Según IBM, muchas empresas están probando herramientas de IA, pero solo el 25 % de las iniciativas logra el ROI previsto. La mayoría de los programas de transformación digital no avanzan más allá de la fase de experimentación o se estancan justo después, sin llegar a adoptarse plenamente o generar resultados.
El problema no radica en la tecnología, sino en tres factores principales:
- El personal no logra seguir el ritmo. Las empresas se centran en la tecnología y descuidan el eslabón decisivo: el elemento humano. ¿Recuerdas el modelo de aprendizaje 70:20:10? Según una reinterpretación de esta metodología que hizo Forbes y Boston Consulting Group en relación con la IA, la adopción de esta herramienta depende en un 10 % de los algoritmos, un 20 % de la tecnología y un 70 % del personal y los procesos. La tecnología es solo una variable de la ecuación, el factor determinante son los empleados y los procesos.
- La prueba piloto no es aplicable a gran escala. Aunque las pruebas con cohortes pequeñas son esenciales, su éxito no garantiza automáticamente resultados en toda la empresa. Para superar estas demostraciones aisladas, conviene convertir la inversión en IA en procesos y sistemas reproducibles que encajen con tus procesos de trabajo y tu ecosistema tecnológico.
- No hay conexión entre las iniciativas de IA y las necesidades concretas de la empresa y los aprendices. Son pocas las compañías que han alcanzado un nivel de optimización tal que les permita generar resultados comerciales de forma constante gracias a la IA. Esto ocurre porque falta apoyo interno y las iniciativas no están vinculadas con objetivos cuantificables ni con los problemas generales de la empresa. Así, los resultados quedan en un plano teórico o, en el mejor de los casos, descriptivo.
Entonces, ¿qué funciona en la práctica para superar estas dificultades?
En LENS 2026, los directores de empresas que lograron avanzar de la experimentación a la implementación (como Yara, HubSpot, Pearson y GSK) presentaron sus conclusiones. Te contamos sus aportes más relevantes y las iniciativas que generaron mayores resultados.
Fundamenta las iniciativas de IA en problemas concretos de la empresa, sin conceptos teóricos
Aunque es fácil dejarse llevar por lo que la IA puede hacer, una implementación eficaz depende de si da respuesta a las necesidades particulares de la compañía. Si uno se centra en las funcionalidades de la IA o el revuelo que causa, es probable que termine aplicándola a problemas poco relevantes. Esto puede generar entusiasmo, pero no resultados.
Leanne Jefferson, directora general de Aprendizaje y Desarrollo de Yara, destacó la importancia de adecuar las iniciativas de IA a los problemas concretos de la empresa. Por ejemplo, “en una compañía internacional como Yara, ofrecer a gran escala sesiones de coaching de calidad para adquirir capacidades de liderazgo es un desafío”.
Dado este contexto, el coaching se convirtió en una oportunidad ideal para poner a prueba las funcionalidades de la IA, en este caso, con Degreed Maestro. Más allá del atractivo inicial, la aprobación de la herramienta se justificó con casos de uso relevantes para la empresa, específicamente la adquisición de capacidades de liderazgo.
La decisión de ceñirse a resolver un problema concreto fue lo que, en última instancia, permitió conseguir el apoyo necesario de las partes interesadas y generar entusiasmo, incluso en medio de cambios constantes dentro de la empresa y pese a su postura de baja tolerancia al riesgo.
Convierte el área de Aprendizaje y Desarrollo en un sistema de IA integrado
A medida que la IA avanza, la función que cumple el área de Aprendizaje y Desarrollo también debe hacerlo. Para el éxito de una empresa, que su personal aprenda es más importante que nunca. Según McKinsey, casi el 90 % de los directores quieren modificar sustancialmente las iniciativas de desarrollo profesional para los empleados.
“Con la irrupción de la inteligencia artificial, no sabemos cómo será el mundo a futuro, pero en todos los escenarios optimistas se destaca la importancia del desarrollo profesional”, comentó Zoe Botterill, jefa de Aprendizaje y Desarrollo de Pearson.
Las empresas con visión de futuro están dejando atrás los modelos estáticos de aprendizaje virtual y adoptando sistemas dinámicos diseñados internamente. En HubSpot, este cambio ha sido tan drástico que la compañía no ha lanzado cursos tradicionales de e-learning desde abril de 2024. Es más, ha redefinido sus roles laborales típicos.
“Gran parte de los que diseñábamos experiencias de aprendizaje ahora somos arquitectos de sistemas de aprendizaje con IA, ya que dejamos de crear cursos de e-learning”, comentó Jackson. En este nuevo rol, el objetivo es integrar sistemas y potenciar el trabajo de quienes han usado la IA desde el momento cero dentro de la empresa, en lugar de tratar de usar la herramienta por cuenta propia.
Al crear un sistema que funcione a gran escala, la forma de producir y distribuir los contenidos de aprendizaje también debe adaptarse al ritmo de evolución constante. El tiempo disponible para planificar experiencias de aprendizaje de calidad es menor, ya que los materiales en los que se basan cambian de un día para otro y los plazos comerciales se aceleran aún más.
