Solo el 15% de los trabajadores mayores de 45 años usa hoy herramientas de IA generativa en el trabajo.

Pero el problema no es que no puedan. Es que casi nadie los invitó a la fiesta.

Las estrategias para cerrar la brecha de IA generacional que de verdad funcionan no se enfocan en enseñar a usar ChatGPT. Se enfocan en rediseñar quién tiene acceso, quién capacita y quién decide qué talento vale la pena desarrollar.

El dato que nadie quiere leer en su comité de contratación

En un reportaje publicado por Generation, con financiamiento de Google.org y la investigación hecha junto a YouGov, se documenta algo que debería incomodar a cualquier comité de reclutamiento: el 90% de los empleadores en Estados Unidos consideraría candidatos menores de 35 años para puestos relacionados con IA, contra apenas el 32% para mayores de 60. En Europa la brecha es prácticamente idéntica.

Lo incómodo no es el sesgo. Eso ya lo sabíamos.

Lo incómodo es que la misma organización había documentado antes que el 89% de esos empleadores admite que los trabajadores de mediana edad y mayores rinden igual o mejor que sus colegas más jóvenes.

Es el equivalente corporativo de decirle a alguien “confío en ti” y luego esconderle las llaves del coche detrás del sofá.

Y entre quienes sí usan IA generativa después de los 45, la mayoría no son turistas de fin de semana: son “power users” autodidactas que la usan varias veces por semana. Nadie los entrenó.

Se entrenaron solos. Como quien aprendió a programar el VHS leyendo el manual mientras el resto de la familia esperaba a que “algún sobrino” viniera a hacerlo.

¿Por qué las empresas siguen prefiriendo menos de 35 años para roles de IA?

Porque confunden dos cosas que no son lo mismo: dominio técnico de una herramienta y criterio para usarla bien.

Un dato del NBER lo ilustra sin rodeos: el uso de IA generativa en el trabajo cae del 34% en menores de 40 a apenas 17% en mayores de 50.

Pero caída de uso no es caída de capacidad. Es caída de exposición.

Cuando una empresa asume que “nativo digital” equivale a “mejor con IA”, está haciendo la misma apuesta que hacía hace veinte años con el manejo de Excel: confundir familiaridad con dominio, y esperar que la juventud haga el trabajo que le corresponde al criterio.

Estrategias para cerrar la brecha de IA generacional que sí mueven el número

La primera no es tecnológica. Es de diseño de programa.

Capacitación formal y estructurada, no soporte disperso que deja a cada quien resolviendo solo, a punta de tutoriales de YouTube a las once de la noche.

El estudio de Generation encontró que más del 90% de los empleadores ofrece algún tipo de apoyo, pero solo la mitad brinda entrenamiento formal. El resto deja a la gente aprendiendo por su cuenta y luego se sorprende de que la adopción sea despareja.

Según reportó IBM, apenas el 22% de los baby boomers recibe capacitación en IA, una proporción bastante menor que la de generaciones más jóvenes — aunque vale decir que esa cifra específica no siempre viene acompañada de metodología pública detallada por parte de cada empresa que la reporta.

La segunda estrategia es revisar el filtro de contratación y promoción para roles de IA, no solo el temario del curso. Si el 90% de los reclutadores sigue prefiriendo candidatos jóvenes para estos puestos, ninguna capacitación va a compensar un sesgo que opera antes de que la capacitación siquiera empiece.

La tercera es el reverse mentoring: emparejar a alguien joven con dominio técnico con un perfil sénior que aporte criterio de negocio.

No es caridad generacional. Es la manera más barata de transferir conocimiento en ambas direcciones sin pagar un consultor externo que va a decir, en inglés y con slides bonitos, lo mismo que ya sabe la persona que lleva quince años en el negocio.

Un punto de entrada práctico y de bajo riesgo para empezar esta transición —sin sobrecargar a nadie con diez herramientas a la vez— es justamente lo que trabajo en el curso de IA para principiantes: un mapa claro de qué usar según la tarea, no una lista más de apps que nadie va a abrir después de la primera semana.

¿Capacitar es suficiente, o el problema está en quién decide quién capacita a quién?

No es suficiente.

Capacitar sin tocar el sesgo de contratación es como poner un gimnasio nuevo en la oficina y seguir promoviendo solo a quien corre rápido — aunque el gimnasio esté lleno de gente en buena forma que nadie fue nunca a ver entrenar.

El interés en aprender, además, no es parejo. Entre quienes aún no usan IA, cerca de un tercio en Estados Unidos dice no tener ningún interés, mientras que en Europa esa cifra baja a 17%.

Eso también es un dato de diseño organizacional, no de actitud personal: donde la cultura laboral premia visiblemente el uso de IA, el interés sube. Donde no, la gente racionalmente no invierte tiempo en algo que no le va a mover ni el sueldo ni el puesto.

Nadie estudia para un examen que nadie va a calificar.

El liderazgo que traduce datos, no el que los teme

La pieza final —y la más incómoda para quien dirige— es que ningún programa de capacitación sobrevive si el C-Level no lo modela primero.

Un liderazgo que entiende cómo se generan los análisis de IA, sin necesidad de convertirse en científico de datos, transmite algo que ningún curso transmite solo: que usar la herramienta no es debilidad, es criterio actualizado.

Las estrategias para cerrar la brecha de IA generacional que de verdad cambian el número combinan tres cosas al mismo tiempo: capacitación formal, revisión activa de sesgos de contratación, y liderazgo que da el ejemplo antes de pedirlo.

Ninguna funciona sola. Es justo el tipo de decisión que desarrollo con más profundidad en mis conferencias de inteligencia artificial para empresas que ya notaron que el problema no es de talento — es de quién decide a quién le dan acceso.

Si este tipo de análisis te sirve para tomar mejores decisiones esta semana, te va a servir más leerlo todos los días en mi lista de mail sobre innovación.

Supervisado por Santiago González y Musi.