Por Eduardo Wassi, fundador de Dinatech y Trendline Technology
La capacitación en IA se convirtió en una prioridad para prácticamente cualquier organización que esté pensando cómo va a trabajar en los próximos años. El interés tiene sentido: las herramientas cambian rápido, aparecen nuevas capacidades todo el tiempo y una parte creciente de las tareas profesionales ya puede apoyarse en sistemas de inteligencia artificial.
Pero hay una pregunta que, para mí, todavía no estamos haciendo lo suficiente: ¿qué significa realmente capacitar a una persona para trabajar con IA?
En muchas empresas, la respuesta todavía consiste en enseñar una plataforma, explicar algunas funciones o mostrar cómo escribir mejores instrucciones. Todo eso puede ser útil. El problema aparece cuando confundimos aprender una herramienta con desarrollar una capacidad.
Una herramienta puede cambiar en seis meses. Una interfaz puede desaparecer. Un modelo puede ser reemplazado por otro mejor. Lo que debería quedar después de una buena capacitación es algo más duradero: la capacidad de entender qué problema queremos resolver, cuándo tiene sentido utilizar IA, qué resultado podemos aceptar, qué información necesitamos verificar y en qué momento una persona debe intervenir.
Ahí, creo, está empezando una segunda etapa de la capacitación en IA.
La capacitación en IA ya es una prioridad. La madurez todavía no.
Un estudio publicado en 2026 por edX Enterprise junto con NewtonX, realizado sobre más de 500 responsables de aprendizaje y estrategia de talento, encontró una diferencia bastante significativa entre intención y capacidad.
El 83% de los participantes señaló a la inteligencia artificial como su principal prioridad de capacidades para la fuerza laboral. Sin embargo, solamente el 29% considera que su organización ya desarrolló capacidades maduras de IA.
Más interesante todavía: apenas una pequeña parte de las empresas combina esa madurez con suficiente confianza para seguir formando a sus equipos de manera efectiva.
El dato muestra algo que probablemente muchas organizaciones ya perciben internamente. La voluntad de capacitar existe. Lo que todavía se está definiendo es qué debería aprender realmente una persona para trabajar bien con inteligencia artificial.
Y esa diferencia importa porque una empresa puede capacitar a cientos de empleados en una herramienta y continuar sin desarrollar una capacidad organizacional real.
Aprender a preguntar mejor no alcanza
El prompt se convirtió rápidamente en una de las primeras habilidades asociadas al uso de inteligencia artificial generativa.
Es lógico. La forma en que damos contexto, explicamos una tarea o pedimos un resultado influye en lo que recibimos.
Pero concentrar una estrategia de capacitación únicamente en prompts puede quedarse corto.
Una persona puede saber escribir instrucciones excelentes y, aun así, no saber cuándo una respuesta necesita ser revisada, qué información no debería ingresar en una herramienta, qué tarea no conviene automatizar o cómo evaluar si el resultado generado realmente mejora el proceso.
Por eso, para Eduardo Wassi, la alfabetización en IA debería incluir mucho más que interacción con una plataforma.
Debería enseñar a reconocer posibilidades y límites.
Microsoft, por ejemplo, ya plantea en sus contenidos de AI Literacy capacidades como seleccionar tareas donde la IA puede ayudar, identificar dónde hace falta supervisión humana, verificar resultados, considerar privacidad y mantener responsabilidad sobre las decisiones.
Ese enfoque me parece mucho más cercano a lo que una empresa necesita.
Una misma capacitación no sirve para todos los roles
Otro punto que debería empezar a cambiar es la idea de que toda la organización necesita aprender exactamente lo mismo.
La IA atraviesa áreas muy diferentes, pero no todas la utilizan de la misma manera.
Un equipo comercial puede necesitar aprender a analizar información, preparar propuestas o resumir conversaciones. Marketing puede utilizarla para investigación, producción y análisis. Finanzas puede apoyarse en ella para revisar información o detectar patrones. Un gerente puede usarla para estructurar escenarios, mientras que un equipo técnico puede integrarla directamente dentro de procesos y aplicaciones.
La capacitación debería partir del trabajo real.
No hace falta convertir a toda la organización en especialista en inteligencia artificial. Hace falta que cada persona entienda qué capacidad puede mejorar dentro de su función y qué criterios necesita para utilizarla correctamente.
Ese cambio parece simple, pero modifica bastante la lógica de formación.
