Tiempo estimado de lectura: 10 minutos.
Esto puede que no guste, pero con la inteligencia artificial está ocurriendo lo mismo que con tantos otros procesos de transformación empresarial: algunas organizaciones pasan de puntillas, destinan pocos recursos y ponen en marcha iniciativas sin un plan claro ni tiempo disponible para desarrollarlas.
Parece que esperamos que nuestros profesionales vengan con la lección aprendida de casa, que investiguen por su cuenta y que, además de atender sus responsabilidades habituales, encuentren tiempo para descubrir cómo mejorar los procesos de la empresa.
Y después nos sorprende que los resultados no lleguen.
Ah, sí, también vino un gurú de la IA, nos habló durante un par de horas, nos enseñó herramientas increíbles y nos explicó cómo iba a cambiar nuestra forma de trabajar.
¿Os suena?
No cuestionamos el valor de estas iniciativas. Una buena conferencia puede despertar interés y un curso introductorio puede proporcionar conocimientos útiles. El problema aparece cuando confundimos estas acciones con un verdadero proceso de adopción tecnológica. Sin personas que trabajen en el proyecto, recursos, organización y tiempo para aplicar lo aprendido, difícilmente podemos esperar grandes resultados.
Comprar licencias o impartir formación es relativamente sencillo. Conseguir que la inteligencia artificial mejore el funcionamiento de una empresa requiere algo más.
1. Utilizar IA no significa haber transformado nuestra organización.
Los datos internacionales reflejan esta realidad. Según el informe The State of AI in 2025, de McKinsey, elaborado a partir de una encuesta a 1.993 participantes de distintas organizaciones, el 88 % afirma que su empresa utiliza inteligencia artificial en al menos una función de negocio. Sin embargo, únicamente el 7 % de los encuestados indica que la IA se encuentra plenamente implantada en toda su organización (Singla et al., 2025).
La distancia entre experimentar con la tecnología e integrarla en los procesos empresariales sigue siendo considerable.
Por otra parte, el Foro Económico Mundial señala en su informe Future of Jobs 2025 que el 77 % de los empleadores encuestados prevé desarrollar programas de actualización y mejora de las competencias de sus trabajadores para adaptarse a la inteligencia artificial antes de 2030 (World Economic Forum, 2025).
Las empresas reconocen la necesidad de formar a sus equipos, pero debemos preguntarnos cómo estamos abordando esa formación y, especialmente, qué resultados esperamos obtener. Podemos tener profesionales que utilizan diariamente herramientas de IA y, al mismo tiempo, mantener procesos ineficientes, información dispersa entre departamentos y tareas repetitivas que siguen consumiendo demasiadas horas. Porque una cosa es utilizar inteligencia artificial y otra conseguir que su utilización genere valor para la organización.
Para avanzar necesitamos conocer nuestros procesos, identificar oportunidades, desarrollar las competencias adecuadas y establecer mecanismos de seguimiento. Y eso no se resuelve exclusivamente comprando licencias o impartiendo cursos.
2. La formación in company: conocer primero, formar después.
Una de las principales ventajas de la formación in company es la posibilidad de adaptar el aprendizaje a las necesidades reales de cada organización. Pero para hacerlo correctamente necesitamos información. ¿Conocemos el nivel de nuestros profesionales? ¿Qué herramientas están utilizando? ¿Qué tareas les ocupan más tiempo? ¿Qué procesos podríamos mejorar? ¿Qué dificultades encuentran para incorporar la IA a su trabajo?
No todos los departamentos necesitan la misma formación ni todos los profesionales parten del mismo nivel. Un equipo comercial puede necesitar mejorar la preparación de propuestas y el análisis de clientes. Un departamento financiero puede encontrar oportunidades en el tratamiento de datos, mientras que un equipo de recursos humanos puede centrarse en la gestión documental o los procesos de selección.
Incluso dentro de una misma área, las necesidades pueden ser muy diferentes. La formación a medida comienza por identificar qué necesita aprender cada colectivo y qué problemas queremos ayudarle a resolver.
Por eso, antes de diseñar un programa, resulta conveniente realizar un diagnóstico proporcionado a los objetivos del proyecto. Para ello podemos utilizar cuestionarios específicos por áreas, entrevistas con responsables y sesiones de trabajo para identificar conocimientos, necesidades, tareas repetitivas y oportunidades de aplicación.
