Has contratado una formación en IA para tu equipo. A las dos semanas, alguien te pregunta en una reunión: «¿Y esto ya se nota?». Si esperas una respuesta en forma de cifra de ventas o de costes, lo más probable es que la respuesta honesta sea «todavía no», y eso no significa que la formación haya fallado.
La formación cambia primero cosas pequeñas y difíciles de contar, como la confianza de las personas con la herramienta o la frecuencia con la que la abren. Solo más tarde, y solo si la empresa también ajusta su manera de trabajar, se mueven los indicadores de negocio. Confundir los dos calendarios lleva a dos errores opuestos: dar la formación por inútil demasiado pronto, o dar por buena una mejora que en realidad no existe. En este análisis separamos lo que se aprecia en semanas de lo que tarda meses, con lo que dicen algunos estudios y sin prometer plazos que nadie puede asegurar.
Lo que se aprecia en las primeras semanas
Las primeras señales son de comportamiento, no de resultados. Conviene saber reconocerlas porque indican que el cambio ha empezado:
- Más seguridad. Las personas dejan de tener miedo a «romper algo» y empiezan a probar. También aprenden cuándo conviene no usar la herramienta, que es tan importante como saber usarla.
- Más uso regular. Más gente la abre a diario, no solo el curioso del equipo.
- Mejores preguntas. Pasan de «¿qué hace esto?» a «¿puedo usarlo para preparar los presupuestos de los lunes?».
- Tareas pequeñas más ágiles. Resúmenes, primeros borradores, ordenar información. Son mejoras reales, pero de poco volumen.
- Primeros errores detectados. Que alguien diga «esto que me ha dado no cuadra» es una buena noticia: significa que se está revisando.
Todo esto se comprueba con conversaciones breves con cada persona y con un recuento sencillo de quién usa qué. No requiere paneles ni informes.
Lo que tarda meses: los indicadores de negocio
Los números que importan a una dirección, como el tiempo de respuesta a un cliente, los presupuestos enviados, los errores al facturar o los plazos de entrega, dependen de procesos que atraviesan varias personas. Para que cambien no basta con que cada uno sepa usar una herramienta: hay que revisar cómo se hace el trabajo, quién hace qué y dónde entra la IA. Ese ajuste lleva su tiempo.
Además, los indicadores se mueven por muchas causas a la vez: la estacionalidad, una campaña, la baja de alguien, un cliente grande que entra o sale. Si comparas el mes siguiente a la formación con el mismo mes del año anterior, es difícil saber cuánto corresponde a la IA. Por eso conviene medir con cuidado y esperar a tener varios meses de recorrido antes de sacar conclusiones. Ya hablamos de cómo medirlo en cómo medir el impacto de la formación en IA.
Qué dicen los estudios sobre las expectativas
Los datos disponibles ayudan sobre todo a moderar el entusiasmo y a recordar que la formación es solo una parte del cambio.
- Según el NBER (2026), en una encuesta a casi 6.000 directivos de empresas de EE. UU., Reino Unido, Alemania y Australia, nueve de cada diez declaran que la IA no ha tenido impacto en el empleo ni en la productividad de su empresa en los últimos tres años, y esperan que en los próximos tres la productividad de su empresa aumente un 1,4 % de media. Son percepciones y expectativas de directivos, no mediciones.
- Según la encuesta AI at Work 2025 de BCG (junio de 2025), a líderes, mandos intermedios y empleados de oficina de varios países, solo un tercio de los empleados dice haber recibido la formación adecuada, y el uso regular de la IA es claramente mayor entre quienes reciben al menos cinco horas de formación y tienen acceso a formación presencial y coaching. Es una encuesta, no un experimento: quienes reciben más formación pueden diferir en otros aspectos.