En lugar de empezar preguntando “¿qué herramienta vamos a enseñar?”, convendría empezar preguntando “¿qué decisiones, tareas o procesos queremos mejorar?”.
Capacitar también significa enseñar cuándo no usar IA
Hay una idea que puede parecer contradictoria: una buena capacitación en IA también debería enseñar cuándo no utilizarla.
No porque la tecnología sea peligrosa por definición, sino porque no todas las tareas necesitan el mismo nivel de automatización.
Hay situaciones donde la velocidad es prioritaria. Otras donde importa mucho más la precisión. Algunos procesos admiten experimentación. Otros involucran información confidencial, decisiones sensibles o consecuencias difíciles de revertir.
Usar IA bien implica reconocer esas diferencias.
Una organización madura no es necesariamente la que utiliza inteligencia artificial en más lugares. Puede ser la que sabe seleccionar mejor dónde realmente agrega valor.
“Capacitar en inteligencia artificial no debería significar solamente enseñar a obtener mejores respuestas. También debería enseñar a decidir cuándo confiar, cuándo revisar y cuándo no delegar.”
— Eduardo Wassi
El criterio se vuelve parte de la formación
Cuanto más capaz se vuelve una herramienta, más importante se vuelve la capacidad de evaluar lo que produce.
Si una persona recibe un borrador mediocre, probablemente sea fácil detectar sus problemas. Cuando recibe una respuesta muy bien escrita, convincente y aparentemente completa, la revisión puede ser más difícil.
Por eso el criterio no debería considerarse una habilidad separada de la capacitación tecnológica.
Debería formar parte de ella.
En El criterio humano puede convertirse en uno de los activos más valiosos de la era de la IA, desarrollé justamente esta idea: a medida que producir análisis, textos, imágenes y propuestas se vuelve más rápido, aumenta el valor de saber qué merece avanzar y qué debería descartarse.
Aplicado a capacitación, esto significa que no alcanza con enseñar el camino correcto para utilizar una herramienta. También hay que exponer a las personas a ejemplos donde la respuesta parece correcta y no lo es, donde falta información o donde una recomendación necesita contexto para tener sentido.
La práctica debería incluir revisión, comparación y discusión.
No solamente generación.
La capacitación en IA debería estar conectada con problemas reales
Una de las formas más rápidas de perder interés en una capacitación tecnológica es enseñar algo completamente separado del trabajo cotidiano.
Cuando una persona entiende cómo una herramienta puede ayudarla con un problema que enfrenta todas las semanas, el aprendizaje cambia.
Por eso creo que las empresas deberían construir una parte importante de su formación alrededor de casos internos.
¿Qué tarea repetitiva consume demasiado tiempo?
¿Qué información cuesta encontrar?
¿Qué proceso genera demasiadas versiones del mismo documento?
¿Dónde existe una carga administrativa que podría simplificarse?
¿Qué decisión podría tener mejor información disponible?
La formación empieza a tener valor empresarial cuando conecta capacidades tecnológicas con situaciones concretas.
Incluso puede ser más útil enseñar cinco casos reales profundamente que cincuenta funciones de una plataforma que probablemente cambie pocos meses después.
Los líderes también necesitan capacitación
La capacitación en IA suele pensarse desde los equipos que van a utilizar directamente las herramientas.
Pero hay otro grupo que necesita desarrollar capacidades con bastante rapidez: quienes toman decisiones.
Un gerente no necesita necesariamente conocer cada función de cada modelo. Sí necesita comprender qué puede hacer la tecnología, qué preguntas debería realizar antes de implementarla, cómo evaluar una inversión y qué responsabilidades no desaparecen simplemente porque una tarea fue automatizada.
Esto es especialmente importante porque una parte del valor de la inteligencia artificial no depende de la herramienta, sino de cómo se reorganiza el trabajo alrededor de ella.
Si incorporamos IA pero mantenemos exactamente los mismos procesos, aprobaciones y estructuras, probablemente capturemos solo una parte de su potencial.
Por eso la capacitación de liderazgo debería incluir una conversación sobre diseño de procesos, prioridades, riesgos y medición de resultados.
No hace falta que cada líder se convierta en experto técnico.
Necesita poder tomar mejores decisiones sobre una tecnología que cada vez influye más en su organización.
Aprender IA no debería ser un evento único
Otro problema de los programas tradicionales de capacitación es que suelen tener principio y final.
