El 47% de los empleados cree que la formación en IA está ahí para automatizar su puesto

Surya Pratap
By Surya Pratap

15 de septiembre de 2026

12 min de lectura

IA y tecnología
Un diagrama en dos partes. A la izquierda, la brecha de percepción entre quienes compran la formación corporativa en IA y quienes la reciben: el 83 por ciento de los responsables de recursos humanos dice que su empresa apoya activamente el aprendizaje de IA frente al 64 por ciento de los empleados que está de acuerdo, una diferencia de diecinueve puntos señalada como la distancia entre el programa de la diapositiva y el programa que la gente vive. A la derecha, cuatro cifras que deciden si un programa cuaja: el 86 por ciento de los empleados dice que aprende haciendo, el 65 por ciento señala la experiencia en el puesto como la principal vía para adquirir competencias, alrededor de un tercio califica su formación de demasiado teórica, y el 47 por ciento afirma que la formación en IA de su empresa está diseñada para facilitar la automatización de su puesto, con esta última cifra marcada como la que determina quién se presenta dispuesto a aprenderEl programa comprado y el programa recibidoHover to explore
Diecinueve puntos separan a quien encarga la formación en IA de quien se sienta en ella. Casi la mitad del segundo grupo cree que está ahí para sustituirlos.

Si está encargando formación en IA para un equipo, un departamento o un campus, hay una cifra que decidirá más sobre el resultado que el temario.

El 47% de los empleados afirma que la formación en IA de su empresa está diseñada para facilitar la automatización de su puesto.

No «podría acabar en eso». Diseñada para. Casi media sala llegando a su programa con una teoría sobre por qué existe.

1. Qué se midió

Las cifras vienen del informe de L&D de TalentLMS de 2026, que encuestó a 101 responsables de RR. HH. estadounidenses —el 55% con gestión directa de formación— y a 1.000 empleados a jornada completa de Estados Unidos que habían recibido formación en los doce meses anteriores. Conviene señalarlo de entrada: el trabajo de campo es de septiembre de 2025, así que léalo como el estado de las cosas al entrar en 2026 y no como una foto de este mes.

La oferta no es el problema. Solo el 6% de los responsables de RR. HH. dice que su empresa todavía no ofrece ninguna formación en IA.

Qué espera RR. HH. de la formación en IA

El lado de las intenciones de la encuesta, y es coherente

  • El 88% espera que la IA generativa transforme cómo acceden al conocimiento sus empleados.
  • El 84% cree que ayudará a cerrar brechas de competencias.
  • El 81% dice que remodelará funciones y responsabilidades.
  • El 73% cree que acelerará la necesidad de desaprender prácticas obsoletas.
  • El 72% dice que el propósito principal de la formación en IA es mejorar la eficiencia de la organización.

Es un conjunto razonable de expectativas. El problema empieza cuando se pregunta al otro lado de la sala.

2. Los diecinueve puntos entre comprar y recibir

El 83% de los responsables de RR. HH. cree que su empresa apoya activamente el aprendizaje de IA. El 64% de los empleados está de acuerdo.

Diecinueve puntos. Las mismas empresas, los mismos programas, dos experiencias muy distintas de ellos.

Quien encarga la formación y quien se sienta en ella están describiendo programas diferentes. Solo uno de esos grupos tiene que actuar con lo aprendido.

Es el diagnóstico más útil de todo el informe, porque se puede medir dentro de su propia organización esta semana y casi nunca se mide. Pregunte a su área de formación si la empresa apoya el aprendizaje de IA. Haga la misma pregunta a veinte personas al azar en puestos de ejecución. Si su diferencia interna se acerca a los diecinueve puntos, el próximo programa que compre caerá dentro de la brecha en lugar de cerrarla.

3. Por qué el 47% importa más que el temario

Ahora junte los dos hallazgos. Casi la mitad de los empleados cree que la formación en IA existe para automatizarlos, y el 72% de RR. HH. dice que su propósito es la eficiencia organizativa.

Aquí está lo incómodo: esas dos afirmaciones no están obviamente en conflicto. La eficiencia es lo que dijo en voz alta quien compró. La automatización es lo que oyó quien recibe. Ninguno de los dos grupos miente, y la distancia entre ambos es un problema de interpretación que no arregla ninguna calidad de temario.

Qué le hace esto a un programa en la práctica

Un empleado que cree que el programa es preparación para la automatización se comporta de forma racional: asiste, no ofrece su flujo de trabajo real como caso de estudio, no saca a la luz el proceso manual del que en secreto depende todo y no construye aquello que haría legible su propio papel para una máquina. Obtendrá tasas de finalización y ninguna transferencia. El fallo parece desinterés y en realidad es autoprotección.

Hay un hallazgo relacionado que conviene sostener al lado: el 36% de los empleados dice que las herramientas de IA generativa están debilitando su capacidad de resolver problemas por su cuenta. Piense lo que piense de esa afirmación, es una creencia real de un tercio de las personas a las que va a formar, y un programa que nunca la aborda está discutiendo con una objeción que se niega a escuchar.

