Tu empresa compró herramientas de IA. Ahora viene la parte difícil.

Las licencias son fáciles. Las credenciales de acceso llevan cinco minutos. Pero seis meses después, la mayoría de los empleados sigue usando ChatGPT igual que usa Google, escribiendo preguntas vagas y esperando respuestas útiles. Las herramientas se quedan ahí, caras y poco usadas, mientras los responsables se preguntan por qué nunca llegaron las ganancias de productividad prometidas.

Esta brecha entre tener herramientas de IA y usarlas bien es donde la mayoría de las iniciativas corporativas de IA mueren en silencio. Una investigación de SHRM de 2025 encontró que el 75% de los trabajadores espera que su rol cambie de forma significativa por la IA en cinco años, pero solo el 45% ha recibido algún reciclaje recientemente. La infraestructura de formación no ha seguido el ritmo del despliegue de herramientas, y se nota en los resultados.

La formación puede cerrar esa brecha. Pero no la que hace la mayoría de las empresas.

Las habilidades que de verdad importan

La mayoría de los programas de formación en IA se centran en lo equivocado. Enseñan funciones de la herramienta cuando deberían enseñar patrones de pensamiento.

Prompts como comunicación, no como encantamiento. Un buen prompting no va de palabras mágicas ni de fórmulas secretas. Va de claridad. De especificidad. De saber lo que quieres antes de pedirlo. Como el usuario de Hacker News bobwaycott dijo en una discusión sobre prompt engineering: la habilidad de fondo es “precision to communicate ideas, requirements, and expected outcomes effectively.” Esa habilidad sirve para todo, no solo para herramientas de IA.

Quienes más sacan partido de la IA suelen ser los que ya eran buenos dando instrucciones a otras personas. Saben descomponer problemas. Aportan contexto. Especifican cómo se ve un buen resultado.

Criterio por encima de automatización. Aquí va una verdad incómoda que la mayoría de los programas evita: la IA hace que el criterio sea más importante, no menos. Un análisis reciente de Harvard Business Review captó esta paradoja con precisión: “AI simultaneously increases the need for judgment and erodes the experiences that produce it.”

Cuando la IA se encarga del trabajo rutinario, las decisiones que quedan son las difíciles. Los casos límite. Las situaciones donde el contexto importa. Formar a la gente para usar IA sin formarla para evaluar la salida de la IA crea una dependencia peligrosa. Producen trabajo rápido, pero no pueden decir si es bueno.

Verificación como hábito. Toda salida de IA necesita revisión. No una doble verificación paranoica de cada palabra, sino una verificación calibrada según el riesgo y la complejidad. En el mismo hilo de Hacker News, el usuario rapatel0 ofreció un marco útil: trata a los LLMs “like a junior intern that has access to google.” No publicarías el primer borrador de un becario sin revisión. No dejarías que un becario tome decisiones importantes sin supervisión. Con la IA pasa lo mismo.

Saber cuándo no usarla. Quizá sea la habilidad más difícil de enseñar porque va en contra de toda la premisa de la formación. A veces la respuesta es cerrar la herramienta de IA y hacer el trabajo tú. A veces escribir el prompt lleva más tiempo que la tarea. A veces se necesita criterio humano de verdad, y usar IA sería un atajo que da resultados peores. La sabiduría está en saber distinguirlo.

Por qué falla la mayoría de la formación

La formación corporativa en IA falla de formas previsibles. Entender los patrones te ayuda a evitarlos.

La trampa de la demo. Alguien de TI enseña las funciones. Así se abre. Aquí es donde escribes. Estas son algunas cosas que puede hacer. Los asistentes asienten educadamente. Vuelven a sus mesas y no la vuelven a tocar, porque saber lo que una herramienta puede hacer no tiene nada que ver con saber cómo usarla para tu trabajo real.

El problema de “una y ya”. Un taller de tres horas, un certificado, una marca en el panel de cumplimiento de alguien. Y luego nada. Las habilidades se evaporan rápido cuando no se usan, y las de IA aún más, porque las herramientas no paran de cambiar. Lo que aprendiste en enero puede no funcionar igual en junio.