Se realiza un curso. Se entrega un certificado. El programa termina.
Con inteligencia artificial, ese modelo puede quedarse viejo demasiado rápido.
Las capacidades cambian constantemente. Lo que una plataforma no podía hacer hace pocos meses puede convertirse en una función estándar. Aparecen nuevos riesgos, nuevas integraciones y nuevas formas de trabajar.
La formación necesita convertirse en un proceso más continuo.
Eso no significa tener a toda la organización haciendo cursos permanentemente.
Puede significar algo más simple: espacios cortos para compartir casos, revisar aprendizajes, documentar buenas prácticas y mostrar qué funcionó dentro de la propia empresa.
Cuando un equipo descubre una forma útil de trabajar con IA, ese conocimiento debería poder circular.
La organización aprende cuando la experiencia individual deja de quedarse solamente en la persona que la descubrió.
Medir cursos realizados dice poco sobre capacidad
Si queremos saber si una estrategia de capacitación está funcionando, probablemente tengamos que revisar también cómo la medimos.
Contar participantes, cursos completados o certificados sirve para saber cuánto entrenamiento ofrecimos.
No necesariamente indica cuánto aprendió la organización.
Una métrica más interesante podría ser cuántos procesos mejoraron, cuánto tiempo se redujo en determinadas tareas, cuántos equipos incorporaron nuevas prácticas o qué errores se lograron evitar gracias a una mejor utilización de la tecnología.
El propio estudio de edX y NewtonX encuentra que las organizaciones más avanzadas miden el aprendizaje con mayor profundidad y conectan la construcción de capacidades de IA con la estrategia del negocio.
Ese vínculo resulta importante.
Si la inteligencia artificial es una prioridad empresarial, su capacitación tampoco debería quedar aislada del negocio.
En Latinoamérica, capacitar puede ser una oportunidad competitiva
Esta conversación tiene además una dimensión particular para nuestra región.
Latinoamérica cuenta con talento profesional, experiencia empresarial y una amplia adopción de tecnologías globales. La disponibilidad de herramientas de IA reduce todavía más algunas barreras de acceso.
Pero que una herramienta esté disponible para todos no significa que todas las organizaciones vayan a obtener el mismo resultado.
La diferencia puede aparecer en la velocidad con la que los equipos aprenden a integrarla, la calidad de los procesos que construyen alrededor y la capacidad de combinar conocimiento sectorial con nuevas herramientas.
En Inteligencia Artificial en Argentina 2026: Diagnóstico y Hoja de Ruta Ejecutiva, Eduardo Wassi analiza justamente cómo talento, infraestructura y capacidad empresarial pueden combinarse para transformar el avance tecnológico en productividad.
La capacitación forma parte de esa ecuación.
No solamente porque las personas necesiten aprender tecnologías nuevas, sino porque las empresas necesitan desarrollar la capacidad colectiva de incorporarlas con sentido.
Capacitar en IA es formar capacidad de decisión
Es probable que dentro de pocos años muchas de las herramientas que hoy utilizamos hayan cambiado.
Los nombres serán distintos. Las interfaces también. Algunas tareas que hoy requieren instrucciones detalladas probablemente se vuelvan automáticas.
Por eso me parece poco útil construir toda una estrategia de formación alrededor de una herramienta específica.
Las empresas deberían aprovechar las plataformas actuales, por supuesto. Pero el aprendizaje que dejan debería sobrevivir a ellas.
Para Eduardo Wassi, una buena capacitación en IA debería lograr que las personas puedan entender una tarea, elegir cuándo incorporar inteligencia artificial, evaluar el resultado, identificar sus límites y conservar responsabilidad sobre la decisión final.
Eso tiene mucho más valor que memorizar una función.
La tecnología va a seguir cambiando.
La capacidad de aprender, interpretar y decidir qué hacer con ella probablemente sea una de las competencias que más necesitemos conservar.
Sobre Eduardo Wassi
Eduardo Wassi es fundador de Dinatech y Trendline Technology e ingeniero en Sistemas de Información. Cuenta con más de veinticinco años de experiencia en la conducción de empresas vinculadas al sector tecnológico en Argentina y Latinoamérica.
A través de sus artículos, Eduardo Wassi analiza inteligencia artificial, tecnología, management, liderazgo, infraestructura y estrategia empresarial, con foco en cómo las organizaciones pueden transformar nuevas capacidades tecnológicas en mejores decisiones, productividad y crecimiento.

