Alfabetizacion en IA por rol: que debe aprender cada equipo

La alfabetizacion en IA deja de ser util cuando se disena como un curso unico para toda la empresa. No porque la idea de una base comun sea inutil, sino porque el trabajo no cambia igual para todos. Una persona de primera linea no enfrenta el mismo tipo de decision que una jefatura, ni necesita la misma profundidad tecnica que un especialista, ni corre el mismo riesgo que alguien que solo usa IA para consultas o apoyo operativo.

Respuesta breve: la pregunta correcta ya no es si conviene formar a toda la organizacion en IA, sino que debe aprender cada rol, en que contexto lo pondra en practica y como se medira si ese aprendizaje se transfirio de verdad al trabajo. Cuando esa respuesta no existe, la alfabetizacion suele quedarse en entusiasmo, adopcion superficial o demostraciones aisladas.

El problema no es menor. A medida que la IA entra en mas procesos, tambien crece la tentacion de resolverla con un unico modulo, una sesion inspiracional o una licencia repartida por igual. Eso simplifica la logistica, pero no el trabajo. La evidencia reciente de la OECD y varios casos corporativos regionales apunta en otra direccion: una transicion util exige mezclar habilidades fundacionales, digitales y complementarias, y traducirlas a poblaciones con responsabilidades distintas.

El error de ensenar IA como si todos hicieran el mismo trabajo

La promesa de "IA para todos" suena razonable mientras se habla en abstracto. En la practica, suele mezclar necesidades incompatibles. Una persona que usa IA para resumir reuniones o preparar un borrador necesita criterios de uso responsable, formulacion de consultas y verificacion basica. Un lider necesita decidir donde delegar, donde no delegar y que controles debe exigir. Un especialista necesita integrar sistemas, evaluar calidad, entender riesgos tecnicos y resolver excepciones. Y una poblacion de primera linea necesita acceso seguro, simple y contextual a informacion valida en el flujo real del trabajo.

Cuando todo eso se comprime en un mismo curso, la organizacion confunde alfabetizacion con exposicion. La gente sale habiendo visto una herramienta, pero no necesariamente sabiendo que decision cambia en su puesto, que error tiene que evitar o que evidencia deberia producir para demostrar que aprendio algo util.

Por eso conviene tratar la alfabetizacion en IA menos como una materia unica y mas como una arquitectura de decisiones. La pregunta no es solo que sabe alguien sobre IA. La pregunta es que tarea cambia, que riesgo aparece, que autonomia gana o pierde y que parte del criterio humano debe conservarse.

Lo que de verdad distingue una ruta util

Una ruta util no se distingue por la marca de la herramienta ni por la cantidad de prompts que ensena. Se distingue por cuatro variables:

1. Rol. No es lo mismo formar a alguien que ejecuta tareas individuales que a alguien que define politicas, revisa excepciones o gobierna un flujo.
2. Riesgo. Hay tareas donde un error cuesta segundos y otras donde cuesta confianza, cumplimiento o seguridad operativa.
3. Contexto. Una ruta sirve mas cuando nace del flujo real de trabajo y no de ejemplos genericos ajenos al puesto.
4. Transferencia. El exito no es solo satisfaccion o asistencia. El exito es que algo observable cambie en el trabajo.

Ese cuarto punto suele ser el mas debil. Muchas iniciativas de alfabetizacion pueden mostrar entusiasmo inicial, pero pocas pueden responder que uso verificable aparecio despues, que decisiones mejoraron o cuanto cambio la autonomia del equipo.

La pista mas clara de la OECD

La OECD publico *Skills in the AI age* el 8 de julio de 2026 y dejo una base util para esta discusion: prosperar con IA no depende de una sola habilidad nueva, sino de una mezcla de capacidades fundacionales, TIC y complementarias. Eso cambia el marco. La alfabetizacion en IA no puede reducirse a manejar una interfaz. Tiene que convivir con juicio, lectura critica, comunicacion y comprension del trabajo.

