El contexto
La mayoría de las empresas ya está haciendo algo
Desde hackatones y charlas informales sobre IA, hasta programas de embajadores internos y suscripciones a LinkedIn Learning, la mayoría de las organizaciones ya ha dado algún paso hacia la adopción de IA. La intención existe. Los resultados, muchas veces, no.
Según una investigación del MIT publicada en 2025 (GenAI Divide: State of AI in Business), cerca del 95% de los pilotos de IA no generan un impacto medible en los resultados financieros de una empresa. Por su parte, RAND Corporation sitúa la tasa de fracaso de las iniciativas de IA por encima del 80%.
La diferencia entre decir “ya tenemos algo” y poder afirmar “realmente está funcionando” es donde la mayoría de las organizaciones se queda estancada. Y casi siempre tiene que ver con cómo se desarrollaron las capacidades, no con si se intentó o no hacerlo.
""En casi todas las organizaciones que analizamos, los equipos intentaban desarrollar sus propias herramientas. Sin embargo, los datos mostraban que las soluciones adquiridas ofrecían resultados más consistentes y fiables.” MIT GenAI Divide research, 2025""
MIT GenAI Divide Research
2025
La decisión
Programas internos vs. especialistas externos
No existe una respuesta universal, pero sí patrones claros. Comprender las ventajas y limitaciones de cada enfoque ayuda a tomar decisiones más realistas sobre dónde invertir.
Entrenamiento interno
Crear un programa propio
|
Especialistas externos
Trabajar con expertos
|
Ventajas
+ Conocimiento profundo del negocio: tus expertos conocen los productos, procesos y cultura de la organización.
+ Menor percepción de costo inicial: no hay una factura de un proveedor externo.
+ Los referentes internos generan confianza y credibilidad entre sus compañeros.
|
Ventajas
+ Diseñados para enseñar: la metodología, la estructura y la creación de hábitos forman parte central del programa.
+ Los instructores son profesionales que utilizan IA en entornos reales, no formadores centrados únicamente en la teoría.
+ Incorporan mecanismos de medición: evaluaciones de habilidades, seguimiento de participación y métricas de productividad.
+ Permiten escalar sin aumentar la plantilla: grupos de 500 personas son una realidad operativa, no una aspiración.
+ Se adaptan a las herramientas aprobadas por la organización, evitando riesgos de cumplimiento y procesos adicionales de aprobación.
|
Desventajas
− Las personas que capacitan dejan de dedicar tiempo a su trabajo principal.
− Ser experto en IA no significa ser experto en formación: saber hacer y saber enseñar son habilidades distintas.
− Es difícil escalar: lo que funciona para 20 personas suele dejar de funcionar para 200.
− Las tasas de finalización suelen estar por debajo del 30% en programas internos de aprendizaje autónomo.
− No existe una medición que permita demostrar el retorno de inversión.
− El contenido pierde vigencia rápidamente a medida que evolucionan las herramientas de IA, lo que implica un esfuerzo constante de actualización.
|
Desventajas
− Requieren el respaldo activo del liderazgo; sin él, la adopción pierde impulso.
− Necesitan un presupuesto visible que debe justificarse, frente a los costos internos que suelen pasar desapercibidos.
− La calidad varía considerablemente entre proveedores; las plataformas genéricas no ofrecen los mismos resultados que los programas diseñados a medida.
|
El costo oculto de la formación interna: Cuando un ingeniero senior dirige un taller interno sobre IA, el costo no es cero. Es el valor de su tiempo multiplicado por su tarifa horaria y por el número de sesiones necesarias para llegar a toda la organización. A medida que el programa crece, ese costo suele superar el de una formación externa.
Lo que dicen los equipos
El desafío no es la generación de conciencia, es la adopción
En conversaciones con empresas de servicios tecnológicos, fintech, gaming y manufactura, observamos un patrón recurrente: los programas internos aumentan el conocimiento sobre IA, pero rara vez cambian la forma de trabajar. Lo que suele faltar es aprendizaje práctico, aplicado directamente a las tareas y desafíos del día a día.
"La formación autodirigida que ofrecemos a través de LinkedIn Learning no ha sido efectiva porque carece de aplicación práctica y no genera cambios duraderos."
“Los desarrolladores muestran una resistencia significativa a adoptar IA, a pesar del fuerte apoyo de nuestro CEO.”
“El CFO y la dirección quieren ver mejoras reales en eficiencia. Hicimos todas las sesiones, pero ¿cómo las medimos?”
La respuesta práctica
No se trata de uno o el otro, sino de definir roles
Los programas de capacitación en IA más efectivos que hemos visto no eligen entre recursos internos o especialistas externos. Combinan ambos enfoques de manera intencional.
Los referentes internos aportan contexto, conocimiento de la cultura organizacional y confianza entre pares. Los especialistas externos aportan una estructura pedagógica sólida, experiencia en facilitación y los mecanismos de medición necesarios para que el programa sea escalable y pueda demostrar resultados.
El objetivo no es reemplazar el conocimiento interno. Es convertirlo en algo que pueda enseñarse de forma efectiva.
Cómo se ve esto en la práctica
Dos ejemplos de organizaciones que pasaron de programas exclusivamente internos a un modelo estructurado liderado por especialistas.
inDrive
De la resistencia a mejoras medibles en productividad
Exness
From skepticism to a company-wide learning program
En sus propias palabras
“Las herramientas presentadas en este módulo son excelentes. Se adaptan a distintos niveles de experiencia y los ejercicios están muy bien planteados. Es un contenido claramente respaldado por una investigación sólida.”
“El módulo fue claro e interesante. Me ayudó a comprender mejor los ejemplos y a utilizar ChatGPT de manera más consciente.”
“En general, encontré contenido muy informativo y bien estructurado. Fue fácil de seguir, con una progresión clara desde los conceptos básicos hasta temas más avanzados.”
“Hasta ahora, el módulo más interesante. Herramientas muy útiles y demostraciones prácticas al final de cada sección.”
“La lección fue clara y estuvo muy bien organizada, con explicaciones y ejemplos útiles. La cantidad de ejemplos realmente aporta mucho valor.”
Cómo aborda esto Nebius Academy
Diseñamos programas basados en las herramientas aprobadas por cada organización, los flujos de trabajo reales de sus equipos y el nivel de conocimiento existente, no en un catálogo genérico de cursos.
Nuestros instructores son profesionales que trabajan con IA en entornos reales. Además, cada programa incluye una evaluación inicial y final para que las organizaciones puedan medir de forma concreta qué cambió y qué impacto generó la formación.
.svg)
.svg)
