Capacitación en IA: por qué formar a todos por igual es un error desde el principio

Puntos clave

‍

• La habilitación de IA es el esfuerzo continuo por establecer y mantener el uso de la IA en las operaciones. Se centra en transformar los procesos de trabajo en lugar de limitarse a proporcionar herramientas.

• Los programas de formación estándar enseñan las funciones de las herramientas sin abordar tareas laborales específicas. Esto deja a los equipos sin formas prácticas de aplicar la tecnología a su trabajo diario.

• Los programas eficaces de habilitación de IA identifican el uso actual y luego lo expanden. Incluyen casos de uso específicos para cada rol, una incorporación eficiente a nuevas herramientas, defensores internos, políticas claras y métricas para realizar un seguimiento de los cambios de comportamiento.

• Además de los datos de uso, debe comprender cómo aplican la IA los equipos, si siguen utilizándola después de la formación y si esto altera la naturaleza de su trabajo.

‍

Adquirir nueva tecnología es un proceso sencillo. La dificultad radica en lograr que los empleados adopten las herramientas. Muchas empresas fracasan en la habilitación de IA, que es la estrategia utilizada para integrar estas herramientas en las tareas laborales diarias.

La mayoría de los programas de formación tratan a todos los empleados como principiantes y solo registran la asistencia. Su organización no empieza desde cero. Algunos equipos ya han encontrado formas de utilizar las herramientas de IA con eficacia. Sin embargo, nadie ha identificado a estos equipos ni documentado sus métodos específicos.

‍
La habilitación comienza con estos principios. Esta guía explica por qué la formación fracasa cuando ignora el uso real. También abarca los componentes de un programa eficaz, cómo identificar las prácticas existentes que tienen éxito y los métodos de medición.

‍

¿Qué es la habilitación de IA?

‍

La habilitación de IA es el proceso continuo de convertir las inversiones en IA en cambios duraderos en los métodos de trabajo. No se limita al software en sí. La habilitación conecta la tecnología de IA con las tareas diarias para producir resultados medibles.

‍

Esta es una responsabilidad continua a medida que evoluciona su uso de la IA. La alfabetización en IA proporciona conocimientos básicos y la gobernanza de IA establece las reglas, pero la habilitación es el trabajo práctico de utilizar las herramientas de manera efectiva. Este proceso convierte la conciencia general en resultados específicos dentro de los flujos de trabajo diarios de sus equipos.

‍

La alfabetización explica las funciones de una herramienta. La gobernanza define las reglas para usarla. Ninguno de estos conceptos identifica la forma más eficaz de utilizar una herramienta para una tarea en particular. La habilitación existe para proporcionar esta orientación específica.

‍

Las empresas suelen tener dificultades con los programas de habilitación de IA porque pasan por alto estas distinciones. Con frecuencia implementan una nueva herramienta, realizan una sesión de formación y publican una política de IA con la expectativa de que la productividad aumentará de inmediato.

‍

Una habilitación eficaz requiere que comprenda cómo sus equipos están utilizando las herramientas de IA en su trabajo diario. El éxito adopta diversas formas según el departamento, como un desarrollo de software más rápido, una reducción en los tiempos de espera de soporte, transferencias más eficientes entre equipos o una producción de contenido más ágil.

‍

Debe identificar qué es lo que funciona actualmente y aprovechar ese impulso.

‍

Qué incluye un programa de capacitación en IA

‍

Puede utilizar estos componentes fundamentales para desarrollar un marco de trabajo de capacitación en IA que sea replicable:

‍

• Una base de referencia del uso actual. Antes de diseñar un programa, debe saber qué herramientas de IA se están utilizando, qué equipos las usan y con qué frecuencia. Muchos programas crean un plan de estudios antes de comprender cómo los empleados ya están utilizando sus herramientas.

‍

• Casos de uso específicos por rol en lugar de formación general. Las descripciones generales de las funciones de una herramienta o el contenido abstracto de capacitación no le muestran a un agente de soporte cómo cambiar su flujo de trabajo específico. Debe priorizar las responsabilidades laborales sobre las funciones de la herramienta al desarrollar casos de uso.

