La pregunta que más escucho de un Head de L&D no es "qué curso compro", es "cuántas horas le pido a mi equipo que le dedique a esto sin frenar la operación". Y la respuesta casi nunca es un número único — depende de qué tan disparejo está el equipo hoy y de qué tan rápido necesitas ver resultados.
El error más común: calcular horas por persona, no por brecha
La mayoría de las empresas arman el plan de capacitación en IA como si todos arrancaran del mismo punto: "20 horas para todos, en los mismos tres meses". En la práctica, dentro del mismo equipo conviven personas que ya usan Claude o ChatGPT a diario para su trabajo y personas que todavía no abrieron un chat de IA en su vida. Meter a las dos en el mismo módulo de 20 horas no funciona: al primer grupo le sobra la mitad del contenido y se aburre, y al segundo le falta tiempo para practicar lo básico antes de avanzar.
Lo hemos visto repetirse en distintos sectores: la empresa compra un paquete cerrado de horas, lo reparte parejo entre todo el equipo, y a los dos meses el reporte de avance muestra la mitad de la gente sin terminar y la otra mitad preguntando por contenido más avanzado. El problema no fue el contenido — fue no medir la brecha antes de fijar el número de horas.
Cómo pensar las horas por nivel, no por headcount
Un punto de partida razonable, según lo que hemos visto funcionar en programas corporativos: 8 a 12 horas para quien recién empieza, con fundamentos más un caso de uso real de su propia área, no un ejemplo genérico. 15 a 20 horas para quien ya usa IA de forma básica y necesita pasar a automatizar un proceso completo. Y 25 a 30 horas para quien va a construir o mantener algo técnico — un agente, una integración, un pipeline de datos. La trampa es pensar que más horas siempre es mejor: un plan de 40 horas que nadie termina vale menos que uno de 10 horas que sí se completa de principio a fin.
- ▸Nivel Iniciación: fundamentos más un caso de uso de su propia área, no un ejemplo genérico que nadie puede aplicar el lunes.
- ▸Nivel Aplicada: automatizar un proceso real que hoy el equipo hace a mano, con un entregable al final, no un certificado de participación.
- ▸Nivel Avanzada: construir y mantener algo técnico, con una evaluación previa antes de meter a alguien ahí — no todos los que se inscriben están listos para ese nivel.
Lo que casi nadie mide: cuántas de esas horas se consumen en el primer mes versus se diluyen en seis meses. Un plan de 15 horas comprimido en dos semanas, con un caso real al final, suele rendir más que el mismo contenido repartido en un semestre — la gente se olvida de lo que vio hace cuatro meses, y hay que volver a explicar lo mismo.
Esto también cambia cómo conviene programar las horas dentro del calendario laboral. Bloques de dos a tres horas, dos o tres veces por semana, funcionan mejor que una hora suelta cada día — ese formato de "goteo" es el que más abandono genera, porque nunca hay tiempo suficiente para terminar un ejercicio completo antes de que llegue la siguiente reunión. Y funciona mejor que un bootcamp de dos días seguidos, que satura y deja poco espacio para practicar entre sesión y sesión.
Un ejemplo de cómo se ve esto en la práctica
Piensa en un equipo de 40 personas de un área comercial: 15 ya usan IA a diario para redactar propuestas, 20 la usan de vez en cuando sin mucho criterio y 5 nunca la han tocado. Si le das a los 40 el mismo paquete de 20 horas, el grupo de 15 termina en la primera semana y se desconecta del programa, el grupo de 20 avanza a medias, y el grupo de 5 se queda rezagado desde el primer módulo porque el contenido asume que ya saben armar un prompt básico. Separar por nivel desde el diagnóstico inicial — algo que toma menos de una semana con una evaluación corta — evita ese desperdicio y hace que el reporte final tenga sentido: cada grupo avanzó lo que le correspondía, no lo que el promedio del área pudo cubrir.
El otro error que se repite es medir el éxito del programa por inscripciones en vez de por horas efectivas completadas. Un reporte que dice "40 de 40 inscritos" no te dice nada sobre si de verdad aprendieron algo que van a usar la próxima semana. El dato que importa es cuántas horas por persona se completaron del nivel que le tocaba, y qué hicieron con eso — no cuántos clics hubo en "inscribirme".
Por qué la plataforma importa tanto como el número de horas
Esto es más fácil de resolver con una plataforma on-demand que con un taller fijo para todo el mundo el mismo día. En AI Builders, cada colaborador avanza a su ritmo dentro del nivel que le corresponde, y tú como sponsor del programa ves el reporte de avance real — no solo quién se inscribió, sino quién terminó qué curso y cuántas horas le dedicó de verdad. Ese dato es el que te permite ajustar el plan del siguiente trimestre en vez de volver a adivinar un número de horas desde cero.
Por dónde empezar esta semana, sin esperar al presupuesto del próximo trimestre
No necesitas tener resuelto el plan completo de horas para arrancar el diagnóstico. Una encuesta corta de diez minutos por colaborador — qué herramientas de IA usa hoy, con qué frecuencia, para qué tareas — ya te da una primera foto de los tres grupos (sin uso, uso básico, uso avanzado) sin gastar un sol en capacitación todavía. Con esa foto puedes armar el presupuesto de horas por nivel con números reales de tu propio equipo, en vez de copiar el paquete genérico que te ofrece el primer proveedor que te llama.
Lo que cambia el resultado no es el proveedor que elijas, es si alguien revisa el avance a mitad de camino y ajusta. Un programa de capacitación que se lanza y no se vuelve a mirar hasta el reporte final casi siempre termina con la mitad del equipo sin terminar — y nadie se entera hasta que ya es tarde para corregir el rumbo de ese trimestre.
Qué dominaría tu equipo según el nivel
Para equipos técnicos, una ruta como AI Engineer cubre el camino completo desde fundamentos hasta llevar un proyecto a producción. Para equipos de análisis de datos, Analista de Datos con IA arma el mismo tipo de progresión pero orientada a reportes y dashboards, que es el trabajo diario de la mayoría de esos equipos.
Si todavía no sabes en qué nivel está tu equipo, ese diagnóstico no debería costarte nada antes de comprometerte con un número de horas. Conversemos en DataPath para Empresas y lo armamos juntos, área por área si hace falta.
