Formar es solo el punto de partida
Durante dos años, muchas empresas se han planteado la misma pregunta:
¿Cómo formar a nuestros colaboradores en inteligencia artificial generativa?
Esta pregunta era necesaria. Ya no es suficiente.
Una empresa puede haber formado a 500 colaboradores y, aun así, ser incapaz de responder a preguntas esenciales:
- ¿Quién utiliza realmente la IA?
- ¿Para qué tareas?
- ¿Con qué nivel de autonomía?
- ¿Se verifican correctamente los resultados producidos?
- ¿Qué usos permiten verdaderamente ganar tiempo?
- ¿Dónde están apareciendo nuevos riesgos?
- ¿Qué valor obtiene la empresa de sus inversiones?
Por lo tanto, el enfoque se está desplazando progresivamente: ya no se trata solo de formar, sino de desarrollar un verdadero dominio operativo de la IA.
La competencia en IA no se resume al prompting
Saber redactar un buen prompt es útil. Pero, en un entorno profesional, el dominio de la IA se basa en competencias mucho más amplias.
Un colaborador debe, especialmente, ser capaz de:
- identificar las tareas para las cuales la IA es pertinente;
- proporcionar el contexto necesario para obtener un resultado utilizable;
- elegir la herramienta más adecuada para la situación;
- evaluar la calidad, la pertinencia y la fiabilidad de una respuesta;
- detectar un error o una alucinación;
- proteger la información sensible y confidencial;
- saber cuándo retomar el control manual;
- medir el beneficio realmente obtenido.
La competencia en IA se convierte así en una competencia profesional aumentada por la inteligencia artificial.
Pasar de la formación a la medición
Esta evolución transforma profundamente la manera de concebir los programas de desarrollo de competencias.
El primer indicador ya no puede ser únicamente:
¿Cuántas personas han seguido la formación?
También es necesario responder a una pregunta más operativa:
¿Qué ha cambiado en su manera de trabajar?
Para lograrlo, deben observarse varias dimensiones.
1. La adopción
¿Qué colaboradores utilizan efectivamente las herramientas de IA puestas a su disposición?
La disponibilidad de una herramienta no garantiza su uso. Por lo tanto, es esencial distinguir el acceso teórico del uso real.
2. El dominio
¿Saben los colaboradores obtener, controlar y mejorar un resultado producido con la IA?
El desafío no es solo producir una respuesta rápidamente, sino saber evaluarla, corregirla e integrarla en un proceso profesional.
3. Los usos
¿En qué áreas y procesos se moviliza realmente la IA?
Este análisis permite identificar los usos más frecuentes, pero también aquellos que presentan el mayor potencial de transformación.
4. El valor creado
¿Permite el uso de la IA:
- reducir el tiempo necesario para una tarea;
- mejorar la calidad de un entregable;
- acelerar la toma de decisiones;
- realizar una tarea antes imposible o demasiado costosa;
- liberar tiempo para actividades de mayor valor añadido?
La adopción no es un fin en sí mismo. Debe contribuir a resultados concretos.
5. El control de riesgos
¿Saben los colaboradores identificar las situaciones que requieren:
- una verificación humana;
- una atención especial a la confidencialidad;
- una validación jurídica o regulatoria;
- un uso más prudente de la herramienta?
La madurez en IA implica tanto saber utilizar la IA como saber cuándo y cómo limitar su uso.
El próximo reto de los directivos: hacer observable la madurez en IA
Este es probablemente uno de los cambios mayores de los próximos meses.
Las organizaciones deberán progresar:
de la aculturación al uso,
del uso al dominio,
y del dominio al valor medible.
Esta evolución supone disponer de una visión más detallada de las competencias y los usos.
No solo a escala de la empresa, sino también por:
- área profesional;
- equipo;
- grupo demográfico;
- nivel de autonomía;
- caso de uso;
- proceso de negocio.
Una visión global de la adopción no permite comprender suficientemente dónde se encuentran los progresos, los bloqueos y las oportunidades.
Medir para decidir, no para vigilar
Esta distinción es esencial.
Medir la madurez en IA no debe convertirse en una herramienta de vigilancia individual. El objetivo es permitir que los directivos y los equipos tomen mejores decisiones.
La medición debe ayudar, especialmente, a identificar:
- dónde reforzar el acompañamiento;
- qué prácticas difundir;
- qué casos de uso industrializar;
- dónde reforzar la gobernanza;
- qué inversiones generan realmente resultados;
- qué competencias desarrollar prioritariamente.
La medición se convierte entonces en una herramienta de transformación, y no en un simple dispositivo de control.
Pasar a una lógica de creación de valor
En Pivotal Skills AI, creemos que la articulación entre competencias, usos y medición es precisamente lo determinante.
Cuando el contexto lo justifica, el Digital Skills Analyzer puede ayudar a objetivar la progresión a escala de:
- un colaborador;
- un equipo;
- un área profesional;
- un proyecto.
El objetivo no es producir una puntuación adicional.
Se trata de poder responder a una pregunta mucho más estratégica:
¿Nuestra inversión en IA está transformando realmente nuestra capacidad para trabajar y crear valor?
Es probablemente ahí donde comienza la verdadera madurez en IA.
Referencias
- Comisión Europea, recursos de implementación del AI Act y directrices relativas a su aplicación.
- AI Act, disposiciones relativas al dominio de la inteligencia artificial.