La misma OECD publico *Building an AI-ready public workforce* el 19 de enero de 2026 y fue todavia mas explicita en el plano organizacional: varias instituciones ya estan entrenando a todos los empleados para desarrollar habilidades fundacionales de IA, a lideres para ganar conocimiento estrategico y a profesionales digitales y de datos para profundizar capacidades tecnicas relacionadas con IA. Aunque el brief se centre en sector publico, el principio sirve mucho mas alla de ese contexto: no todos necesitan lo mismo, ni al mismo nivel, ni para el mismo tipo de responsabilidad.

Esa distincion ordena bastante bien el problema empresarial. Una ruta comun puede servir como base minima. Pero despues hay que abrir, al menos, cuatro poblaciones practicas:

• Empleados en general: uso responsable, consulta eficaz, verificacion basica y criterio para escalar dudas.
• Lideres y jefaturas: delegacion, accountability, medicion de impacto, criterios de riesgo y gobierno de uso.
• Especialistas tecnicos o funcionales: integracion, evaluacion, seguridad, mejora de sistemas y resolucion de excepciones.
• Primera linea: acceso contextual, interfaces simples, informacion validada y reglas claras para usar IA en el momento de trabajo.

La idea no es burocratizar la formacion. Es evitar que una empresa gaste tiempo en entrenamiento uniforme para problemas que ya son distintos.

Coca-Cola Andina: cuando medir transferencia cambia la conversacion

El caso regional mas util hoy no destaca solo por haber desplegado IA, sino por haber conectado adopcion con medicion de aprendizaje. Coca-Cola Andina publico el 20 de mayo de 2026 un balance sobre su programa *AcademIA: Explorando la IA* para analistas, supervisores y jefaturas en Argentina. La empresa reporto 87,9% de satisfaccion, 78,1% de aprobacion en la evaluacion de conocimientos y 10,3% de transferencia verificable a traves de casos concretos de uso de Microsoft Copilot en tareas laborales. Ademas, describio un aumento aproximado de 30% en el uso gerencial de estas herramientas y una mejora atribuible de 10,85 puntos porcentuales en adopcion de IA.

Conviene ser sobrios con ese material. Sigue siendo un autorreporte corporativo, no una evaluacion externa independiente. No prueba que toda alfabetizacion por rol produzca el mismo efecto ni alcanza para declarar una formula universal. Pero si cambia una parte importante de la conversacion: ya no estamos hablando solo de "la gente salio contenta del curso" o "la herramienta se activo". Estamos hablando de una empresa que intento medir aprendizaje, aplicacion y adopcion sobre grupos con responsabilidades concretas.

El caso gana mas valor cuando se lo conecta con otro despliegue de la misma organizacion. Microsoft publico el 19 de marzo de 2026 la historia de Andi, el agente de RR. HH. de Coca-Cola Andina. Segun esa historia, Andi personaliza respuestas a partir de la ubicacion, cargo y otros datos del colaborador, y ya era usado activamente por mas de 300 empleados, con planes de expansion. No es el mismo programa que AcademIA, pero juntos muestran algo mas interesante: la alfabetizacion y el soporte con IA empiezan a tener sentido cuando se anclan a una poblacion concreta, una necesidad concreta y una evidencia concreta.

Rumo y XP: el contexto vale mas que el curso generico

Si Coca-Cola Andina refuerza la dimension de transferencia, Rumo y XP ayudan a ver otro patron: la alfabetizacion util se parece mas al trabajo real que al aula generica.

En Brasil, Microsoft describio el 11 de noviembre de 2025 el caso de Rumo, donde mas de 1.700 operadores necesitaban acceder a informacion operativa actualizada sin depender de manuales impresos. La empresa reporto que el tiempo promedio para ubicar un procedimiento bajo de cuatro minutos a tres segundos, con participacion cercana al 50% en el primer mes y medio. La historia de proveedor es util, pero la confirmacion corporativa de Rumo agrega el dato importante para esta pieza: la asistente Ruti fue entrenada con protocolos y manuales propios, y solo libera acceso cuando el tren esta detenido.

