Competencias y transformaciónArtículo pilar
Formación en inteligencia artificial en la industria: lo que funciona en planta
Por qué las formaciones en IA fracasan en los equipos técnicos, y la secuencia que funciona cuando las personas trabajan en turnos, sin oficina.
En los últimos tres años, las grandes consultoras han producido una cantidad considerable de material sobre la formación en inteligencia artificial. Es útil y comparte un punto ciego: está escrita para poblaciones de oficina. Un técnico de mantenimiento no trabaja frente a una pantalla, trabaja en planta, a menudo en turnos de 3×8, con guantes, en medio del ruido, y su jornada ya está completa. Lo que se sabe sobre la formación en la empresa no se traslada tal cual.
Lo esencial
Un programa de formación en IA fracasa en planta por una razón estructural: enseña una herramienta en lugar de abordar un momento de trabajo. Lo que funciona sigue el orden inverso: partir de una tarea concreta que hoy hace perder tiempo, mostrar lo que la máquina cambia en ella, y hablar de la tecnología solo después, si alguien lo pide. La pregunta que hay que hacerse no es «qué deben saber sobre la IA» sino «qué gesto de su jornada va a cambiar el lunes».
Lo que dicen los estudios, y lo que no dicen
BCG defiende un reparto que se ha convertido en referencia del debate: aproximadamente el 10 % del valor de un proyecto de IA proviene de los algoritmos, el 20 % de la tecnología necesaria para implementarlos, y el 70 % de la reorganización del trabajo humano alrededor de ellos. La proporción exacta es discutible; la jerarquía, mucho menos. La misma consultora observa que las empresas que más valor extraen de la IA son aquellas cuyos programas de mejora de competencias son más ambiciosos.
McKinsey formula una idea similar: la mejora de competencias en IA debe tratarse como una gestión del cambio, no como un catálogo de formaciones. Una sesión aislada no modifica ningún comportamiento duradero.
Estas constataciones son correctas. También se basan, en su inmensa mayoría, en poblaciones de mandos y funciones de soporte. Tres diferencias hacen arriesgada su transposición directa al entorno industrial.
El puesto de trabajo. Un técnico no tiene una sesión abierta todo el día. Tiene un ordenador compartido en la sala de preparación, quince minutos antes de la ronda, y un teléfono en el bolsillo, difícil de manejar con guantes.
La relación con el error. En una función de soporte, un error genera un documento que hay que rehacer. En mantenimiento e inspección, un error de interpretación puede llevar a mantener en servicio un equipo que no debería estarlo. Esta asimetría explica una prudencia que sería absurdo tratar como resistencia al cambio.
La organización en equipos. Formar «al equipo de mantenimiento» no significa nada cuando está repartido en cinco turnos y dos personas siempre están ausentes de cualquier sesión. El propio formato debe pensarse teniendo en cuenta esta limitación.
Por qué la sesión genérica no produce nada
La secuencia es casi siempre la misma. Se bloquea media jornada, un ponente explica qué es un modelo de lenguaje, muestra ejemplos convincentes tomados de otros lugares, responde a algunas preguntas. Los participantes salen interesados.
Tres semanas después, nada ha cambiado en los gestos cotidianos. No porque la sesión fuera mala, sino porque nunca se cruzó con una tarea real. Nadie se marchó sabiendo qué hacer de forma diferente a la mañana siguiente, con qué expediente, con qué documento.
El error no es pedagógico, es de concepción: se ha formado en una tecnología en lugar de formar en un uso.
La secuencia que funciona
Elegir un momento de trabajo, no un tema
No «la IA para el mantenimiento», sino «la recuperación de los informes de inspección antes de la parada de marzo». El momento debe estar fechado, ser conocido por todos, y ser lo bastante penoso para que su desaparición se note.
Medir lo que cuesta hoy
Cuántas horas, repartidas entre cuántas personas, en qué periodo. Esta cifra sirve dos veces: justifica el esfuerzo ante la dirección, y proporciona el punto de comparación que hará visible el progreso.
Formar con los documentos del centro
Nunca con ejemplos de demostración. Un técnico que ve pasar un informe que él mismo archivó el año pasado escucha de otra manera. Es también la única forma de descubrir los casos difíciles: el escaneo torcido, el informe de un proveedor con un formato inusual, la anotación manuscrita.