El arreglo no es tranquilizar, es concretar. «Esto no le costará su empleo» es infalsable y todo el mundo lo sabe. «Esta es la tarea que queremos que absorba, a esto queremos que se traslade su tiempo y esta persona decide» es una afirmación comprobable. Los programas que nombran el objetivo obtienen implicación; los que hablan de eficiencia en abstracto obtienen asistencia.

4. Aprender haciendo es un mecanismo, no una preferencia

Los hallazgos de formato de esta encuesta son inusualmente tajantes.

El 86% de los empleados dice que aprende haciendo. El 65% señala la experiencia en el puesto como su principal vía para adquirir competencias. Alrededor de un tercio dice que su formación es demasiado teórica, y «no hay suficiente práctica» es el segundo obstáculo más citado.

Es tentador archivarlo como preferencia: a la gente le gustan más los formatos prácticos. No es lo que dicen los números. Dicen que un programa sin práctica no produce capacidad por muy bien escrito que esté el contenido, porque lo que se enseña es una destreza y las destrezas se transfieren usándolas.

En IA esto es aún más marcado que en otras materias. Saber qué es RAG lleva diez minutos. Saber si su conjunto documental es un problema de RAG, cuánto costará y qué hará cuando los documentos sean incoherentes lleva una tarde de probarlo sobre los documentos de verdad, y no hay clase magistral que lo sustituya.

5. Universidades e instituciones son otro problema

Los programas de campus se tratan como formación corporativa con público más joven. No lo son, y hay tres restricciones distintas.

No hay flujo de trabajo previo al que anclarse

Uno
La versión corporativa de «constrúyalo sobre sus propios sistemas» no tiene equivalente estudiantil: no hay una bandeja llena de tickets que automatizar. El ancla hay que suministrarla: un encargo realista, un conjunto de datos sucio, una restricción que se comporte como un cliente. Sin eso, los estudiantes construyen demos que funcionan porque nada iba mal en las entradas.

La evaluación tiene que sobrevivir a la IA

Dos
Cualquier trabajo que pueda producir un modelo, lo producirá, y calificar solo el resultado dejó de ser informativo hace tiempo. La evaluación tiene que mirar el proceso —qué se intentó, qué falló, qué decidió el estudiante y por qué—, lo que es un problema de diseño curricular antes que una política de integridad.

La vida útil es más corta que la carrera

Tres
Un programa de tres años sobrevivirá a la mayoría de las herramientas concretas que enseña. Lo que perdura es la forma del criterio: cómo evaluar la salida de un modelo, cómo acotar, cómo distinguir una capacidad real de una demo. Los currículos atados a herramientas envejecen mal y los ciclos de compra universitarios son lentos.

Lo único que comparten campus y empresa: el problema del 47% tiene una versión estudiantil. Si el programa se lee como «esta es la tecnología que deja su título sin valor», obtendrá la misma falta de implicación defensiva, en una sala con menos poder para objetar.

6. Cómo especificar un programa que sobreviva a esto

Nos compre a nosotros o a cualquier otro, esta es la especificación que yo escribiría. Es deliberadamente comprobable.

Nombre la tarea, no la tecnología

Primero
Anote el trabajo concreto que quiere cambiar antes de elegir un temario: el informe que tarda tres días, la clasificación de tickets, la redacción de propuestas. Un programa dirigido a una tarea con nombre se puede evaluar contra ella. Uno dirigido a «alfabetización en IA» solo se puede evaluar por asistencia, que es como se acaba en el 82% que forma y en el 59% que sigue con brecha.

Exija que se construya sobre sus sistemas

Segundo
Ni un entorno de pruebas ni un conjunto de datos de muestra: sus datos, sus herramientas, sus restricciones. Es el mayor determinante de la transferencia y también lo que más proveedores declinan discretamente, porque es más difícil de entregar a escala. Si la respuesta es «usamos un caso de estudio estándar», está comprando contenido, no capacidad.

Limite el tamaño de la sala

Tercero
Lo práctico se derrumba a partir de cierto número, y no gradualmente sino de golpe, porque el instructor deja de poder mirar la pantalla de nadie. Pregunte cuál es el límite y qué pasa por encima. «Dividimos en cohortes paralelas» es una respuesta real; «escalamos a cualquier tamaño de grupo» significa que es una conferencia.

Aborde la pregunta de la automatización la primera semana

Cuarto
No en un preámbulo de RR. HH., sino dentro del programa, a cargo de quien lo imparte y en términos de lo que la organización intenta hacer de verdad. Dejar el 47% sin tocar no lo hace desaparecer: lo convierte en lo que la gente comenta en la pausa en lugar de con usted.

