Qué falla en una formación de IA cuando falla

Casi todas las formaciones de IA que salen mal se parecen entre sí. No fallan por el temario ni porque el formador explique mal: fallan porque el día sale bien y la semana siguiente no cambia nada. La gente sale comentando lo impresionante que es aquello y el lunes trabaja exactamente igual que el lunes anterior.

Este artículo no va de lo que hace mal la competencia: va de los modos de fallo propios de esta disciplina —y del sistema de incentivos que empuja hacia ellos, en el que estoy yo igual que cualquier otro— y de las decisiones que los evitan. Quien está a punto de contratar una formación en IA suele comparar temarios y presupuestos, y el temario casi nunca decide si esto va a servir de algo. El lado constructivo, cómo intento evitarlos, está en la página de metodología; aquí me interesa el diagnóstico.

Fallo 1: la formación se diseña como un espectáculo

Lo que más falla, con diferencia, es hacer una formación espectacular pero desconectada del trabajo real: muchas demos, muchas herramientas, muchos prompts vistosos y ningún proceso del alumno encima de la mesa.

Es un error fácil de cometer: tiene premio inmediato. Una demo bien elegida —cuarenta páginas resumidas en veinte segundos, una tabla que se ordena sola— produce una reacción física en la sala, y la encuesta de satisfacción la recoge. Todo el sistema de incentivos empuja hacia ahí.

El problema es que el espectáculo enseña lo que la herramienta puede hacer, no lo que esta persona concreta va a hacer con ella el martes por la mañana. Lo segundo es mucho menos lucido: pararse en un correo de reclamación aburrido, con el tono de la casa y las restricciones que tiene, y trabajarlo hasta que salga bien.

Para mí una buena formación termina con menos «wow» y más cosas concretas que el equipo puede volver a hacer sin el formador delante. Es un criterio incómodo, porque el «wow» se ve al salir del aula y lo otro no se sabe hasta tres semanas después.

Fallo 2: enseñar veinte herramientas en vez de conseguir tres usos

El segundo error es de ambición mal colocada: enseñar veinte aplicaciones en vez de conseguir que cada persona domine dos o tres usos que repetirá al día siguiente.

Un temario con veinte herramientas parece más completo y se vende mejor: el catálogo cabe en una diapositiva y da sensación de cobertura. El efecto sobre el alumno es el contrario: veinte nombres nuevos, veinte interfaces y ninguna trabajada con la profundidad suficiente para atreverse a usarla con un documento que importe. La sensación al salir es de haber visto mucho; la capacidad real, la de siempre.

Tres usos bien trabajados hacen más. Y no cualquier tres: los que esa persona repite cada semana —redactar la primera versión de una respuesta a un cliente, convertir notas de una reunión en un acta con la estructura de la casa, revisar un texto largo buscando lo que afecta a su área—. Cuando un uso se repite cinco veces, deja de ser algo que se vio en un curso y pasa a ser una forma de trabajar.

De ahí sale una prueba rápida: si el temario que te pasan tiene más nombres de aplicaciones que tareas de tu equipo, está diseñado para parecer completo, no para que alguien cambie de forma de trabajar. En cómo elegir un curso de IA para tu empresa hay más señales así.

Fallo 3: nadie llega a tocar el trabajo real del alumno

El tercer fallo es que la formación entera transcurra sobre casos inventados. «Imagina que eres el responsable de marketing de una tienda de bicicletas» sirve para explicar un concepto en dos minutos y para poco más.

El ejemplo de manual está limpio: contexto breve, objetivo claro, ninguna restricción rara. El documento real no. Tiene un formato heredado que nadie recuerda por qué es así, apartados obligatorios por normativa, un tono que la casa lleva años usando y un destinatario que se molesta si le tratan de tú. Ahí es donde la IA falla, y ahí hay que estar cuando falla, porque es el momento en que se aprende algo.

Trabajar con material real tiene coste, y por eso se evita: hay que pedirlo antes, leerlo, preparar ejercicios distintos para cada grupo y resolver la privacidad —qué se puede subir, qué hay que anonimizar y qué no sale de casa bajo ningún concepto—. Ese coste es la diferencia entre una formación reutilizable tal cual y una que no lo es.

Fallo 4: confundir entusiasmo con adopción

Y aquí conviene ser preciso con lo que mide cada cosa. Una encuesta de satisfacción rellenada al terminar la sesión pregunta, en el fondo, si la jornada resultó interesante. Es una pregunta legítima, pero no es la misma que si alguien ha cambiado una tarea: eso solo se puede saber semanas después, preguntando qué se sigue usando. Confundir las dos es lo que permite que una formación con buena nota no deje nada detrás.