Hacer practicar durante la sesión, no después
La parte útil de una sesión se concentra en los cuarenta minutos en que los participantes manipulan la herramienta ellos mismos. Todo lo que se escucha sin hacerse se olvida antes del turno siguiente.
Nombrar un referente por equipo, no un referente por centro
Un referente único se convierte en un cuello de botella y desaparece de vacaciones. Uno por equipo, formado con mayor profundidad, permite que la pregunta encuentre respuesta en el propio turno donde surge.
Volver a las cuatro semanas
Una segunda sesión breve, de cuatro a seis semanas después, con los casos encontrados en el intervalo. Es ahí donde se resuelven las verdaderas dificultades, las que nadie imaginaba el primer día. Sin este segundo paso, se pierde la mitad del esfuerzo inicial.
Tres poblaciones, tres necesidades distintas
Tratar «a los equipos técnicos» como un bloque único es la segunda causa de fracaso. Las expectativas difieren radicalmente.
| Población | Lo que necesita saber | Lo que le importa poco |
|---|---|---|
| Técnicos y operarios | Qué cambia en su gesto de trabajo, cómo señalar una anomalía de lectura | El funcionamiento interno del modelo |
| Responsables de métodos e inspección | Qué sabe leer la herramienta y qué no, cómo verificar un valor, qué hacer ante una duda | La estrategia de IA del grupo |
| Dirección técnica | Cuánto cuesta, qué cambia en el plan, cómo defenderlo en una auditoría | Los detalles de uso |
La tabla se desplaza horizontalmente en pantallas pequeñas.
Una misma sesión para estos tres públicos deja a cada uno insatisfecho. Tres formatos breves y específicos producen más que una jornada común, y suelen costar menos en tiempo acumulado.
Lo que hay que enseñar en primer lugar
Hay un punto que importa más que todos los demás, y rara vez está en el programa: aprender a detectar cuándo se equivoca la máquina.
Una herramienta que lee informes de inspección produce valores. Saber usarla es trivial. La competencia que hay que construir es saber reconocer un valor sospechoso: un espesor que aumenta, un punto de medición que no corresponde al equipo, una fecha incoherente con la campaña. Véase calcular una velocidad de corrosión sobre lo que revelan estas anomalías.
Esta competencia se transmite con el ejemplo, no con la exposición teórica. Muestre cinco casos en los que la lectura automática se equivocó, hágalos analizar, pregunte qué habría que haber hecho. Un equipo que ha visto fallar a la máquina cinco veces confía más en ella que un equipo al que se le ha prometido que no se equivoca, porque ahora sabe dónde mirar.
- Formar en la herramienta en lugar de en la tarealos participantes retienen una interfaz, que cambiará, en lugar de un método, que perdurará.
- Usar ejemplos genéricosun informe de demostración no presenta ninguno de los casos difíciles del centro, y desacredita la sesión desde la primera pregunta precisa.
- Una sola sesión, sin seguimientola mayor parte de las dificultades aparece entre la segunda y la sexta semana de uso, y sin una segunda sesión nunca salen a la luz.
- Un referente único para todo el centrocae enfermo, se va de vacaciones, cambia de puesto. La competencia debe existir en cada equipo.
- Prometer que la herramienta no se equivocael primer error constatado destruye entonces toda la confianza. Es mejor enseñar desde el principio dónde y cómo se equivoca.
- Confundir formación con comunicaciónuna presentación de la estrategia de IA del grupo no enseña ningún gesto a nadie.
Medir si la formación ha servido
El número de personas formadas no mide nada. Tres indicadores dicen la verdad.
El tiempo dedicado al momento de trabajo señalado, comparado con la cifra registrada antes. Es la medida más directa, y por eso hay que establecerla desde el principio.
El número de anomalías señaladas por los equipos. Contraintuitivo: si aumenta, es buena señal. Significa que las personas realmente examinan los resultados en lugar de aceptarlos pasivamente.
La proporción del equipo que usa la herramienta sin pasar por el referente. Es el indicador de autonomía, y el único que predice si el uso sobrevivirá a una baja o un traslado.
Ninguno de estos tres se mide el día de la formación. Se miden a los tres meses, y suponen que se haya tomado la molestia de registrar el estado inicial.
