Caso hipotético. Lo que sigue es una historia inventada, construida con situaciones que se repiten en muchas empresas. No corresponde a ninguna compañía real ni a ninguna persona concreta.
Una distribuidora de material para el hogar, con 28 personas en plantilla, decide formar a todo el mundo en inteligencia artificial. El gerente ha leído que sus competidores la usan y no quiere quedarse atrás. Reserva un viernes, contrata una jornada de seis horas y reúne a la plantilla entera: administración, almacén, atención al cliente y comerciales. Al terminar, todos reciben un documento con consejos y una sonrisa de despedida. Tres meses después, el gerente pregunta cómo va y descubre que casi nada ha cambiado. Es un caso útil precisamente por lo corriente que resulta.
Qué pasó en esos tres meses
La jornada fue amable y entretenida. Se enseñó qué es la IA, se hicieron demostraciones con ejemplos generales (un poema, una receta, el resumen de una noticia) y se contestaron preguntas. Nadie salió con la sensación de haber perdido el tiempo. Tampoco nadie salió con una tarea concreta distinta para el lunes.
Pasado el trimestre, el panorama es este:
- Tres personas la usan a diario. Son las mismas que ya la usaban antes de la formación.
- Cinco la probaron una vez y no volvieron a abrirla.
- El resto no la ha usado. Algunos dicen que «no sabían para qué» y otros que no estaban seguros de qué datos podían meter.
- El gerente tampoco la usa, porque no encuentra el momento.
Con esos datos, el gerente tiene dos conclusiones tentadoras: «la IA no sirve para nuestro negocio» o «la gente no quiere cambiar». Las dos son cómodas y probablemente las dos son falsas.
Causas probables: cinco huecos que se repiten
No podemos afirmar qué falló en una empresa inventada, pero sí señalar lo que suele fallar cuando una formación así no deja huella.
- No había un objetivo. Nadie definió qué debía cambiar: responder antes a los clientes, preparar presupuestos con menos esfuerzo, ordenar los pedidos urgentes. Sin una meta, no hay forma de saber si la formación funcionó, ni de decidir qué enseñar primero.
- Los ejemplos no se parecían al trabajo. Un poema no se parece a un presupuesto. Quien trabaja en el almacén no veía qué tenía que ver aquello con su día a día y quien atiende a clientes tampoco.
- Todos recibieron lo mismo. Un comercial, una administrativa y un mozo de almacén necesitan cosas muy distintas. Un contenido para todos suele ser demasiado básico para unos y demasiado lejano para otros.
- Nadie hizo seguimiento. No hubo una conversación a la semana, ni al mes. Una habilidad nueva se pierde si no se practica y si no hay a quién preguntar cuando algo no sale.
- Faltaban reglas claras y ejemplo desde arriba. Sin una norma sencilla sobre qué datos se pueden usar, ante la duda lo más prudente es no usarla. Y si el gerente no la usa, el mensaje implícito es que no es tan importante.
Cómo se habría corregido
La parte esperanzadora de este caso es que nada de lo anterior exige más presupuesto. Exige otro orden. Esta sería una secuencia razonable para rehacer la formación:
- Elegir dos o tres tareas por puesto, con quien las hace. Por ejemplo: en atención al cliente, redactar respuestas a consultas repetidas; en comercial, preparar el borrador de un presupuesto; en administración, ordenar la información de una factura antes de pasarla al programa de contabilidad.
- Formar con casos reales de la empresa. Una sesión corta por equipo, con documentos y situaciones de verdad (retirando antes los datos personales de clientes). Quien asiste debe salir con una tarea que ya ha hecho, no solo con una idea.
- Dar prácticas entre sesiones. Cada persona prueba la tarea elegida durante dos semanas y apunta qué le funcionó y qué no.
- Cita de seguimiento a las dos semanas. Media hora por equipo para resolver dudas y compartir hallazgos. Es el paso que casi siempre se salta y el que más diferencia.
- Una norma de datos de una página. Qué se puede usar y qué no. Hay una guía en cómo redactar una política interna de uso de IA.
- Un referente interno. Una persona del equipo, no necesariamente la más técnica, a quien preguntar y que recoge lo que funciona.
- El gerente da ejemplo. Usa la IA en una tarea suya y lo cuenta en voz alta.
| Lo que se hizo | Lo que habría ayudado |
|---|---|
| Una jornada para todos | Sesiones cortas por puesto |
| Ejemplos generales | Casos reales de la propia empresa |
| Sin meta definida | Dos o tres tareas por puesto con un resultado esperado |
| Sin seguimiento | Cita a las dos semanas y revisión al mes |
| Sin reglas | Norma de datos de una página |
| Dirección al margen | Dirección que usa y cuenta lo que aprende |
Cómo comprobar que ahora sí funciona
Aquí conviene ser prudente y no prometer ahorros. En lugar de buscar una cifra mágica, se miran señales observables, siempre comparando con el punto de partida:
- Qué tareas se hacen ya con apoyo de IA y quién las hace. Si siguen siendo las tres personas de siempre, algo no ha cambiado.
- Cuánto tarda una tarea concreta, según quien la hace, apuntado al principio y al final. Es una estimación declarada y se interpreta como tal.
- Qué errores se han colado. Un texto con un dato inventado que llega a un cliente es una señal de que falta revisión, no de que la herramienta falle «a veces».
- Qué dudas se repiten. Son la lista de la siguiente sesión.
Para ordenar esta medición tienes cómo medir el impacto de la formación en IA y los cuatro niveles de Kirkpatrick aplicados a un curso de IA. Y para decidir cuánto dedicar al agente, a la formación y a los ajustes, cómo repartir el primer presupuesto entre agente, formación y ajustes.
Lo que el caso no explica
Sería injusto atribuirlo todo a la formación. En algunas empresas el problema es que la tarea elegida no es apta para la IA, que la herramienta no encaja con los programas que ya se usan o que el proceso de partida era confuso incluso para las personas. Una formación no arregla un proceso mal definido.
Hay además tareas muy repetitivas y con reglas claras para las que formar a cada persona no es la mejor vía y compensa más un agente que las haga por sí solo y consulte lo importante. Tienes una guía para decidir en automatización, agentes de IA o formación: por dónde empezar.
Y una cuestión de fondo: formar a la plantilla es una decisión de dirección con sentido, pero las decisiones sobre personas (quién usa qué, a quién se evalúa, a quién se contrata) las toma una persona, no una herramienta.
Conclusión
Una formación que no cambia nada rara vez falla por falta de ganas de la plantilla. Suele fallar porque no tenía una meta, usaba ejemplos ajenos al negocio, trataba a todos igual, no tuvo seguimiento y no dejó reglas claras. Corregirlo es una cuestión de orden: primero la tarea, luego el caso real, después la práctica y la cita de seguimiento.
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 lo planteamos en formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.