Eso se parece poco a un curso general sobre IA. Se parece, mas bien, a alfabetizacion contextual para primera linea: informacion correcta, interfaz simple, reglas operativas claras y entrenamiento en el punto donde una decision importa.

XP aporta otra capa. En su historia del 18 de diciembre de 2024, Microsoft atribuye a XP Inc. mas de 9.000 horas ahorradas y una mejora de 30% en eficiencia del equipo de auditoria interna, dentro de una adopcion que incluyo workshops, mentoring y medicion por area. Otra vez, no es evidencia experimental. Pero si ofrece una leccion util: cuando una organizacion baja la IA a funciones concretas, puede medir mejor donde aparece el valor y donde hace falta acompanamiento distinto.

La suma de estos casos no alcanza para decir que America Latina ya tiene un patron maduro y bien documentado. Si alcanza para algo mas modesto y mucho mas util: ya existen ejemplos verificables de rutas distintas segun poblacion, contexto y tipo de trabajo.

Una matriz simple para decidir que aprende cada grupo

Antes de lanzar la proxima ruta de alfabetizacion, conviene dibujar una matriz minima por poblacion:

• Empleados en general Objetivo: usar IA sin depender ciegamente de ella. Deben aprender: consultas claras, verificacion basica, uso responsable, cuando escalar y cuando no confiar en una salida automatica.
• Lideres y jefaturas Objetivo: decidir donde la IA multiplica criterio y donde lo puede vaciar. Deben aprender: delegacion, gobierno, evaluacion de riesgo, medicion de impacto, definicion de controles y lectura de excepciones.
• Especialistas tecnicos y funcionales Objetivo: hacer que los sistemas funcionen con calidad y no solo con adopcion. Deben aprender: integracion, seguridad, evaluacion de resultados, mejora continua, observabilidad y resolucion de fallos.
• Primera linea Objetivo: resolver mejor una decision operativa en el momento de trabajo. Deben aprender: uso contextual, protocolos de acceso, lectura de informacion validada, limites de autonomia y accion segura frente a dudas.

La clave es que cada una de estas rutas debe nacer de un flujo real. No de una presentacion generica.

Como saber si una ruta sirvio de verdad

La prueba mas pobre es preguntar si el curso gusto. La siguiente prueba, apenas mejor, es medir cuanta gente entro a la herramienta. Ninguna de las dos responde si la empresa desarrollo una capacidad util.

Una ruta de alfabetizacion en IA merece aprobarse cuando puede mostrar, como minimo, cinco cosas:

1. Uso observable: aparecieron casos reales de aplicacion en tareas concretas.
2. Calidad de decision: la salida mejoro tiempos o criterio sin abrir un riesgo desproporcionado.
3. Escalamiento correcto: la gente sabe cuando revisar, cuando pedir ayuda y cuando no automatizar.
4. Transferencia: parte de lo aprendido llega al puesto y no se queda en la clase.
5. Adecuacion por rol: el mismo contenido no se impuso como solucion unica para poblaciones distintas.

Eso no obliga a convertir toda capacitacion en un experimento perfecto. Si obliga a dejar de confundir alfabetizacion con distribucion de licencias.

Una empresa no necesita una "universidad de IA" para empezar mejor. Necesita algo mas simple y mas exigente: mapear un flujo real y responder cuatro preguntas por cada poblacion. Que decision cambia. Que riesgo aparece. Que practica humana debe conservarse. Y que evidencia mostraria, tres meses despues, que valio la pena entrenar.

Si ese mapa no existe, probablemente el curso sea demasiado generico. Si existe, ya no estamos hablando de moda. Estamos hablando de trabajo.

Lecturas relacionadas:

• Gobernar agentes sin vaciar el aprendizaje humano
• No capacites a toda la empresa como si fuera un equipo de IA