- La OCDE (2025) recoge un estudio danés de Humlum y Vestergaard (2025) según el cual la formación y el apoyo del empleador aumentan de forma significativa el uso de la IA generativa por parte de los trabajadores, y los beneficios que obtienen (ahorro de tiempo, mejora de calidad, creatividad, ampliación de tareas y satisfacción laboral) son entre un 10 % y un 40 % mayores cuando el empleador fomenta su uso. Se refiere a trabajadores de ocupaciones expuestas a la IA en Dinamarca.
- Según el Work Trend Index 2026 de Microsoft, en una encuesta a 20.000 usuarios de IA en el trabajo de 10 mercados, los factores organizativos (cultura, apoyo de los jefes y prácticas de talento) explican un 67 % del impacto de la IA que declaran los usuarios, frente a un 32 % de los factores individuales como la actitud y el comportamiento. Ese «impacto» es un índice construido por la propia empresa a partir de lo que dicen los usuarios, y la encuesta la realiza una compañía que vende IA.
La lectura prudente es doble. Por un lado, la formación y el apoyo de la empresa parecen ir de la mano de un mejor uso. Por otro, ninguno de estos datos permite fijar un plazo para que «se note», y casi todos son percepciones declaradas. Tómalos como contexto, no como promesa.
Una tabla para fijar expectativas
| Horizonte | Qué se aprecia | Cómo comprobarlo | Cuidado con |
|---|---|---|---|
| Primeras semanas | Confianza, frecuencia de uso, dudas más concretas | Conversación breve con cada persona; recuento de quién usa qué | Confundir uso con resultado |
| Tras unos meses | Tiempo en tareas concretas, calidad de los borradores, errores detectados | Comparar una tarea medida antes y después, con el mismo criterio | Estacionalidad y cambios en la carga de trabajo |
| Más adelante | Indicadores de negocio: respuesta a clientes, plazos, errores, costes | Los mismos indicadores que ya vigilabas, sin inventar otros nuevos | Atribuir a la IA lo que se debe a otra causa |
Cómo no juzgar la inversión demasiado pronto
Unas pautas prácticas para que la evaluación sea justa:
- Escribe antes qué esperas. Dos o tres cosas concretas, por ejemplo «menos tiempo en el primer borrador de los presupuestos». Si no se define antes, después todo parece éxito o todo parece fracaso.
- Mide un punto de partida. Apunta cuánto se tarda hoy en esa tarea o cuántos errores se corrigen. Sin punto de partida no hay comparación.
- Haz dos revisiones. Una corta, pasadas las primeras semanas, para ver confianza y uso. Otra más profunda, pasados varios meses, para mirar tareas e indicadores.
- Da tiempo para practicar. Una sesión formativa sin ocasión de aplicarla al trabajo real se olvida. Los casos reales de tu negocio ayudan mucho.
- Implica a quienes dirigen equipos. Si los responsables no la usan ni la respaldan, el efecto de la formación se queda en el aula. En cómo formar al equipo de ventas para usar IA hay un ejemplo por puesto.
- Decide con criterio. Seguir, ajustar o parar son decisiones tuyas, tomadas con lo observado y no con una sola cifra. La IA puede ayudarte a ordenar los datos, pero no a decidir si la inversión ha merecido la pena.
También conviene empezar sabiendo de dónde parte tu equipo. Te puede servir repasar las competencias digitales de la plantilla, el punto de partida para la IA.
Fuentes
- NBER (2026): Firm Data on AI (NBER Working Paper 34836)
- Boston Consulting Group (2025): AI at Work 2025: Momentum Builds, but Gaps Remain
- OCDE (2025), citando a Humlum y Vestergaard: Generative AI and the SME Workforce: New Survey Evidence
- Microsoft (2026): 2026 Work Trend Index report: Agents, human agency, and opportunity
Conclusión
El efecto de una formación en IA no llega todo a la vez. En las primeras semanas se ve en la confianza y el uso; los indicadores de negocio necesitan meses, y solo se mueven si el trabajo cambia con ella. Fijar de antemano qué esperas y cómo lo vas a medir evita juzgar la inversión demasiado pronto o por motivos equivocados.
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.