‍

• Un proceso definido para solicitudes y aprobaciones de herramientas. Los empleados a menudo encuentran herramientas útiles antes de que exista un programa formal. La capacitación requiere una forma rápida y sencilla de recibir y evaluar estas solicitudes. Esto evita que la exploración informal se convierta en un uso no autorizado de herramientas.

‍

• Promotores internos y un método para compartir sus conocimientos. Los equipos que ya obtienen valor de la IA son un recurso. La mayoría de las organizaciones no tienen una forma estructurada de utilizar esa experiencia. Esto hace que la información valiosa permanezca dentro de un solo equipo en lugar de ayudar al resto de la organización.

‍

• Directrices que se alineen con su política de gobernanza. La capacitación debe seguir sus reglas de gobernanza existentes. Tener dos conjuntos de reglas diferentes confunde a los empleados sobre lo que está permitido. Esto ralentiza la adopción y reduce el entusiasmo.

‍

• Una forma clara de medir el progreso. Muchos programas omiten este paso. Los certificados de finalización y el número de licencias son fáciles de rastrear, pero no demuestran si el comportamiento ha cambiado. Si mide las métricas incorrectas, basará su programa en suposiciones en lugar de en un impacto real.

‍

Si omite estos componentes, tendrá un programa de capacitación estándar en lugar de uno de habilitación; el conocimiento no cambia el comportamiento automáticamente. Debe evitar los programas que tratan a todos los empleados de la misma manera.

‍

Por qué la capacitación uniforme tiene un bajo rendimiento

‍

Los programas de capacitación uniforme enseñan herramientas sin considerar puestos específicos. En lugar de proporcionar casos de uso para roles concretos, estos programas ofrecen a los equipos instrucciones y descripciones generales genéricas que no se ajustan a sus flujos de trabajo. Cuando los equipos no saben cómo aplicar las herramientas a sus tareas diarias, vuelven a sus antiguas rutinas.

‍

Este problema es fácil de pasar por alto si solo mide el éxito mediante las tasas de finalización. Esa métrica solo demuestra que los empleados terminaron el plan de estudios. No muestra si los equipos cambiaron sus hábitos de trabajo o lograron resultados diferentes. Medir la finalización rastrea la asistencia, pero no captura el impacto posterior en el negocio.

‍

Toda empresa contiene indicadores útiles de éxito si sabe cómo encontrarlos. Algunos equipos ya han descubierto cómo utilizar la IA de manera efectiva, pero sus métodos permanecen ocultos porque nadie ha identificado quiénes son ni qué están haciendo de manera diferente.

‍

La mayoría de los líderes pueden rastrear las tasas generales de adopción de IA, pero no pueden identificar los equipos específicos que están creando valor. Esta información es necesaria para replicar los éxitos individuales en toda la organización.

‍

Estos equipos suelen estar avanzados porque adoptaron herramientas antes de que existieran programas formales o procesos de aprobación. Las herramientas de IA en la sombra proporcionan una prueba clara de la demanda existente. Por lo general, es más productivo identificar estas herramientas que detener su uso.

‍

Encontrar una solución pronto no significa automáticamente progreso. Lo que los diferencia es la diferencia entre adopción y absorción, el punto en el que la IA realmente comienza a transformar el trabajo diario.

‍

Tener acceso a una herramienta e integrarla activamente en el trabajo diario son dos hitos distintos, y pasar de uno a otro depende más de dónde empieces que de cuánta formación impartas.

‍

Empieza por donde ya funciona

‍

Una estrategia eficaz de adopción de IA comienza por identificar qué funciona antes de diseñar un curso. Esto significa utilizar los datos de uso como punto de partida, en lugar de verlos como algo que se revisa una vez iniciada la formación.

‍

Aquí tienes cinco pasos para lograrlo:

‍

1. Determina qué herramientas de IA se están utilizando realmente y por qué equipos. En lugar de fijarte en las licencias emitidas o las cuentas activadas, mide el uso real y continuo, desglosado por equipo y flujo de trabajo durante un periodo de tiempo significativo.‍

‍

2. Identifica dónde coincide el uso con un cambio en los resultados. Algunos equipos son más rápidos, otros tienen ciclos de trabajo más cortos o producen resultados más consistentes con menos revisiones. Busca dónde el uso y los resultados evolucionan a la par, en lugar de fijarte solo en dónde el uso es mayor. Un uso intensivo sin cambios en los resultados suele ser señal de experimentación, no de progreso real.

