IA para personas humanas

Casi toda la formación de IA que se contrata hoy enseña lo mismo: qué botón pulsar, qué prompt escribir, cómo se llama cada función de la herramienta de turno. Es la promesa más fácil de vender — "en dos horas dominas la herramienta" — y también la que caduca más rápido.

El motivo es simple: las herramientas de IA cambian de ciclo en semanas, no en años. Hace poco contábamos en este mismo sitio cómo Google cerraba el Gemini CLI (una forma de usar IA escribiendo comandos de texto en la terminal, sin interfaz gráfica, muy usada por desarrolladores) para sustituirlo por un Antigravity CLI con reglas y límites de uso distintos. Quien había formado a su equipo en "cómo usar el Gemini CLI" tuvo que empezar de cero el mismo día del cierre. Quien había formado en cómo razonar con una IA por línea de comandos — qué pedirle, cómo verificar la respuesta, cuándo no fiarse de ella — solo tuvo que aprender una interfaz nueva.

Ese es el problema de fondo: una formación centrada en la interfaz forma para una herramienta concreta, no para trabajar con IA.

El problema de formar para una herramienta, versión y pantalla concreta

Toda formación centrada en una herramienta específica, su interfaz y su versión actual asume implícitamente que esa combinación seguirá siendo operativa en el futuro cercano. Esta es una premisa cada vez menos sostenible: interfaces se rediseñan de forma importante, versiones traen cambios en funcionalidad y UX, modelos de precios se modifican, y proveedores descontinúan productos o servicios.

Cuando estos cambios ocurren — y ocurren con frecuencia creciente en el sector de IA — el conocimiento específico transmitido en la formación pierde validez casi de inmediato. El equipo no tiene defensa ante la change: vuelve a depender de recursos externos para reaprender dónde está cada función, cómo se llama ahora cada característica, o cuál es el flujo equivalente en la herramienta sustituta.

Aunque este problema existe en cualquier dominio tecnológico, la velocidad de cambio en IA generativa lo amplifica considerablemente. Un nuevo modelo puede alterar el comportamiento esperado de instrucciones que funcionaban hace semanas; una versión actualizada puede retirar funciones que eran centrales en el caso de uso original; un cambio en los términos de servicio puede hacer inviable un flujo de trabajo previamente documentado.

Qué significa "formar en fundamentos"

Los fundamentos son la parte que sobrevive al cambio de herramienta. Tres ejemplos concretos de qué es y qué no es un fundamento:

Criterio para evaluar una respuesta. No es memorizar un truco de prompt. Es saber reconocer cuándo una respuesta de IA es plausible pero incorrecta, cuándo falta contexto para que la respuesta sea útil, y cuándo conviene pedirle a la IA que muestre su razonamiento antes de darla por buena. Ese criterio funciona igual en un chat, en una terminal o en el próximo modelo que salga el año que viene.

Iteración como método de trabajo. Con una IA casi nunca se acierta a la primera. Se prueba, se observa el resultado, se ajusta la instrucción, se vuelve a probar. Formar en esto es enseñar el ciclo, no memorizar una instrucción concreta que funcionó una vez.

Saber qué información necesita la IA para responder bien. Casi todos los fallos de una IA no son fallos del modelo: son fallos de contexto — le falta la información que necesitaba para responder bien, o esa información está desordenada. Entender esto no depende de ninguna herramienta concreta: depende de saber organizar lo que sabes antes de pedirle algo a una IA.

Ninguno de estos tres puntos se queda obsoleto cuando cambia la interfaz. Se transfieren directos a la siguiente herramienta, y a la siguiente después de esa.

La ruta progresiva: de uso puntual a sistema unificado

El aprendizaje de IA sigue una progresión clara, y saltarse niveles deja el conocimiento incompleto e inaplicable.

Nivel 0: Uso puntual, sin sistema. La persona usa IA ocasionalmente como herramienta aislada, sin criterio establecido sobre cuándo usarla o cómo verificar resultados. El conocimiento reside solo en esa persona y no es transferible.

Nivel 1: Aprender y entender qué es la IA. El primer paso real es que una persona comprenda qué puede y qué no puede hacer una IA, cuándo es útil y cuándo no, y cómo validar que la respuesta es adecuada para el contexto. Es la base conceptual, y sin ella no hay criterio posible en los niveles siguientes.

Nivel 2: Usar de forma consistente y coordinada en equipo. El segundo paso es que varias personas usen IA con criterios compartidos y métodos coordinados, no cada una a su manera. Sin este nivel, el equipo tiene capacidades fragmentadas, sin poder aprender colectivamente del uso ni escalar las mejores prácticas.

Nivel 3: Sistema unificado de empresa. El último nivel integra el uso de IA en los procesos, información y herramientas comunes de la organización, de forma que deja de depender de quiénes estén formados en un momento dado. La IA deja de ser una habilidad individual y pasa a ser parte del funcionamiento empresarial.

El error más habitual es formar personas al nivel 1 (individual) y esperar que eso genere cambio de negocio sin pasar por los niveles 2 y 3 (equipo y sistema). Esa formación incompleta deja el conocimiento encerrado en cabezas individuales, sin amplificación ni integración operativa.

Qué significa esto para tu empresa

Antes de contratar o diseñar una formación de IA, vale la pena hacer una pregunta simple: si la herramienta que se está enseñando desapareciera mañana, ¿qué le quedaría al equipo?

Si la respuesta es "nada", la formación enseñó una pantalla. Si la respuesta es "el criterio para aprender la siguiente herramienta en un día", la formación enseñó algo que perdura.

En TK seguimos esta misma lógica al diseñar formación: no nos quedamos en "aprender botones" de una herramienta concreta, sino en la ruta completa — de individual a equipo, y de equipo a sistema unificado de empresa. Es más lento que un curso de tarde, pero es lo único que no caduca con la próxima actualización.