Entusiasmo y adopción son variables distintas y a veces empujan en direcciones opuestas: una sesión que dedica dos horas a pelearse con un documento farragoso puntúa peor que una de diez trucos vistosos, y deja bastante más. Optimizar la nota del día estropea el resultado del mes.

La manera honesta de medirlo es esperar: preguntar tres o cuatro semanas después qué se sigue usando y qué se abandonó. Es una conversación incómoda —a veces la respuesta es «poco»—, la única que informa de algo real y la que nadie tiene si no está prevista.

Fallo 5: no queda nada repetible detrás

Los cuatro fallos anteriores desembocan en el mismo sitio. Mi regla: si después de la formación no hay entre tres y cinco casos de uso claros que el equipo pueda repetir por su cuenta, estaba mal diseñada. Sin matices, y eso me incluye a mí.

«Repetible» significa algo concreto: una instrucción guardada en un sitio compartido y no en las notas del portátil de alguien, un procedimiento de dos párrafos que diga cuándo se usa la IA para esa tarea, cuándo no y quién revisa el resultado, y una persona del equipo capaz de arreglar esa instrucción cuando deje de funcionar, porque va a dejar de funcionar.

Nada de eso aparece solo: hay que reservarle tiempo dentro de la sesión, y ese tiempo compite con enseñar una cosa más. Es la decisión de diseño más impopular y la que más se nota después.

Las tres objeciones que más me repiten

Hay tres frases que aparecen en casi todas las conversaciones previas a contratar. Las tres tienen parte de razón, y conviene decir cuál antes de responder.

«Mi equipo ya usa ChatGPT, ¿para qué pagar una formación?»

Es la más razonable de las tres, y a veces la respuesta correcta es «para nada, ahorraos el dinero». Lo que suele haber detrás de «ya lo usamos», sin embargo, es un uso individual y desigual: dos personas que le sacan mucho partido, varias que lo probaron y lo dejaron, y nadie con una idea clara de qué información se está subiendo a qué herramienta.

Lo que no vendo es memorizar una interfaz: eso lo aprende cualquiera solo. Lo que sí se enseña es un método transferible —cómo se le pide algo a un modelo para que el resultado sea utilizable— aplicado a las tareas reales de la casa, con un criterio común para todo el equipo en vez de una habilidad suelta en dos personas.

«Esto cambia tan rápido que en seis meses estará desactualizado»

Cierto en la capa de arriba y falso en la de abajo. Lo que caduca en meses son los nombres de los modelos, los límites de cada plan y la posición de los botones. Si el valor de la formación estaba ahí, la objeción acierta.

Lo que no caduca es el método: dar contexto, fijar criterios de aceptación, poner ejemplos, pedir un formato de salida, reconocer cuándo la herramienta se está inventando algo y saber cuándo no conviene usarla. Eso lleva años siendo lo mismo mientras el resto se mueve. Si una formación caduca entera en seis meses, era un tutorial de interfaz.

«La gente hará el curso y luego no lo usará»

Es la más difícil de rebatir, porque pasa. Y cuando pasa, casi nunca es culpa del alumnado: se formó a personas sin permiso, tiempo o licencia para aplicar lo aprendido, o la formación no les dejó nada repetible entre las manos.

La parte que depende de quien forma es evitar los cinco fallos de arriba y dejar el trabajo cerrado por escrito. La que no depende de mí es si la organización considera esto prioritario, quién tiene acceso a qué herramienta y si alguien va a mirar el resultado dentro de un mes. Cuando el bloqueo está ahí arriba, formar a la plantilla es empezar por el sitio equivocado: rinde más trabajar primero con quien decide, que es a lo que responde una mentoría con dirección.

El error que casi todo el mundo trae de casa

Al margen de cómo esté diseñada la formación, hay un error de partida que trae casi todo el mundo: tratar a ChatGPT o a Claude como si fueran Google. Una frase corta, sin contexto, a ver qué sale. Con un buscador funciona, porque solo debe encontrar una página que ya existe. Con un modelo de lenguaje el resultado es genérico, plano y con ese tono de folleto que se reconoce a distancia.

El clic llega cuando la persona empieza a dar contexto, criterios de aceptación, ejemplos y un formato de salida concreto: ahí la calidad de la respuesta cambia de categoría. Es un cambio pequeño de explicar y lento de interiorizar, y necesita repeticiones sobre tareas propias, no una diapositiva. El detalle está en qué es un prompt y por qué importa cómo lo escribes.

