Los altos mandos exigen desde hace mucho que el área de Aprendizaje y Desarrollo demuestre sus aportes y que justifique los costos. Durante mucho tiempo, la mejor opción fue presentar un informe con la cantidad de contenidos de aprendizaje finalizados.
Sin embargo, lo cierto es que las métricas de las actividades de aprendizaje (los materiales terminados, el tiempo dedicado, las puntuaciones de satisfacción) no son la respuesta para la pregunta que en verdad hay que plantearse. Nunca lo fueron. La única pregunta a la que responden esos parámetros es si los empleados accedieron a los contenidos y los terminaron.
El interrogante cuya respuesta es más trascendente para la cúpula directiva es otro: ¿el personal logró mejorar en algún aspecto que sea importante para la empresa?
Con el auge de los agentes de IA, la velocidad a la que se puedan adaptar los empleados es esencial. Las empresas avanzan en la medida que el personal es capaz de aprender. No obstante, según ATD, menos de un tercio (el 30 %) de las empresas saben aprovechar los datos que arrojan los programas de aprendizaje para tomar decisiones, seguramente porque, de entrada, esa información tiene muy poco que ver con la compañía.
Eso está empezando a cambiar. Gracias a las nuevas funcionalidades técnicas y un corpus cada vez mayor de inteligencia sobre las habilidades, por fin es posible vincular las actividades de aprendizaje con los resultados que conciernen a las cúpulas directivas. Varias personalidades destacadas del sector se reunieron en Degreed Focus London 2026 para hablar sobre estos cambios, cómo se dan concretamente en las empresas hoy y qué se viene en el ámbito de las métricas de actividad personalizadas.
El problema de medir las actividades de aprendizaje
Los indicadores de las actividades de aprendizaje son fáciles de generar y cuantificar. Lo difícil es demostrar que esas actividades repercuten en las capacidades de los empleados que son fundamentales para las empresas y, por ende, en los resultados. En Focus London, Lori Niles-Hofmann, cofundadora de 8levers, explicó que los equipos de Aprendizaje y Desarrollo pueden combinar estas métricas para contar con un panorama más general, pero eso no siempre quiere decir que haya un único panorama más general. Por lo general, las métricas habituales no son pruebas de una contundencia tal que permita sacar conclusiones válidas.
“Podemos observar los programas de aprendizaje planteados a partir de datos, analizar todas las mediciones combinadas y pensar: ‘Quizás X más Y es igual a Z’, pero eso no nos da ninguna certeza”, comentó Niles-Hofmann.
Por eso, propuso algo mejor: un sistema continuo de información o la posibilidad de “aislar diferentes tipos de intervenciones de aprendizaje” para reconocer sus efectos al instante. Por ejemplo, si un empleado se prepara para una charla de ventas, el sistema de aprendizaje debe registrar y evaluar el resultado de la conversación como una repercusión directa de la iniciativa de desarrollo profesional.
Algunas compañías, como Capgemini, ya están haciendo pruebas piloto con este modo de evaluar el dominio de las habilidades para ver si representa con más precisión los beneficios que obtienen las empresas.
Cómo hizo Capgemini para vincular los avances en las habilidades con la empresa
“Invertí tal cantidad de dinero en programas de aprendizaje. Quiero saber cuál es su rendimiento”.
Eso era lo que siempre le decían los directivos a Estelle Maione, directora general de Aprendizaje de Capgemini. Con más de 300 000 empleados y una identidad forjada a fuerza de trayectorias profesionales basadas en habilidades, Capgemini no podía darse el lujo de suponer que había una relación entre las actividades de aprendizaje y el desempeño de la empresa.
“Desde el primer día definimos que, como compañía, queríamos transformar lo que hacemos con nuestras habilidades en resultados para la empresa”, relató Maione.
Lo que la cúpula directiva de Capgemini pretendía del área de Aprendizaje y Desarrollo era esto: iniciativas de aprendizaje personalizadas a gran escala, avances visibles en el dominio de las habilidades y pruebas que demostraran el grado de preparación de los empleados para ciertos proyectos.
La tasa de finalización de los programas de aprendizaje no sirve para saber si un equipo está listo para ocuparse del proyecto decisivo de un cliente. De la misma forma, un supervisor tampoco puede determinar qué pueden hacer bien sus empleados viendo las insignias recibidas por terminar un curso.
Por eso, Capgemini buscaba otro tipo de señales que dieran cuenta de las habilidades: los proyectos entregados y el desempeño.
Cuando alguien trabaja con iniciativa y un determinado nivel de dominio en los proyectos de los clientes, demuestra su capacidad con la labor en sí, en lugar de en un entorno de capacitación controlado. Los datos que se desprenden de trabajos concretos se convierten en datos sobre las habilidades. Este concepto es clave porque, como señaló Maione, “si los datos no son precisos, no hay magia”.