Ante esta situación, Botterill propuso un método de trabajo iterativo que permite ajustar los contenidos sobre la marcha: “Lanzaremos las experiencias, nos centraremos en el producto, lo mejoraremos y aprenderemos en el proceso”.
Las novedosas funcionalidades de la IA están haciendo posible esta nueva forma de trabajar gracias a experiencias de aprendizaje dinámicas y bibliotecas de contenidos que se actualizan de forma automática.
Crea un “gimnasio” de práctica para cultivar habilidades
Uno de los beneficios menos reconocidos de la IA, especialmente en lo que refiere al desarrollo profesional de los talentos, es que brinda un entorno de práctica con seguridad psicológica. Cuando los empleados necesitan poner a prueba sus habilidades, pero aún no están preparados para asumir el riesgo de hacerlo en contextos reales, las herramientas como los juegos de rol con IA y las sesiones de coaching individuales pueden subsanar esa brecha.
“A nadie le resulta cómodo participar en juegos de rol frente a otros. Esto le permitió al personal practicar como si fuera un gimnasio”, acotó Antonia Jackson, gerente sénior de Innovación del Aprendizaje y Tecnología de HubSpot.
Según explicó, cuando los trabajadores utilizaban Degreed Maestro para practicar conversaciones difíciles, estaban más dispuestos a recibir comentarios constructivos de la IA que de un superior, ya que percibían los primeros como neutrales y libres de juicios.
“Hay que saber equivocarse, porque al fracasar se aprenden lecciones muy valiosas”, opinó Jackson.
En este entorno de práctica seguro, los empleados pueden equivocarse sin presión, o aprender de sus errores, y desarrollar sus habilidades antes de aplicarlas sin tener que exponerse frente a un colega o un supervisor. Esta práctica repetible y controlada, además de ser más eficaz, permite a los supervisores dedicar menos de su valioso tiempo a las sesiones de coaching para ayudar al personal a cultivar habilidades.
Los controles: el factor clave y subestimado para ampliar las pruebas piloto
En las pruebas piloto de IA, muchos directores consideran que los controles son un obstáculo. Sin embargo, contar con evaluaciones sólidas sobre los riesgos y la privacidad de los datos es lo que, en realidad, genera la confianza necesaria para que la IA pueda adoptarse a gran escala. Las fallas de adecuación en los permisos o las integraciones que se dan en la fase inicial se pueden convertir en problemas críticos al implementar el proyecto en toda la empresa.
Según Carlo José, director general de Tecnología del Aprendizaje y para los Talentos de GSK, las pruebas piloto de tecnología son el mejor momento para evaluar los controles y sistemas en condiciones reales y acondicionarlos para una implementación más amplia. En sus palabras: “Prefiero que las cosas fallen ahora, en la fase de prueba, para ver cómo se pueden mejorar”.
Su método basado en detectar fallas en una primera instancia implica involucrar a perfiles de distintas áreas para determinar las deficiencias antes de implementar los controles y el sistema a gran escala en toda la empresa. Corregir los errores de antemano no solo es mucho más sencillo, sino que también permite desplegar un sistema sólido y controles bien definidos, lo que sienta las bases para que el personal logre resultados.
Redefine las habilidades para el trabajo actual
Las habilidades evolucionan, y con ellas, las formas de adquirirlas y evaluarlas.
Si consideramos las habilidades desde la óptica de la transformación en torno a la IA, lo que buscan y priorizan las empresas ha cambiado por completo. Botterill comentó que en Pearson, por ejemplo, se centran en tres habilidades estratégicas para prosperar en este nuevo mundo dominado por la IA:
- Capacidad de aprendizaje continuo: Saber cómo asimilar y fijar conocimientos con eficacia.
- Dominio de la IA: Integrar la IA en el trabajo diario.
- Adaptabilidad: Mantener el desempeño frente al ritmo acelerado de los cambios tecnológicos.
En Yara, el equipo de Aprendizaje identificó que la adquisición de capacidades de liderazgo no solo era un caso de uso relevante para la empresa y una prioridad dentro de las inversiones destinadas al personal y procesos, sino también la iniciativa con mejor recepción. Según Jefferson, al final de la prueba piloto con Maestro, “las sesiones de coaching de liderazgo fueron la función mejor valorada”.
La necesidad de vincular la implementación de la IA con los resultados empresariales
Las empresas que están viendo resultados concretos no son las que más pruebas hacen, sino las que se han replanteado de forma sistemática cómo se articulan el trabajo, la tecnología y las competencias.
La transformación en torno a la IA no es un proyecto puntual. Ya sea que busques avanzar rápido como Pearson o aplicar el método de prueba y error una y otra vez como GSK, hay un principio común: todas las piezas deben coordinarse. La estrategia debe adecuarse a los resultados deseados, la tecnología a los procesos de trabajo diarios y lo aprendido a una práctica tangible.
Incluso en las fases de experimentación con la IA, el desarrollo profesional sigue siendo el factor decisivo. La tecnología por sí sola no genera resultados sostenibles o adaptables. Para potenciar sus beneficios en toda la empresa, es necesario cambiar de forma intencional la manera en que aprenden y trabajan los equipos.
Sigamos en contacto.
Quiero suscribirme al boletín mensual con perspectivas exclusivas, los próximos eventos y novedades sobre las soluciones de Degreed.