Dónde ahorra tiempo de verdad y dónde solo lo parece

Hay dos categorías que conviene separar, porque una formación que no las distingue genera expectativas que la herramienta no cumple, y eso quema el proyecto.

Donde ahorra tiempo de verdad es en convertir información que ya existe en una primera versión útil: notas de una reunión en un acta, un documento largo en un resumen de lo que afecta a tu área, cinco correos de un hilo en una respuesta ordenada. Hay material de partida, hay alguien capaz de juzgar el resultado y la parte pesada —pasar de la hoja en blanco a algo revisable— la hace la máquina.

Donde no ahorra es en «hazme el informe entero desde cero» y darlo por terminado: la revisión posterior suele comerse el supuesto ahorro —comprobar cada dato, corregir el tono, quitar lo inventado y añadir lo que solo sabe quien conoce el caso—. Y el riesgo no es solo perder tiempo: basta con que un documento con datos inventados llegue a un cliente para que la organización decida que «la IA no sirve» y cierre el tema durante dos años.

Qué preguntar a cualquier proveedor, incluido a mí

Si tuviera que contratar formación en IA sin conocer el sector, haría sobre todo una cosa: pedir que resolvieran en directo un caso real que no llevaran preparado. Un documento vuestro, elegido por vosotros, encima de la mesa durante la reunión. No para ver si sale perfecto —muchas veces no sale—, sino para ver cómo se comporta esa persona cuando no sale: si diagnostica por qué, si reformula con criterio, si reconoce el límite en voz alta.

Y tres señales que me hacen desconfiar:

• Todo el discurso son demos impecables. Nadie enseña un caso que se atascó, y atascarse es la mitad del trabajo.
• El argumento central es un número de prompts. «100 prompts para tu negocio» es un catálogo, no un método: en cuanto la tarea se desvía de la plantilla, no queda nada.
• Nadie pregunta por procesos, seguridad ni usuarios antes de pasar presupuesto. Si no se ha preguntado quién va a usar esto, sobre qué tareas y con qué información confidencial, el presupuesto sale de una plantilla.

Y dos preguntas de fontanería que se olvidan: qué queda por escrito al terminar la última sesión, y quién imparte —con nombre— frente a quién firma la propuesta. Para comparar presupuestos con estructuras distintas, está cuánto cuesta una formación en IA para empresas.

Lo que una formación no puede arreglar

Hay situaciones en las que la formación no es la respuesta, y decirlo antes de facturar es parte del trabajo:

• El proceso está roto de base. Si el informe mensual tarda tres días porque los datos llegan tarde y en cuatro formatos, el cuello de botella no es la redacción: la IA acelerará el último tramo de una cadena que falla antes.
• No hay permiso, licencia ni herramienta. Formar a un equipo en algo que su propia política interna no le deja usar produce frustración, no productividad.
• Lo que hace falta es implantación, no formación. Si hay que automatizar un flujo, conectar sistemas o montar algo que funcione sin que nadie lo lance a mano, eso es un proyecto de implementación y se contrata como tal, no como un curso.

Hay un cuarto caso, más silencioso: equipos para los que ahora mismo lo gratuito basta. El muro de lo gratuito aparece en un punto identificable, al pasar de «sé hacer prompts» a «quiero que esto funcione en mi empresa», con nuestros documentos y varias personas haciéndolo igual. Si aún no habéis llegado ahí, con recursos gratuitos vais servidos por ahora.

Qué hace que una formación sí funcione

Ninguno de los cinco fallos se arregla añadiendo contenido. Se arreglan quitando cosas:

• Menos herramientas y más repeticiones. Dos o tres usos trabajados hasta que salen solos, en vez de un recorrido por el catálogo.
• Documentos reales desde la primera hora, con la privacidad resuelta antes de empezar y no improvisada a mitad de sesión.
• Tiempo dentro de la sesión para dejar cosas escritas: instrucciones guardadas, criterios de uso, quién revisa qué.
• Una revisión semanas después, cuando ya se ha intentado aplicar y han aparecido las dudas que no se le ocurren a nadie en el aula.
• Un criterio de éxito acordado antes de empezar: qué tareas deberían hacerse distinto, y cómo lo vais a comprobar.

Todo esto se le puede exigir a cualquier proveedor, y a mí también. Cómo lo aplico —diagnóstico previo, preparación con vuestros documentos y sesión de repaso— está en la metodología y en formación en IA para empresas. Y si prefieres ir directo, reserva media hora de diagnóstico: basta para saber si lo que necesitáis es una formación o alguna otra cosa. A veces es alguna otra cosa, y saberlo también sirve.