Para registrar información de los proyectos, se necesitaba un ecosistema interconectado en el que los datos sobre el personal y sobre las habilidades se coordinaran en un panorama integral. A partir de allí, el desempeño de la empresa se convertiría en la prueba, y la función del área de Aprendizaje sería demostrar cuáles fueron sus contribuciones a lo largo del tiempo.
“Conectamos la plataforma de aprendizaje con el sistema de operaciones porque lo usamos para asignar el personal a los proyectos, que son las ocasiones concretas en las que los empleados adquieren sus habilidades”, afirmó Maione.
El resultado es un modelo para elaborar informes que responde de verdad a la exigencia de presentar pruebas cuantificables: cuando se invierte determinada suma en programas de aprendizaje, se consiguen tantos empleados competentes que generan los resultados esperados por los clientes.
“En definitiva, registramos todas las habilidades en un solo lugar y elaboramos estadísticas o sacamos conclusiones que nos permiten no solo tomar decisiones sobre la empresa y los empleados, sino también orientar su desarrollo profesional”, explicó Maione.
Incluso con un panorama unificado de los datos sobre las habilidades, esta iniciativa sigue siendo interdisciplinaria. En Capgemini, el marco de las habilidades no pertenece al área de Aprendizaje y Desarrollo. “Está a cargo de los equipos de Operaciones, porque ellos tienen una noción más completa de lo que se necesita”, agregó Maione.
Para Maione, el argumento es claro: incluso cuando las actividades de aprendizaje están integradas al trabajo diario y son invisibles, los resultados para la empresa siempre deben poder cristalizarse y ser evidentes.
Cómo será la próxima generación de indicadores para cuantificar el aprendizaje
El método de Capgemini marca tendencia entre las posibilidades de hoy, pero así como evolucionan las funcionalidades técnicas, lo mismo sucede con lo que se puede cuantificar. Taylor Blake, vicepresidente sénior de Nuevas Iniciativas y director del Laboratorio de IA de Degreed, estuvo probando prototipos de cómo podrían ser a futuro los informes personalizados.
Imagina un informe en el que, en lugar de un porcentaje de finalización de los contenidos, se presentara el grado de confianza que se tiene un empleado y las mejoras de desempeño que logró en el transcurso de un programa en función de cómo fue su participación a lo largo de todo el proceso. En vez de métricas facilitadas por los mismos aprendices mediante encuestas, en estos informes se plasmaría la trayectoria particular del itinerario de aprendizaje de cada uno, es decir, su punto de partida, sus deficiencias y cómo se adaptó el programa sobre la marcha.
En la demostración del Laboratorio de IA, Blake propuso dos empleados ficticios con trayectorias diferentes y expuso no solo los contenidos que terminaron, sino también cómo variaron sus avances con las habilidades. Además, exhibió en paralelo el aumento del grado de confianza y el nivel de dominio demostrable.
De este modo, los datos probatorios del aprendizaje son más comparables con otros tipos de datos empresariales. El aumento del grado de confianza pasa a ser una métrica cuantificable. El nivel de dominio observado en interacciones concretas revela incluso si alguien tiene más confianza que capacidad o viceversa. Ese es un indicio imposible de descubrir con un informe sobre los contenidos terminados.
Cómo reformular la relación entre el aprendizaje y los beneficios para las empresas
Las métricas de los programas de aprendizaje se deben acercar más a la realidad de las empresas. El hecho de deducir sin mucho sustento que las tasas de finalización de los contenidos indican el grado de preparación del personal para ciertos proyectos no equivale a aportes tangibles para las empresas. En el mejor de los casos, es un razonamiento cuestionable. Sin embargo, gracias a las novedosas funcionalidades de la IA y un corpus cada vez mayor de datos sobre las habilidades, los equipos de Aprendizaje y Desarrollo no tienen por qué limitarse a marcar casillas en un formulario.
Ahora, cuando evalúan la formación profesional, los encargados de RR. HH. y Aprendizaje y Desarrollo necesitan una respuesta específica para la pregunta “¿El personal logró mejorar en algún aspecto que sea importante para la empresa?”.
Para esto hacen falta dos elementos: datos sobre las habilidades organizados y confiables (es decir, fundamentados en taxonomías normalizadas y definiciones que coincidan en todos los sistemas) y actividades de aprendizaje ligadas a los indicadores de desempeño que los altos mandos de las empresas ya usan para evaluar el grado de preparación del personal.
Al igual que Capgemini, las empresas que sienten esta base cuanto antes no solo podrán medir mejor el nivel de aprendizaje, sino que tomarán decisiones con más rapidez y confianza sobre el personal, y lograrán adelantarse a sus propias necesidades.
Sigamos en contacto.
Quiero suscribirme al boletín mensual con perspectivas exclusivas, los próximos eventos y novedades sobre las soluciones de Degreed.