‍

3. Comprende qué hacen diferente esos equipos. Analiza los flujos de trabajo, no quién usa más la IA. ¿Qué ha cambiado en la forma de realizar el trabajo? ¿Qué pasos se han eliminado, reordenado o delegado por completo a la herramienta?

‍

4. Convierte eso en una capacitación específica para equipos similares. Utiliza lo que ya funciona como caso de uso, en lugar de crear uno desde cero, y adáptalo a las herramientas y limitaciones específicas que ya tiene cada uno de esos equipos.

‍

5. Vuelva a medir y conserve lo que haya cambiado. La capacitación es un proceso continuo que no termina con el lanzamiento. Evalúe periódicamente si los cambios se han mantenido constantes y ajuste el enfoque en aquellos equipos donde no haya sido así.

‍

Céntrese en los equipos y los flujos de trabajo, no en las personas. El objetivo es identificar lo que funciona y difundirlo, no crear una clasificación; esto también ayuda a que los equipos hablen abiertamente sobre su forma de trabajar en lugar de ocultarla.

‍

La mayoría de las implementaciones de IA se expanden más rápido que los flujos de trabajo que respaldan, que es precisamente la brecha que una auditoría estructurada está diseñada para detectar. Este marco de adopción de IA de 7 pasos para auditar la absorción, el riesgo y el retorno de la inversión detalla cómo ponderar ese riesgo y la preparación de los equipos con mayor profundidad.

‍

Qué medir

‍

Las tasas de finalización y la activación de licencias casi no dicen nada sobre si la capacitación funcionó. Solo indican que se realizó un lanzamiento, pero no si alguien cambió realmente su forma de trabajar.

‍

Esto es lo que debería medir en su lugar:

‍

Alcance del uso entre equipos: ¿El uso se limita a un grupo entusiasta de la organización o se está extendiendo a otros equipos y roles que realizan trabajos similares? Un programa que solo llega a los mismos usuarios pioneros no está escalando, sin importar cuán sólidos parezcan sus resultados iniciales.

‍

Persistencia del uso tras finalizar la formación: Un aumento en el uso justo después de un taller que se desvanece un mes después solo demuestra la asistencia, nada más. La verdadera prueba es si los equipos siguen usando la IA de la misma manera, o más, una vez que ha terminado el periodo de formación.

‍

Cambios en los resultados a lo largo del tiempo: Señales como ciclos de trabajo más rápidos, colas más cortas, menos errores y menos repetición de tareas confirman que el trabajo ha cambiado. Si no mide ningún cambio, es posible que los equipos estén usando la herramienta, pero operando de la misma manera que antes.

‍

Nada de esto aparece en un panel de aprendizaje y formación. Requiere analizar y evaluar datos precisos del flujo de trabajo que capturan mucho más que inicios de sesión o tasas de finalización.

‍

También vale la pena ser honestos sobre dónde ayuda la IA y dónde no. Algunas tareas muestran ganancias tangibles mientras que otras no muestran ninguna, por lo que la medición a nivel de equipo es más importante que la adopción en toda la organización.

‍

De dónde proviene el panorama de uso

‍

Ninguna de estas estrategias funciona sin responder a una pregunta sencilla: ¿Quién está usando realmente la IA y dónde? Encontrar a los equipos que ya están a la vanguardia requiere ver el uso con claridad desde el principio. El número de licencias y el uso autodeclarado no son suficientes para construir una base sólida para la capacitación. Necesita datos claros de la fuerza laboral para ver cómo se están utilizando realmente las herramientas.

‍

El análisis de la fuerza laboral de Insightful incluye un informe de adopción de IA que muestra qué herramientas de IA están en uso, desglosadas por equipo. Esta visibilidad le brinda un mejor punto de partida, basado en la realidad diaria de cómo se realiza el trabajo.

‍

En lugar de evaluar a las personas, ofrece información a nivel de equipo: qué herramientas se han consolidado, cuáles siguen estancadas y cuáles nunca llegaron a despegar. A partir de ahí, puedes descubrir el valor existente y crear un programa que puedas demostrar, defender y escalar.

