Hay una paradoja incómoda en muchas empresas que deciden formar a toda la plantilla en IA: se encarga el diseño del programa al equipo de formación interna (L&D, RRHH formativo, como se llame en cada organización) sin haberse preguntado antes si ese equipo tiene, a su vez, la formación necesaria para diseñar bien ese programa. Es la diferencia entre pedirle a alguien que enseñe una materia y asegurarse primero de que la domina.
Este artículo no trata sobre qué formación en IA necesita "la plantilla en general" —eso depende de cada rol, como hemos tratado en los programas por departamento de director de marketing o de director de RRHH—, sino específicamente qué necesita el equipo que va a diseñar y dar esa formación al resto.
Por qué el equipo de formación interna tiene un reto distinto al resto
Cualquier otro departamento aprende IA para aplicarla a su propio trabajo: el equipo comercial aprende a usarla para prospección, el financiero para análisis. El equipo de formación interna tiene una capa adicional: no le basta con saber usar la IA, tiene que ser capaz de explicarla, estructurarla en un programa progresivo y adaptarla a públicos con niveles de partida y funciones muy distintas dentro de la misma empresa. Eso exige una comprensión más profunda que la de un usuario final, aunque no necesite llegar al nivel de un especialista técnico.
Además, la IA cambia de forma más rápida que la mayoría de las materias que este equipo ha formado hasta ahora. Un programa de formación en IA diseñado hace un año puede estar ya desactualizado en sus ejemplos y herramientas, algo que rara vez ocurre con formaciones más estables como la de gestión del tiempo o la de atención al cliente clásica.
Las cuatro competencias que necesita este equipo, más allá del contenido
Entender los fundamentos suficientes para explicar el "por qué", no solo el "cómo". No hace falta que el equipo de formación entienda cómo funciona internamente un modelo de lenguaje, pero sí necesita entender por qué a veces se equivoca (las llamadas alucinaciones), por qué el resultado depende tanto de cómo se formula la petición, y por qué distintas herramientas de IA no son intercambiables entre sí. Sin esta base, el programa se queda en "aprieta este botón" sin dar a los empleados criterio propio para cuando la herramienta cambie.
Diseño instruccional adaptado a una materia que se percibe con ansiedad. La IA genera, en muchos empleados, una mezcla de curiosidad y miedo a quedar desplazados. Un buen diseño de formación en esta materia concreta necesita abordar esa ansiedad de forma directa, no ignorarla, y mostrar la IA como una herramienta que cambia el contenido del trabajo, no como una amenaza abstracta.
Capacidad de segmentar por función real, no por departamento. Un mismo departamento comercial puede tener perfiles con necesidades de formación muy distintas: quien negocia grandes cuentas necesita algo distinto de quien hace prospección en frío. El equipo de formación interna necesita aprender a segmentar por tarea real, no solo por organigrama, para que la formación no resulte ni demasiado básica ni demasiado avanzada para cada perfil.
Medición de impacto más allá de la asistencia a la sesión. La métrica tradicional de formación —cuántas personas asistieron y qué nota pusieron a la sesión— dice poco sobre si de verdad han incorporado la IA a su trabajo diario. El equipo necesita aprender a medir adopción real: si las personas formadas usan la herramienta semanas después, y si eso se traduce en ahorro de tiempo medible.
Cómo estructurar la formación de este equipo en concreto
Un programa realista empieza por una fase de uso personal antes que de diseño de contenidos: cada miembro del equipo de formación debe haber usado IA de forma sostenida en su propio trabajo —preparar materiales, redactar comunicaciones internas, analizar resultados de encuestas de formación— antes de diseñar un programa para explicárselo a otros. Es difícil enseñar con criterio algo que no se ha probado de primera mano.
La segunda fase debería centrarse en metodología de formación específica para IA: cómo diseñar ejercicios prácticos con casos reales de la empresa en lugar de ejemplos genéricos, cómo estructurar sesiones cortas y repetidas en el tiempo en lugar de una única sesión intensiva que se olvida a las pocas semanas, y cómo crear materiales de referencia que la gente pueda consultar después, dado lo rápido que cambian las herramientas concretas.
La tercera fase, más avanzada, debería cubrir cómo medir la adopción real tras la formación y cómo ajustar el programa según esos resultados, cerrando el ciclo entre diseñar, formar y medir.
El riesgo de saltarse este paso
Cuando una empresa encarga formación en IA al equipo de L&D sin haber invertido antes en la propia formación de ese equipo, el resultado habitual es un programa correcto en la superficie —diapositivas bien hechas, buena logística— pero superficial en el contenido, que no resuelve las dudas reales que surgen cuando alguien empieza a usar IA en su trabajo del día a día. El síntoma más claro de este problema es una formación con buena valoración en la encuesta de satisfacción y ninguna adopción real semanas después.
Conclusión
Antes de pedirle al equipo de formación interna que enseñe IA al resto de la empresa, tiene sentido invertir primero en que ese equipo la use, la entienda y aprenda a medir su impacto. Es un paso que se salta con frecuencia por prisa, y es precisamente el que determina si el programa de formación resultante cambia algo en el día a día de la empresa o se queda en una sesión bien valorada y pronto olvidada.
En MG Solutions ayudamos a equipos de formación interna a dar este primer paso antes de diseñar el programa para el resto de la plantilla. Si quieres valorar el tuyo, reserva una primera reunión.