El enfoque de manguera contra incendios. Intentar cubrir todo lo que la herramienta puede hacer en una sola sesión. Técnicas avanzadas de prompting. Instrucciones personalizadas. Integraciones con APIs. Automatización de procesos. Al final, nadie recuerda nada porque intentaste enseñar todo.

El error de la abstracción. Enseñar prompt engineering como una habilidad abstracta, desconectada de tareas reales del puesto. “Así es como se escribe un buen prompt” es inútil comparado con “Así es como usar la IA para investigar a un posible cliente antes de una llamada de ventas”. La gente aprende conectando lo nuevo con su trabajo existente, no tragándose teoría que no sabe aplicar.

Una investigación de McKinsey encontró que, aunque el 89% de las organizaciones dice que su plantilla necesita mejores habilidades de IA, solo el 6% ha empezado a capacitar de forma significativa. La brecha entre reconocer el problema y hacer algo efectivo sigue siendo enorme.

Enfoques de formación que se fijan

La formación en IA efectiva se parece poco a la formación corporativa tradicional. Menos charla, más práctica. Menos repaso de funciones, más aplicación a tareas.

Empieza por su trabajo real. No enseñes IA en abstracto. Pregunta qué tareas les consumen tiempo. Luego muéstrales cómo la IA puede ayudar con esas tareas específicas. Un profesional de marketing que escribe publicaciones sociales necesita una formación distinta a un analista que construye informes, aunque usen la misma herramienta.

Incluye tiempo de práctica. Aprender IA mirando a otra persona usar IA es como aprender a nadar viendo vídeos de YouTube. Hay que meterse en el agua. Cada sesión de formación debería incluir tiempo práctico donde la gente use las herramientas, se equivoque y vaya entendiendo, con ayuda disponible.

Reparte la formación. Una sola sesión larga fatiga y limita la retención. Sesiones cortas repartidas durante semanas, con tareas para practicar entre medias, crean habilidades duraderas. La primera semana cubre lo básico. La segunda, aplicaciones específicas del puesto. La tercera, problemas y preguntas comunes que surgieron de la práctica.

Da permiso para experimentar. Mucha gente teme quedar en ridículo usando IA. Les preocupa perder el tiempo. Dudando, no prueban cosas que quizá no funcionen. Una buena formación concede explícitamente permiso para experimentar, fallar y aprender. La seguridad psicológica importa tanto como la instrucción técnica.

Empareja a los que aprenden rápido con los que van más lentos. El aprendizaje entre pares funciona. Quien capta la IA rápido puede ayudar a colegas a quienes les cuesta, y enseñar refuerza su propio aprendizaje. Además, distribuye el apoyo por la organización en lugar de concentrarlo en unos pocos formadores.

El problema del criterio

Hay algo que la mayoría de la formación en IA ignora por completo: el problema del empleado junior.

Los profesionales con experiencia usan la IA como amplificador. Tienen décadas de criterio sobre cómo se ve un buen trabajo, y la IA les ayuda a producir más de eso, más rápido. Las herramientas, como señalaba el artículo de HBR, “amplified existing judgment rather than compensating for its absence.”

Pero los empleados junior se enfrentan a una situación totalmente distinta. Aún no han desarrollado el criterio que viene con años de práctica. No saben qué es “bueno” porque no han cometido suficientes errores como para aprender. Y ahora la IA se encarga de las tareas repetitivas que antes servían como campo de entrenamiento para ese criterio.

Esto crea un riesgo organizativo real. Si formas a la gente para usar IA sin abordar cómo van a desarrollar criterio, te quedas con una plantilla capaz de producir resultados rápido pero incapaz de evaluar si esos resultados son realmente buenos. El empleado de nivel inicial que usa IA para redactar informes nunca se ha peleado con escribir informes malos y aprender del feedback. Se salta directamente a un trabajo con apariencia pulida que puede carecer de sustancia o de contexto, cosas que la experiencia habría aportado.

Los buenos programas de formación abordan esto de frente. Incluyen ejercicios donde la gente tiene que evaluar críticamente la salida de la IA. Exigen identificar errores plantados a propósito en ejemplos. Enseñan verificación como una habilidad, no como una casilla que marcar.