7. Qué impartimos nosotros

Damos formación corporativa e institucional en IA como IdeaToMVP Academy. Los hechos, dichos para que pueda comprobarlos:

Más de 300 profesionales de empresa formados, con tres socios empresariales y académicos. Dirigimos una cohorte intensiva presencial de Gen AI de 30 días en TCS en Chennai y mantenemos una cohorte en línea permanente para profesionales de TCS. Colaboramos con LearnQuest en programas en línea basados en proyectos y con Chitkara University en programas de Gen AI en campus. La entrega es presencial, en línea o híbrida: eso se decide al acotar y no es una restricción fija.

Tres formas, un mismo currículo:

Los programas y para quién es cada uno

Se acotan por proyecto, no se venden por plaza

  • Founder AI Sprint privado — para equipos de ingeniería, producto e innovación que van a construir. El currículo público de 4 semanas impartido en privado y reorientado a sus sistemas: agentes, automatizaciones y RAG sobre su stack, un acotado que sobrevive a sus restricciones reales y un trabajo final revisado contra su hoja de ruta.
  • The AI Boardroom — para equipos directivos que deciden dónde encaja la IA en la cuenta de resultados. Construir, comprar o esperar como marco de decisión, TCO y evaluación de proveedores reales, gobernanza y riesgo sin alarmismo, y una hoja de ruta de una página sobre la que su consejo pueda actuar.
  • Campus Gen AI Programs — para universidades que organizan cohortes. Basados en proyectos y evaluados por lo que se construye, con un currículo sacado del trabajo en producción y no de libros de texto.
  • Tamaños de grupo — normalmente de 10 a 30 para un programa ejecutivo y hasta unos 40 para una cohorte centrada en construir. Por encima dividimos en cohortes paralelas en lugar de dar una conferencia, porque el valor se derrumba a escala.
  • Acotado — envíe una consulta y respondemos en un día hábil con un dosier de programa que pueda hacer circular internamente.

Dos cosas las decimos en voz alta porque son las preguntas que de verdad se hacen. El currículo sale de lanzar productos de IA y no de una biblioteca de contenidos, y quienes lo imparten son quienes hacen ese trabajo comercialmente. Y si una petición queda fuera de aquello con lo que trabajamos comercialmente, lo decimos en lugar de aprenderlo a su costa.

8. Lo que no voy a afirmar

La encuesta no es nuestra y el encaje no es prueba. TalentLMS encuestó a 101 responsables de RR. HH. y a 1.000 empleados en Estados Unidos en septiembre de 2025. Que nuestros programas estén diseñados contra esos hallazgos es una decisión de diseño, no evidencia de que rindan más, y nuestros propios datos de resultados son escasos porque los encargos corporativos que podemos citar son recientes y el Founder AI Sprint público todavía no se ha impartido.

Lo práctico no sale gratis. Construir sobre sus propios sistemas implica accesos, aprobaciones y alguien de su lado capaz de desbloquear una credencial el segundo día. Programas así dan más trabajo al cliente que una licencia de vídeo, y si nadie internamente asume eso, rendirán por debajo por bueno que sea quien enseñe.

La formación no arregla un problema de estrategia. Si nadie ha decidido para qué sirve la IA en su organización, una cohorte no lo decidirá por usted. Para eso existe el formato ejecutivo, y hacerlo en el orden equivocado es el error caro más habitual aquí.

El resumen honesto

La formación corporativa en IA en 2026 no fracasa por falta de presupuesto ni de oferta: el 94% de las empresas ya ofrece algo. Fracasa en los diecinueve puntos entre lo que cree quien la compró y lo que vive quien se sienta en ella, y en esa mitad de la sala que piensa que el programa está ahí para automatizarlos.

Ninguna de las dos cosas se arregla con mejores diapositivas. Se arreglan nombrando la tarea, construyendo sobre los sistemas reales, manteniendo la sala lo bastante pequeña para que alguien pueda mirar su pantalla y diciendo con claridad qué intenta hacer la organización.

Si solo cambia una cosa en cómo compra formación en IA, que sea esta: especifique el trabajo que quiere distinto, no los temas que quiere cubiertos.

Fuentes: TalentLMS, "The 2026 L&D Report: The State of Workplace Learning" — encuesta a 101 responsables de RR. HH. estadounidenses y 1.000 empleados a jornada completa de Estados Unidos que habían recibido formación en los 12 meses anteriores, realizada en septiembre de 2025; todas las cifras de RR. HH. y de empleados son las publicadas allí y proceden de respuestas autodeclaradas. Los detalles de los programas, los socios y la cifra de 300+ son nuestros y están vigentes en la fecha de publicación. La lectura de la brecha de diecinueve puntos como predictor de adopción, las restricciones de campus de la sección 5 y todas las recomendaciones son mías. Para la versión a escala de fundador del mismo problema, vea el 82% de las empresas da formación en IA y el 59% sigue con brecha de competencias.

IdeaToMVP Academy

Want to build with AI — not just read about it?

4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.

Explore the Academy →
Share this post :