Este análisis permite establecer prioridades, adaptar los contenidos y disponer de un punto de partida para evaluar los resultados posteriores. Sin esa información corremos el riesgo de invertir en formación que, aun siendo interesante, tenga una aplicación limitada en el trabajo diario.
3. No todas las empresas necesitan llegar al mismo nivel de adopción.
Conviene tener presente que cada organización debe determinar hasta dónde quiere avanzar con la inteligencia artificial. La formación básica puede ser suficiente para aquellas empresas que buscan familiarizar a sus profesionales con las herramientas disponibles y mejorar su productividad individual. Otras necesitarán programas más avanzados para optimizar procesos, mejorar la colaboración entre departamentos o desarrollar soluciones de automatización.
En OPEM Universidades lo aplicamos en nuestros cllientes porque compartimos que es posible construir un itinerario progresivo de adopción de IA, adaptado a la situación, los recursos y los objetivos de cada empresa. Este itinerario puede contemplar cuatro niveles de desarrollo.
Nivel 1. Alfabetización y uso responsable. Adquirir conocimientos fundamentales sobre IA, aprender a utilizar las herramientas disponibles, desarrollar habilidades de prompting y comprender sus limitaciones, riesgos y condiciones de uso seguro.
Nivel 2. Aplicación práctica al puesto de trabajo. Trabajar con casos reales de cada departamento, identificando cómo utilizar la IA para mejorar tareas concretas y desarrollar la autonomía de los profesionales.
Nivel 3. Productividad y mejora de procesos. Analizar los flujos de trabajo, identificar oportunidades de mejora, compartir conocimiento entre equipos y rediseñar procedimientos para aprovechar las capacidades de la IA.
Nivel 4. Automatización e integración avanzada. Desarrollar soluciones específicas, automatizar procesos e incorporar agentes de IA cuando su utilidad, viabilidad y retorno justifiquen la inversión.
No todas las organizaciones necesitan alcanzar el cuarto nivel. Tampoco todos sus profesionales deben recibir una formación avanzada. Lo importante es establecer un camino coherente, evitando invertir en funcionalidades que todavía no necesitamos o que nuestros equipos no están preparados para utilizar. Porqué al final la tecnología debe responder a las necesidades de la empresa, no determinar por sí sola nuestras prioridades.
4. ¿Qué pasos debería contemplar un buen plan de adopción de IA?.
Cuando una empresa quiere avanzar más allá de la formación básica, proponemos estructurar el proyecto en seis fases. No se trata de establecer un modelo rígido. Su alcance y duración dependerán de la organización y de los objetivos que se quieran alcanzar.
1. Validar y alinear. Establecer qué queremos conseguir con la IA, identificar responsables y comprobar que disponemos de las herramientas, licencias y condiciones tecnológicas necesarias. La dirección y los equipos de tecnología deben participar desde el principio.
2. Comunicar e implicar. Explicar a los profesionales los objetivos del proyecto, cómo se desarrollará y qué se espera de su participación. Los responsables deben facilitar el tiempo y los recursos necesarios para trabajar en él.
3. Diagnosticar y priorizar. Analizar los conocimientos, herramientas y necesidades de cada área. Identificar los procesos con mayores oportunidades de mejora y establecer indicadores que permitan medir la situación inicial.
4. Nivelar y diseñar la formación. Adaptar los contenidos a los distintos colectivos, asegurando que los participantes disponen de una base suficiente antes de abordar herramientas y aplicaciones más avanzadas.
5. Formar y aplicar. Trabajar con ejercicios y casos reales de la empresa. Cada participante o equipo debe identificar aplicaciones concretas y desarrollar compromisos de mejora que puedan trasladarse a su actividad habitual.
6. Evaluar y dar continuidad. Revisar los resultados, comprobar qué conocimientos se están aplicando, identificar dificultades y establecer nuevas prioridades. El seguimiento permitirá decidir dónde reforzar la formación, qué soluciones ampliar y qué proyectos no merece la pena continuar.
El diagnóstico, la formación y la evaluación no deberían funcionar como actividades independientes, sino como partes de un mismo proceso. El objetivo no es únicamente que los profesionales aprendan a utilizar determinadas herramientas, sino que la empresa desarrolle capacidades que permanezcan en la organización.
5. El seguimiento cuesta tiempo y dinero. ¿Cuánto cuesta no hacerlo?.
Un programa de formación que incorpora diagnóstico, personalización y seguimiento requiere una inversión superior a una acción puntual. Sin embargo, ¿medimos el coste de no aprovechar lo aprendido?. ¿Cuánto representan las licencias que apenas se utilizan?. ¿Qué coste tiene mantener procesos ineficientes?. ¿Qué retorno estamos obteniendo de la formación que ya hemos realizado?.
