidad debe reivindicarse antes de que el organigrama se consolide alrededor de otra persona.
Qué preguntar
Cuando llame el próximo líder de equipo, no abras el catálogo de cursos. Haz dos preguntas.
- ¿Qué resultado intentas lograr? No una mayor adopción ni un mayor uso. Algo que puedas medir en el trabajo mismo.
- ¿En qué flujo de trabajo se concreta ese resultado y quién es responsable de él?
Si el líder puede responder ambas preguntas, tienes algo que desarrollar. Si no puede, la capacitación nunca habría funcionado, y lo más útil que puede hacer una persona de un área de habilitación es decirlo en voz alta.