En un experimento publicado en la revista Science en 2023, 453 profesionales con estudios universitarios hicieron dos tareas de escritura propias de su ocupación. Quienes tuvieron acceso a un asistente de IA conversacional tardaron un 40 % menos en completarlas y la calidad del resultado subió un 18 %, según recogió MIT News. Es un dato llamativo, y conviene leerlo con calma.
Pero un dato así deja sin responder la pregunta que se hace cualquier gerente que quiere formar a su equipo: ¿conviene que aprendan en un aula aparte, con ejemplos genéricos, o directamente sobre las tareas de su puesto? Los estudios publicados no comparan esas dos formas de formar. Lo que sí hacen es medir qué pasa cuando personas reales usan IA en tareas reales. Y de ahí se pueden sacar pistas útiles, siempre con las debidas cautelas.
Qué dicen los datos
Estos son cuatro estudios con tareas de trabajo reales o muy parecidas:
Escritura profesional (Noy y Zhang, 2023). En el experimento en línea con 453 profesionales (marketing, redacción de subvenciones, consultoría, análisis de datos, recursos humanos y dirección), el acceso a la IA redujo el tiempo en un 40 % y elevó la calidad en un 18 %. Es un experimento con dos tareas de escritura, no una medición del trabajo diario sostenido en el tiempo.
Atención al cliente (Brynjolfsson, Li y Raymond, 2025). Con datos de 5.179 agentes de atención al cliente, la introducción escalonada de un asistente de IA aumentó la productividad, medida en incidencias resueltas por hora, un 14 % de media, y un 34 % en los trabajadores noveles o menos cualificados. El impacto fue mínimo en los más experimentados y cualificados. Es el estudio de un solo asistente aplicado a una tarea concreta, la atención por chat.
Pequeños empresarios en Kenia (Harvard Kennedy School, 2023). En un experimento de campo con asistencia empresarial por WhatsApp basada en IA, asignada al azar, no se pudo descartar que el efecto medio fuera nulo. Por subgrupos, quienes ya rendían bien antes de empezar mejoraron algo más de un 15 %, mientras que los que rendían peor empeoraron en torno a un 8 %. Son cifras de análisis por subgrupos, no del efecto medio.
Cultura de la empresa (Microsoft, Work Trend Index 2026). En una encuesta a 20.000 personas que usan IA en el trabajo, en 10 mercados, los factores organizativos (cultura, apoyo de los jefes y prácticas de talento) explican más del doble del impacto de la IA que declaran los usuarios que los factores individuales como la actitud y el comportamiento: 67 % frente a 32 %. Ojo: es un índice construido con lo que declaran los propios usuarios, y la encuesta la hace una empresa que vende IA.
Cómo leerlos (y qué no dicen)
Antes de sacar conclusiones, conviene tener claras las limitaciones:
- Ninguno compara formar en aula con formar en el puesto. Miden el uso de la IA, no el método con el que se aprendió. Todo lo que digamos sobre dónde aprender es una inferencia, no un resultado.
- Son tareas concretas. Escribir un par de textos o contestar incidencias por chat no es lo mismo que el trabajo completo de una persona.
- Las muestras son específicas. Profesionales con estudios universitarios, agentes de una empresa, empresarios de un país. No se pueden aplicar sin más a tu plantilla.
- El efecto a largo plazo está sin medir. Los experimentos duran poco y no dicen qué pasa al cabo de un año.
- Las encuestas miden percepciones. Lo que la gente declara haber ganado puede no coincidir con lo que realmente se mide.
Dicho esto, hay tres ideas que se repiten y que merecen atención:
- El beneficio depende de quién usa la IA y para qué. En atención al cliente ayudó sobre todo a quienes tenían menos experiencia. En Kenia, por subgrupos, quienes rendían peor antes de empezar empeoraron, aunque el efecto medio no se distinguió de cero. El resultado no fue igual para todos.
- La herramienta sola no basta. El contexto de la empresa pesa: cultura, apoyo de los jefes, tiempo para aprender.
- Lo que se mide son tareas, no «la IA en general». Se mejora tarea a tarea, y por eso tiene sentido aprender sobre tareas.
Aula aparte o puesto de trabajo: qué sugieren estos datos
Con esas cautelas, el análisis se puede plantear así. Cada formato tiene su fortaleza y su riesgo:
| Formato | Fortaleza | Riesgo |
|---|---|---|
| Aula o sesión aparte | Fundamentos comunes para todos: qué puede y qué no puede hacer la IA, privacidad, normas de la empresa, hábito de verificar. Se puede preguntar y equivocarse sin consecuencias. | Si los ejemplos son genéricos, se olvida; no se traslada al trabajo del lunes. |
| Aprender en el puesto | Se practica con tareas reales, en el contexto real y con compañeros que conocen el negocio. | Sin criterio ni revisión, se copian malos hábitos. Además, el efecto no es igual para todos: en el experimento de Kenia, el subgrupo que rendía peor antes de empezar empeoró. |
Lo razonable parece una combinación: una base común y breve para todos (qué es seguro hacer, qué datos no se pueden introducir, cómo se revisa un resultado) y, enseguida, práctica guiada sobre tareas de cada puesto. Los datos de atención al cliente apuntan a que quien está empezando puede beneficiarse más; en Kenia, en cambio, el subgrupo de peor rendimiento previo empeoró. Parece sensato que alguien revise los primeros resultados, en lugar de entregar solo una herramienta.
Qué hacer con esto
Si estás pensando en formar a tu equipo, estos pasos ayudan a que la formación sirva de verdad:
- Elige dos o tres tareas reales y repetidas del puesto. Que sean concretas: contestar un tipo de consulta, preparar una propuesta, resumir actas.
- Decide cómo vas a medir. Compara tiempo y calidad con ejemplos antes y después, no con sensaciones.
- Empareja a quien sabe con quien empieza. Una persona de referencia que revise los primeros resultados.
- Da permiso y tiempo. Si aprender se hace «en los ratos libres», no se hace. El contexto de la empresa es parte de la formación.
- Revisa a las pocas semanas y ajusta. Qué tareas funcionaron, cuáles no y por qué.
Y recuerda que formar es también cuestión de cumplimiento: tienes qué dice la ley sobre la formación en IA. Si trabajas con equipo comercial, hay un enfoque concreto en cómo formar al equipo de ventas para usar IA.
Fuentes
- MIT News, sobre el estudio de Noy y Zhang en Science (2023): Study finds ChatGPT boosts worker productivity for some writing tasks
- NBER / Quarterly Journal of Economics, Brynjolfsson, Li y Raymond (2025): Generative AI at Work (NBER Working Paper 31161; QJE vol. 140, n.º 2, pp. 889-942)
- Harvard Kennedy School, Center for International Development (2023): The Uneven Impact of Generative AI on Entrepreneurial Performance
- Microsoft, Work Trend Index (2026): 2026 Work Trend Index report: Agents, human agency, and the opportunity for every organization
Conclusión
Los estudios disponibles no dicen dónde se aprende mejor a usar IA, pero sí sugieren que lo que cuenta son las tareas concretas, que el beneficio no es igual para todos y que el entorno de la empresa pesa mucho. De ahí sale una idea práctica: una base común breve y, cuanto antes, práctica guiada sobre el trabajo real, con alguien que revise y con tiempo reservado.
En MG Solutions formamos a equipos de empresa en IA, por puesto y con casos reales de tu negocio, y también implantamos agentes de IA a medida.
Puedes ver cómo trabajamos en nuestra formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.