Un estudio de Brynjolfsson, Li y Raymond, publicado en The Quarterly Journal of Economics en 2025, analizó la incorporación de un asistente de IA en el trabajo de 5.172 profesionales de atención al cliente. Los resultados mostraron un incremento medio del 15 % en las incidencias resueltas por hora, con mejoras especialmente significativas entre los trabajadores menos experimentados (Brynjolfsson et al., 2025). Los resultados corresponden a una actividad y una solución tecnológica concretas. No pueden generalizarse automáticamente a cualquier empresa, pero muestran que es posible obtener mejoras de productividad medibles y que el impacto de la IA varía según los perfiles profesionales.
¿Cómo medimos el retorno de la formación?.
No necesitamos indicadores complejos. Podemos comenzar seleccionando dos o tres procesos prioritarios, estableciendo una medición inicial y evaluando los resultados después de la formación. Por ejemplo, si conseguimos ahorrar seis minutos diarios a cuarenta profesionales durante doscientos días de trabajo, estaríamos hablando de 800 horas de trabajo potencialmente liberadas al año. Es un ejemplo hipotético, no un ahorro económico automático. Para conocer el retorno real debemos comprobar que la mejora se mantiene, que no aumenta el tiempo de revisión y que las horas liberadas se aprovechan en actividades de mayor valor.
También debemos considerar los costes de formación, licencias e implantación. Además del tiempo, podemos medir la reducción de errores, la calidad del trabajo, la autonomía de los profesionales o la mejora del servicio. La clave es establecer qué queremos mejorar, medir la situación inicial y comprobar qué hemos conseguido. Así podremos identificar qué inversiones están generando valor y dónde merece la pena seguir avanzando.
6. La formación debe generar autonomía, no dependencia.
Un buen programa debe conseguir que los profesionales apliquen lo aprendido, compartan experiencias y desarrollen nuevas capacidades dentro de la organización. Para ello, podemos incorporar tutorías, sesiones prácticas de seguimiento, repositorios de casos de uso o profesionales de referencia que faciliten la transferencia del conocimiento entre equipos. El objetivo es que la empresa desarrolle progresivamente sus propias capacidades y reduzca la necesidad de acompañamiento externo. Pero esto requiere una condición fundamental: asignar tiempo y recursos a las personas que deben impulsar el proyecto.
No podemos pedir a nuestros equipos que investiguen, experimenten y mejoren los procesos mientras mantienen todas sus responsabilidades habituales, sin dedicar tiempo específico a estas actividades. La dirección debe establecer prioridades, asignar responsabilidades y facilitar los medios necesarios para que la formación se traduzca en mejoras reales.
La formación con criterio: invertir para conseguir resultados.
En OPEM Universidades entendemos que la formación in company en inteligencia artificial debe responder a las necesidades concretas de cada organización. No todas las empresas necesitan llegar al mismo nivel. Algunas encontrarán un retorno suficiente en la formación básica y la mejora de la productividad individual. Otras necesitarán avanzar hacia la optimización de procesos, la automatización y la integración de la IA en su modelo de trabajo.
En ambos casos, el camino debe ser coherente con sus objetivos y recursos. Por eso, nuestro enfoque combina diagnóstico, formación práctica adaptada, seguimiento y medición de resultados.
Comprar licencias no es transformar una empresa. Impartir formación, por sí solo, tampoco.
La transformación comienza cuando una organización decide qué quiere mejorar, proporciona a sus profesionales los conocimientos y recursos necesarios y comprueba si está consiguiendo los resultados esperados. Esto requiere tiempo y dinero, pero permite invertir con criterio, corregir lo que no funciona y desarrollar capacidades que generen valor a largo plazo.
Porque, al final, la pregunta no es cuánto nos cuesta formar a nuestros profesionales en inteligencia artificial, sino qué estamos consiguiendo con esa inversión y cuánto nos cuesta no aprovecharla.
Dicen que, para conocer las verdaderas prioridades de una organización, basta con seguir el dinero. Yo añadiría que también hay que seguir el tiempo que dedica a sus profesionales. Porque sin recursos, compromiso y personas implicadas, la transformación se queda en un buen discurso.
José Antonio Carrión
DIRECTOR DE PROGRAMAS.
