Según el Work Trend Index 2024 de Microsoft y LinkedIn, solo el 39 % de las personas que usan IA en el trabajo había recibido formación en IA de su empresa. Es una encuesta autodeclarada a trabajadores cualificados de 31 países, así que conviene leerla con cautela, pero deja una idea clara: usar y haber sido formado son dos cosas distintas, y pueden darse por separado.
Lo contrario también ocurre, y es lo que más preocupa a quien paga el curso. Se hace la formación, la lista de asistencia sale completa, el equipo aplaude y tres meses después el trabajo se hace igual que antes. Este artículo analiza qué señales distinguen una adopción real de una formación de escaparate, cuáles son engañosas y cómo medirlas sin convertir la empresa en un lugar donde se vigila a la gente.
Por qué la asistencia no mide lo que importa
La asistencia mide logística: quién estuvo en la sala. No mide si alguien cambió algo en su trabajo. Tampoco lo hacen las horas de curso, los certificados o el número de licencias activadas. Son datos fáciles de conseguir y por eso se usan, pero describen la formación, no su efecto.
Los datos disponibles apuntan en la misma dirección. En el mismo estudio de 2024, solo una minoría de las empresas planeaba ofrecer formación en IA generativa ese año. Y en el Work Trend Index 2026, con 20.000 personas que ya usan IA en diez mercados (España no está incluida), los factores organizativos, como la cultura, el apoyo de los jefes y las prácticas de talento, explican más del doble del impacto declarado que los factores individuales: 67 % frente a 32 %. Es un índice construido por una empresa que vende IA a partir de lo que dicen los usuarios, no una medida objetiva, pero sugiere algo útil: que el impacto que notan los usuarios depende menos del entusiasmo de cada persona que de cómo se trabaja alrededor.
En esa misma encuesta de 2026, solo una minoría de los usuarios decía que se le recompensa por reinventar su trabajo con IA aunque no se alcancen los resultados. Si probar cosas nuevas no tiene respaldo, lo normal es que el uso se quede en lo seguro.
Siete señales de adopción real
Fíjate en que ninguna depende de un panel de control sofisticado. Casi todas se pueden recoger con una hoja de cálculo y una conversación.
| Señal | Qué indica | Cómo recogerla | Trampa habitual |
|---|---|---|---|
| Tareas del equipo que pasan por IA cada semana | Que el uso es habitual y no un experimento | Lista de tareas recurrentes y marca semanal del responsable | Contar inicios de sesión: alguien puede entrar y no hacer nada útil |
| Tareas rehechas | Si lo que se obtiene sirve o hay que repetirlo | Anotar cuántas veces por semana se rehace un resultado | Esconderlas por vergüenza; hay que normalizar que se rehaga |
| Preguntas al responsable | Que la gente se atreve a probar y se topa con casos reales | Registro breve de dudas, aunque sea una lista compartida | Medir solo la cantidad: lo que importa es que pasen de «cómo se enciende» a «cómo consigo que respete nuestro formato» |
| Materiales compartidos | Que el aprendizaje se queda en la empresa | Carpeta con plantillas e instrucciones que usa más de una persona | Una carpeta llena que nadie abre |
| Tiempo de revisión | Cuánto cuesta dar por bueno un resultado | Muestreo: cronometrar algunas tareas, incluida la revisión | Medir solo el tiempo de generar, no el de corregir |
| Variedad de usos | Que se pasa de una tarea a varias | Conversación trimestral: ¿qué haces ahora que antes no? | Premiar la cantidad de usos sin mirar si son útiles |
| Incidencias | Si hay datos que no debían salir o resultados enviados sin revisar | Canal sencillo para avisar, sin castigo | Que nadie avise por miedo |
Una cosa más antes de pasar a las aclaraciones: no todos los puestos necesitan el mismo nivel de uso. En administración puede ser razonable que varias tareas pasen por IA cada semana; en un puesto con poco trabajo de texto o de datos, usarla poco puede ser perfectamente correcto. El indicador no es «todo el mundo la usa mucho», sino «quien tiene tareas donde ayuda, la usa bien». Por eso conviene fijar con cada responsable qué tareas del puesto son candidatas, y medir sobre esas.
Dos aclaraciones sobre la tabla. La primera: casi todas las señales se miden por tarea o por equipo, no por persona. Importa saber qué procesos han cambiado, no quién ha entrado más veces. La segunda: ninguna señal sola vale. Un equipo puede reducir el tiempo de una tarea y a la vez repetir mucho el resultado; juntas dan una imagen más honesta.
Cómo recogerlas sin convertirlo en vigilancia
La medición tiene un riesgo evidente: que la gente sienta que la observan y empiece a esconder justo lo que quieres ver. Algunas reglas que ayudan:
- Di qué mides y para qué, antes de empezar. Y cumple lo que dices.
- Mide al equipo y la tarea, no a la persona. El objetivo es mejorar la formación y las herramientas, no puntuar a nadie.
- Usa una encuesta breve cada mes, de tres preguntas: qué has usado, qué te ha servido y qué te ha frenado.
- Haz una conversación de quince minutos con cada responsable de equipo cada trimestre. Ahí aparece lo que ningún número recoge.
- No uses estas señales para evaluar a personas. Las decisiones sobre contratar, promocionar o sancionar son humanas y tienen implicaciones legales; consúltalas con tu asesor laboral y no las apoyes en un panel de uso de IA.
Si una herramienta registra datos personales de uso, además hay que respetar la normativa de protección de datos. Consulta con tu asesor antes de poner nada en marcha.
Qué hacer cuando las señales salen mal
Un resultado flojo no significa que tu equipo sea reacio. Suele haber una causa concreta:
- No encuentran su caso de uso. El curso fue general y su trabajo, concreto. Solución: ejemplos del puesto, con documentos reales de la empresa.
- No tienen tiempo. Aprender algo nuevo cuesta horas al principio. Solución: reservar un hueco semanal protegido, de una hora, para practicar.
- Tienen miedo a quedar en evidencia o a ser sustituidos. Solución: hablarlo abiertamente; en Mis empleados tienen miedo a la IA hay ideas para ese diálogo.
- Sus jefes no la usan. Si quien dirige no la toca, el mensaje implícito es que no importa. Solución: que los responsables la usen y lo cuenten.
- Ya la usan, pero a escondidas. Es más frecuente de lo que parece; lo analizamos en IA en la sombra: por qué tus empleados la usan sin decírtelo.
Para profundizar en la medición, tienes Cómo medir el impacto de la formación en IA y Qué es la tasa de adopción interna de una herramienta de IA.
Fuentes
- Microsoft y LinkedIn (2024): 2024 Work Trend Index: AI at Work Is Here. Now Comes the Hard Part
- Microsoft (2026): 2026 Work Trend Index report: Agents, human agency, and the opportunity for every organization
Conclusión
Un curso no demuestra nada por haberse impartido. La adopción real se ve en lo que cambia en el trabajo diario: tareas que pasan por IA cada semana, resultados que se corrigen y se aprovechan, dudas que evolucionan y materiales que se comparten. Medirlo bien exige hacerlo por tarea y por equipo, con transparencia, y no usarlo para juzgar a personas.
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 más sobre nuestra formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.