Aprendizaje continuo vs. eventos puntuales

La IA cambia rápido. Un programa de formación que funcionaba hace seis meses hoy puede estar parcialmente obsoleto. Esta realidad exige un enfoque distinto al de la formación corporativa tradicional.

Construye infraestructura, no eventos. En vez de planificar un evento de formación, construye un sistema de aprendizaje continuo. Un canal de Slack donde la gente comparta descubrimientos. Horas de consulta donde se respondan preguntas. Una biblioteca de documentos con prompts y enfoques efectivos. Actualizaciones periódicas cuando cambien las herramientas o aparezcan nuevas capacidades.

Identifica referentes. Encuentra personas en cada equipo que, de forma natural, tienden a usar herramientas de IA y quieren ayudar a otros. Fórmalas más a fondo. Dales tiempo para apoyar a sus colegas. Crea una red distribuida de conocimiento, en vez de un departamento central de formación.

Mide el uso real. La asistencia a la formación no significa nada si luego la gente no usa las herramientas. Mide la adopción real. Pregunta qué obstáculos impiden el uso. Ajusta la formación según lo que aprendas de la aplicación en el mundo real.

Acepta la iteración. Tu primer programa de formación no será perfecto. El segundo tampoco. Construye bucles de retroalimentación que te permitan aprender qué funciona y mejorar de forma continua. El objetivo es avanzar, no alcanzar la perfección.

Una investigación de BCG encontró que cuando los líderes demuestran un apoyo sólido a la IA, la proporción de empleados que se sienten positivos al respecto sube del 15% al 55%. La implicación del liderazgo importa muchísimo. Si los directivos tratan la formación en IA como un ejercicio de cumplimiento para marcar casillas, los empleados también.

El factor miedo

Muchos empleados se preocupan de que aprender IA sea entrenar a su sustituto. Ese miedo es real y hay que abordarlo de frente, no ignorarlo ni minimizarlo.

Algunos trabajos cambiarán. Algunas tareas se moverán. Esto ha pasado con cada adopción tecnológica importante a lo largo de la historia. La respuesta no es fingir que no, sino enmarcar las habilidades de IA como protección de carrera, no como aceptación de amenaza. Los empleados que aprendan a trabajar bien con IA serán más valiosos, no menos.

Aborda la resistencia directamente en la formación. Reconoce que algunas preocupaciones son legítimas. Explica lo que la IA no puede hacer: construir relaciones, ejercer criterio auténtico, entender el contexto organizativo, preocuparse por los resultados. Presenta la IA como una herramienta que se ocupa de las partes tediosas para que las personas puedan centrarse en lo que tiene sentido.

No todo el mundo quedará convencido. No pasa nada. Un poco de escepticismo es sano. El objetivo no es entusiasmo unánime, sino la adopción suficiente para obtener beneficios.

Cómo empezar tu programa

Si estás construyendo un programa de formación en IA desde cero, empieza pequeño. Elige un equipo. Identifica sus casos de uso de mayor valor. Fórmalos bien. Aprende de la experiencia. Y luego amplía.

No intentes formar a todo el mundo en todo a la vez. Ese enfoque produce una cobertura superficial y ningún desarrollo real de habilidades. La profundidad gana a la amplitud, sobre todo al principio.

Mide lo que importa: no las horas de formación completadas, sino el cambio de comportamiento real. ¿La gente usa las herramientas? ¿Las usa bien? ¿Mejora la calidad de su trabajo? Esas son las preguntas que importan.

Y prepárate para que la propia formación evolucione. Lo que funciona hoy habrá que actualizarlo cuando cambien las herramientas, cuando tu organización aprenda, cuando aparezcan nuevas aplicaciones. Construir capacidad de adaptación importa más que dejar el programa inicial perfecto.

Las empresas que entiendan la formación en IA obtendrán ventajas significativas frente a las que no. Las herramientas están disponibles para todos. La diferencia está en si la gente sabe usarlas, y en si ese conocimiento se mantiene al día a medida que evoluciona la tecnología.

Ese no es un problema que se resuelva una vez. Es una capacidad que se construye.