Una capacitación en inteligencia artificial para empresas debería arrancar con el trabajo real de tu equipo, antes de cualquier catálogo de herramientas.
Primero se identifican tareas concretas. Luego se fijan reglas de uso, se practica con material autorizado y, al final, se comprueba si algo mejoró.
Aclaro el alcance. Esta ruta es una propuesta mía, apoyada en el marco de gestión de riesgos del NIST y en estudios sobre tareas específicas.
Ningún estudio ha validado la secuencia completa. Tómala como criterio para decidir; método probado todavía no hay.
Hablo de IA generativa aplicada al trabajo de oficina: la que redacta, resume y responde a partir de instrucciones.
Para empezar no hace falta saber programar ni desarrollar modelos propios.
Empieza por las tareas de tu equipo, no por las herramientas
En los noventa, muchas videocaseteras vivían con el reloj parpadeando en 12:00. El aparato funcionaba. Nadie había leído el manual para ponerle la hora.
Una licencia de IA que nadie sabe aprovechar se le parece bastante.
Antes de elegir curso o herramienta, haz un diagnóstico corto: una encuesta breve y conversaciones con quienes dirigen cada área.
Qué herramientas usan, en qué tareas, qué información introducen, quién revisa lo que sale y dónde aparece el retrabajo. El resultado cabe en una tabla.
| Tarea | Responsable | Frecuencia | Tiempo actual | Información necesaria | Riesgo |
|---|---|---|---|---|---|
Con la tabla a la mano, elige un proceso piloto. Mis criterios son editoriales, no un estándar.
Que la tarea sea frecuente, que tenga insumos autorizados, que el resultado se revise fácil y que los errores se puedan revertir.
Además, que alguien conozca el trabajo lo bastante para juzgar la salida. Dos ejemplos hipotéticos: convertir una transcripción autorizada en minuta o armar el borrador de una propuesta comercial.
El primer ejercicio práctico es un prompt reutilizable: objetivo, material autorizado, tarea, restricciones, formato, criterios de revisión y cuándo escalar a una persona.
Aquí explico cómo crear prompts reutilizables para equipos de trabajo, con responsable, variables y un ejemplo aprobado.
Una precaución: un prompt compartido no garantiza resultados idénticos ni seguridad. Sirve para estandarizar y evaluar, no como control infalible.

¿Por qué una tarea que sale bien no garantiza que otra parecida salga bien?
Un documento de trabajo de Harvard Business School, de septiembre de 2023, estudió trabajo de consultoría y habló de una frontera tecnológica irregular.
La asistencia de IA mejoró unas actividades y empeoró otras que parecían similares.
Esos resultados describen las tareas y la tecnología evaluadas entonces. No son un ranking de modelos actuales.
Mi lectura: que una tarea funcione no te dice nada seguro sobre la siguiente. Se prueba tarea por tarea.
Eso cambia cómo se practica. A ver, una demo donde todo sale perfecto entrena el aplauso.
El criterio se entrena con información incompleta, con una afirmación incorrecta que alguien deba detectar, con un caso sin evidencia suficiente o con un resultado que pida corrección.
Define qué información se puede compartir antes de que alguien la cargue
El documento NIST AI 600-1, de julio de 2024, describe riesgos de la IA generativa.
Entre ellos están la generación convincente de información falsa y la exposición de datos sensibles. Que una respuesta suene segura no la vuelve cierta.
La consecuencia práctica es una política de una página. Debe decir qué herramientas y cuentas están autorizadas y qué información es permitida, restringida o prohibida.
También qué revisión hace falta antes de entregar o publicar, qué actividades no pueden ejecutarse de forma automática y a quién avisar cuando algo salga mal.
Las condiciones de uso de datos cambian según el producto y el plan.
Mira qué plan usa tu equipo en lugar de suponer, y escribe la regla antes de que alguien cargue el primer archivo.

¿Cómo sabes si la capacitación está funcionando?
Un estudio de la NBER, de abril de 2023, siguió a 5,179 agentes de soporte mientras se les introducía de forma escalonada un asistente generativo.
En cifras
El estudio evaluó una herramienta integrada al trabajo, no un curso, y esa versión no identifica a la empresa.
Por eso no cabe escribir que capacitar sube 14% la productividad.
Sí deja dos cosas. Midió un resultado concreto, problemas resueltos por hora, y no cantidad de prompts.
Y encontró efectos distintos según la experiencia, lo que justifica diferenciar la capacitación por perfil.
Para tu piloto, registra durante varias semanas el tiempo total, incluida la revisión, la calidad del entregable, las correcciones necesarias, la frecuencia de uso y los resultados rechazados.
Los minutos ahorrados no son ahorro financiero hasta que demuestres en qué se usó ese tiempo.
Ojo: en las fuentes que revisé no hay evidencia para prometer que una sesión corta garantice adopción sostenida, retorno financiero ni cero errores.
Lo que conviene pedirle a un curso antes de contratarlo
Con lo anterior, las preguntas para comparar proveedores salen solas.
Si parte de un diagnóstico o usa un temario fijo. Si trabaja con tareas de tu empresa. Qué aprenderá cada perfil y qué herramientas y licencias hacen falta.
Y también si incluye privacidad, errores y verificación, qué entregables quedan, si hay seguimiento y cómo se evalúa el aprendizaje.
Un curso que no sepa responder eso te deja con el reloj en 12:00.
Si quieres que tu equipo practique con tareas de su propia operación y que la inteligencia artificial trabaje para ti, el curso para empresas de LuisGyG arranca con un diagnóstico.
Supervisado por Santiago González y Musi.
Que tu equipo lo aplique
Lo armo como curso para tu empresa, a partir de un diagnóstico de cómo trabaja hoy tu equipo.
Conoce los cursos para empresas


