Un estudio que produce simulaciones en realidad virtual para formación corporativa —un protocolo de seguridad en planta, una conversación difícil con un cliente, el manejo de una máquina que no se puede parar para practicar— vive en un equilibrio incómodo: tiene algo de estudio creativo, algo de empresa de software y algo de servicio técnico. Lo más visible es el modelado 3D y el desarrollo de la escena, pero el tiempo se escapa en otros sitios: sacar información útil a un experto del cliente que solo dispone de media hora, saber qué versión de la escena ha visto cada persona, dejar una flota de visores lista para el día de la formación y responder al departamento de RR. HH. cuando pregunta cómo le fue al grupo.
Ahí es donde un equipo de agentes de IA puede quitar fricción sin tocar lo que hace valiosa la simulación: el diseño pedagógico y la mano del equipo creativo. Si buscas una visión más general de las dudas habituales de cualquier empresa del sector, tenemos aparte un FAQ sobre IA en empresas de realidad virtual y aumentada; aquí nos centramos en el estudio que produce formación a medida.
Convertir la reunión con el experto en un briefing utilizable
Toda simulación parte de un conocimiento que está en la cabeza de alguien de la empresa cliente: el jefe de mantenimiento que sabe en qué orden se bloquea una línea, la responsable comercial que ha vivido cien negociaciones complicadas. Ese conocimiento llega al estudio en forma de reuniones, audios, procedimientos en PDF y un correo con adjuntos que nadie ha ordenado.
Un agente puede transcribir las sesiones, cruzarlas con la documentación que comparte el cliente y preparar un borrador de briefing con los pasos del procedimiento, los errores habituales y las decisiones que el alumno tendrá que tomar dentro de la escena. También puede señalar los huecos: «este paso aparece en el manual, pero nadie lo ha explicado en la reunión». El guionista revisa, corrige y decide qué se convierte en interacción. Al agente le toca ordenar y preguntar por lo que falta, no diseñar la experiencia.
Revisiones: saber qué cambió, por qué y quién lo pidió
En este tipo de proyectos las revisiones son constantes. El cliente ve la primera versión y pide que el pasillo sea el de su planta real, que se cambie la señalética, que un diálogo suene menos corporativo. Los comentarios llegan por correo, por videollamada y por mensajes sueltos, y a veces se contradicen entre sí.
Un agente puede recoger cada petición, asociarla a la escena y a la versión correspondiente, detectar contradicciones («legal quiere añadir esta advertencia, formación quiere quitarla») y mantener una lista de cambios pendientes que el equipo técnico consulta sin releer hilos de correo. Y cuando el cliente pregunta por qué se modificó algo dos versiones atrás, la respuesta está en el registro, no en la memoria de alguien.
Imaginemos un estudio con varios proyectos abiertos a la vez para clientes de sectores distintos. Sin un registro ordenado, cada cambio depende de que alguien recuerde el contexto; con él, quien retoma una escena después de una semana entiende en minutos qué quedó a medias.
Preparar y vigilar los visores el día de la formación
Cuando la simulación sale del estudio aparece un problema que poco tiene de creativo: hay que tener los visores cargados, con la versión correcta de la aplicación, conectados a la red de la sala y listos a una hora concreta. Y si en mitad de la sesión uno pierde el seguimiento o se queda sin batería, quien llama al estudio es un responsable de formación con un grupo esperando.
Un agente puede llevar el inventario de dispositivos de cada cliente, comprobar antes de cada sesión qué versión tiene instalada cada visor y avisar de los que están desactualizados. También puede ofrecer una primera guía al que llama con un problema conocido —recalibrar la zona de juego, reiniciar el seguimiento de manos, reconectar a la red— antes de escalar a un técnico. Las incidencias raras siguen siendo para las personas; las de siempre no deberían ocupar a un especialista.
Analítica de aprendizaje que alguien pueda leer
Una de las promesas de la formación en RV es poder observar lo que hace cada persona dentro de la escena: por dónde miró, qué decisión tomó, cuánto tardó, en qué paso se equivocó. El problema es que esos datos suelen llegar al cliente como una tabla larga que nadie en formación sabe interpretar.
Un agente puede leer los resultados de un grupo y redactar un resumen en lenguaje llano: en qué punto falló la mayoría, qué pasos se saltaron con más frecuencia, qué escenario merece otra pasada. Conviene dejar claro que se trata de observaciones sobre el rendimiento en la simulación, no de una evaluación laboral de las personas, y tratar esos datos con las condiciones de protección de datos que el cliente haya fijado. Con esos resúmenes, además, el estudio puede proponer ajustes para la siguiente versión de la escena, cerrando el círculo entre lo que se enseña y lo que realmente se aprende.
Estimar la siguiente escena con lo que ya se sabe
Cuando el cliente pide «otra simulación como la anterior, pero para otra planta» o «esta misma en dos idiomas más», el estudio tiene que estimar el esfuerzo con información dispersa de proyectos previos. Un agente puede consultar el histórico —qué componentes se reutilizaron, dónde hubo más retrabajo, cuántas rondas de revisión tuvo cada escena— y preparar un primer borrador de presupuesto para que el responsable lo ajuste con su criterio.
No sustituye la decisión comercial, pero evita empezar de cero cada vez. Este mismo enfoque de aprovechar lo aprendido en proyectos anteriores lo desarrollamos, para otro tipo de estudio creativo, en nuestro artículo sobre productoras audiovisuales.
Conclusión
Un estudio de realidad virtual para formación corporativa no necesita que una IA diseñe sus simulaciones. Necesita que el conocimiento del experto llegue ordenado al guion, que las revisiones no se pierdan entre correos, que los visores funcionen el día de la sesión y que los datos de aprendizaje acaben en una explicación que el cliente entienda. Todo eso es trabajo repetitivo y detallista, justo el que un equipo de agentes hace bien y las personas del estudio prefieren no hacer.
En MG Solutions construimos agentes de IA específicos para cada empresa, a partir de cómo trabaja de verdad su estudio, sus clientes y sus herramientas, no una plantilla genérica que hay que forzar para que encaje.
Si quieres ver qué encajaría en tu estudio, cuéntanos cómo trabajas y lo estudiamos contigo.