Articular formación y despliegue
Un error de calendario se repite a menudo: formar a todo el mundo primero, desplegar después. Entre ambos pasos transcurren varias semanas, y lo esencial se evapora.
El orden que funciona es el inverso. Se despliega en un perímetro reducido, se forma a las personas de ese perímetro la semana en que empiezan a usarla, y luego se amplía. Cada oleada de formación llega en el momento en que sirve, y las oleadas siguientes se benefician de los casos encontrados por las anteriores.
Esta lógica se une a la del despliegue progresivo descrita en desplegar un primer proyecto de IA en 90 días, y presupone la gestión del cambio tratada en lograr la gestión del cambio de un proyecto de IA industrial.
Lo que esto cambia para los mandos
Un último punto, rara vez mencionado. La mejora de competencias de los equipos desplaza una parte del trabajo de los mandos: menos verificación sistemática, más arbitraje sobre los casos señalados. Este desplazamiento también exige un aprendizaje, y afecta tanto al responsable de mantenimiento como a sus equipos. Véase qué competencias de IA necesitan los responsables de mantenimiento.
Un equipo formado hace más preguntas, cuestiona más, y señala lo que no funciona. Es exactamente el efecto buscado. Una organización que lleva mal esta retroalimentación no tiene un problema de formación, tiene un problema de gobernanza.
Fuentes y referencias
**BCG, AI Transformation Is a Workforce Transformation**, el reparto 10 / 20 / 70 entre algoritmo, tecnología y reorganización del trabajo humano, y la correlación entre la ambición de los programas de mejora de competencias y el valor extraído de la IA. Consultar la publicación
**McKinsey, Redefine AI upskilling as a change imperative**, el argumento según el cual la mejora de competencias en IA corresponde a la gestión del cambio y no a un catálogo de formación. Consultar la publicación
**BCG, AI at Work 2025: Momentum Builds, but Gaps Remain**, panorama del uso y la formación en la empresa. Consultar la publicación
¿Cuánto tiempo hay que dedicar a la formación?
Menos de lo que se cree, pero repartido de otra manera. Dos sesiones breves separadas de cuatro a seis semanas producen más que una jornada completa de una sola vez. La duración total importa menos que el contenido: la segunda sesión debe abordar casos realmente encontrados.
¿Hay que formar a todo el mundo o solo a algunas personas?
Ambas cosas, con distinta profundidad. Una base breve para todo el equipo afectado, y una formación en profundidad para un referente por equipo. Formar solo a unas pocas personas crea una dependencia que bloquea todo desde la primera ausencia.
¿Cómo convencer a un equipo que no le ve el interés?
Partiendo de lo que le molesta. Un equipo escéptico sobre «la IA» casi nunca lo es sobre «dejar de abrir cuarenta PDF antes de la parada técnica». El escepticismo recae sobre la promesa general, no sobre el alivio concreto.
¿Y si la herramienta cambia dentro de un año?
Es probable, y es una razón más para formar en el método en lugar de en la interfaz. Saber reconocer un valor sospechoso, verificar un dato volviendo al documento fuente y documentar una corrección sigue siendo válido sea cual sea el programa.
Escrito por Adama CamaraConsultor IA · Industria · ver el perfil
Publicado el 21 de julio de 2026
Software y datos
La IA industrial: qué es de verdad y qué cambia en la planta
La IA industrial sin jerga: qué recubre de verdad, sus casos de uso por función y por sector, sus límites y por dónde empezar en tu planta.
Competencias y transformación
Gestión del cambio en un proyecto de IA industrial: qué hace fracasar la adopción
Por qué una herramienta de IA técnicamente lograda no se adopta: el miedo que no se dice, la persona de referencia, y la prueba por el uso.
Competencias y transformación
Responsable de mantenimiento industrial: las competencias que cuentan hoy
Lo que cambia en el oficio de responsable de mantenimiento industrial, las competencias que realmente pesan, y cómo adquirirlas sin presupuesto.
IA y mantenimiento
Cómo lograr un primer proyecto de IA en mantenimiento: una hoja de ruta en 90 días
Llevar a cabo un primer proyecto de IA en mantenimiento sin dispersarse: el alcance a elegir, los primeros 90 días y las trampas que lo hacen fracasar.