‍

Este informe es solo el mapa inicial para empezar a construir, no un programa de formación. Una tasa de finalización puede verse bien sobre el papel, pero lo que realmente le interesa a la junta directiva es si está generando resultados. Entender por qué el uso es como es y decidir qué hacer a continuación es algo que aún debe ocurrir.

‍

El manual de auditoría de adopción de IA ayuda con esa parte más compleja. Comprenda cómo es la verdadera integración de la IA, desde señales de flujo de trabajo procesables hasta el comportamiento de los usuarios avanzados.

‍

Empiece por lo que ya funciona

‍

Formar a todos por igual, desde cero, trata a cada equipo como si fuera una pizarra en blanco, lo cual rara vez es cierto. En algún lugar de su organización, hay equipos que ya están aprovechando el valor de la IA para trabajar más rápido y eliminar fricciones en su día a día, y ese es un punto de partida valioso que la mayoría de los programas pasan por alto por completo.

‍

La capacitación funciona mejor cuando comienza identificando a esos equipos, entendiendo qué cambiaron y construyendo el resto del programa en torno a ello. Escribir un plan de estudios primero y esperar que funcione no le acercará a transformar los flujos de trabajo con IA.

‍

Antes de diseñar su próximo despliegue de formación, observe qué herramientas de IA se están utilizando realmente en sus equipos y dónde está teniendo impacto ese uso. Esa respuesta será distinta a lo que la mayoría de los equipos directivos esperan, y es un punto de partida mucho mejor.

‍

Preguntas frecuentes

‍

¿Qué es la capacitación en IA?

La capacitación en IA es el trabajo continuo de convertir las herramientas de IA que una organización ya ha adoptado en cambios reales y sostenibles en la forma en que se realiza el trabajo. Más que un evento de formación o un documento de políticas, ayuda a cerrar la brecha entre el acceso a una herramienta y su uso activo en los flujos de trabajo para generar resultados medibles. 

‍

¿Qué significa que un equipo esté habilitado para IA?

Estar habilitado para IA significa que los flujos de trabajo de un equipo han cambiado debido a la IA, no solo que las personas tengan acceso a ella o la utilicen ocasionalmente. Este impacto puede manifestarse en ciclos más rápidos, colas de espera más cortas o menos trabajo repetitivo en los procesos donde interviene la IA. El acceso y la formación son requisitos previos, pero el resultado es una transformación en la forma en que se realiza el trabajo. 

‍

¿Cuál es la diferencia entre habilitación para IA y adopción de IA?

La adopción de IA mide si las personas tienen acceso a una herramienta y si la utilizan. La habilitación para IA es el trabajo deliberado de convertir ese acceso en flujos de trabajo modificados en equipos similares. Un equipo puede mostrar una alta adopción, lo que significa inicios de sesión frecuentes y licencias activas, mientras que la habilitación permanece prácticamente en cero porque nada ha cambiado en la ejecución real del trabajo.

‍

¿Qué incluye un programa de habilitación para IA?

Los programas de habilitación eficaces incluyen una evaluación inicial del uso actual, casos de uso específicos para cada rol, una vía de aprobación rápida para nuevas herramientas, promotores internos con un método para compartir lo aprendido, directrices basadas en la política de gobernanza existente y una medición clara de si el comportamiento ha cambiado.

‍

¿Cómo se mide la habilitación para IA?

Mida si el trabajo ha cambiado, no si las personas terminaron la formación. Observe la amplitud de uso en equipos similares, si el uso persiste después de finalizar el periodo de formación y el impacto en los resultados, como ciclos más rápidos, colas más cortas o menos trabajo repetitivo. Las tasas de finalización y el número de licencias muestran la adopción, no si el trabajo en sí ha cambiado.

‍

¿Quién es responsable de la habilitación para IA? 

La responsabilidad varía según la organización, ya que la habilitación para IA abarca la estrategia, la tecnología y la gestión del cambio. Por lo general, se integra en los departamentos de Formación y Desarrollo, TI o en un equipo interfuncional creado específicamente para la habilitación. Esta labor es lo suficientemente reciente como para que la mayoría de las organizaciones sigan definiendo sus límites sobre la marcha.

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