Tres meses después de lanzar un programa de capacitación en IA, la pregunta llega sola: "¿Y cómo sabemos si está funcionando?" He tenido esa conversación con líderes de equipos de datos, desarrollo y operaciones en distintas empresas de LATAM. Casi todos están midiendo lo mismo: usuarios activos por semana. Y casi todos están midiendo lo equivocado.
El error más común: confundir adopción con impacto
El número más fácil de conseguir es cuánta gente abrió ChatGPT o Claude esta semana. También es el menos útil para justificar la inversión. Que alguien use un modelo de lenguaje todos los días no dice nada sobre si está produciendo mejor, más rápido o con menos retrabajo. La adopción es la puerta de entrada, no el destino. Lo que le importa a un CFO o a un directorio no es el porcentaje de licencias activas: es el impacto en el tiempo, la calidad y el costo de los entregables del equipo.
Las métricas que sí dicen algo
1. Tiempo por tarea antes y después
Define cuáles son las tres o cuatro tareas más repetitivas del área: un reporte semanal, una propuesta comercial, una revisión de código, un análisis de datos. Mide cuánto tiempo tarda el equipo en promedio en completarlas durante dos semanas antes de la capacitación. Luego mídelo de nuevo cuatro semanas después. No necesitas software especial: un spreadsheet compartido con timestamps por persona funciona. Lo más importante es tener la línea base antes de empezar.
2. Tasa de reelaboración
Cuántas veces se devuelve un entregable antes de ser aprobado. Cuando el equipo aprende a usar IA correctamente, el primer borrador llega mejor estructurado, con menos errores obvios y más alineado con el estándar del área. Esta tasa baja. Si no baja —o sube— es una señal de que la capacitación enseñó a usar la herramienta pero no a integrarla al proceso real del área. Esa diferencia importa.
3. Tiempo de onboarding de nuevos integrantes
Los equipos que documentan con IA y usan herramientas automatizadas para responder preguntas frecuentes de onboarding reducen el tiempo que tarda un nuevo colaborador en ser productivo. Es una de las métricas más fáciles de ver en los primeros 90 días y una de las que más convence a RRHH y a los managers, porque tiene un costo económico directo muy visible: el tiempo de rampa de un nuevo integrante tiene precio real.
4. Calidad percibida del output
No todo se puede cuantificar. Una revisión mensual en la que el manager califica los entregables del equipo de 1 a 5 —con criterios escritos, no subjetivos— crea una señal útil cuando se acumula en el tiempo. No es perfecta, pero es mejor que no tener ninguna señal cualitativa sobre si los outputs están mejorando.
5. Satisfacción del equipo con sus herramientas
Una encuesta trimestral de NPS al equipo sobre sus herramientas de trabajo dice mucho. Cuando la gente empieza a pedir acceso a más capacidades —más modelos, más integraciones, más contexto— es buena señal. Cuando se quejan de que las herramientas no están integradas a sus flujos reales, es una alarma que vale escuchar antes de renovar la suscripción corporativa.
Cómo construir una línea base si ya empezaste
Si ya lanzaste un programa sin tomar una línea base, no es tarde. Puedes reconstruir proxies mirando datos históricos: el tiempo de ciclo por tarea en tu gestor de proyectos (Jira, Linear, Asana lo calcula automáticamente en las vistas de flujo), el número de ediciones en documentos compartidos, el tiempo de resolución en tu sistema de tickets. No es perfecto, pero sirve para tener algo con qué comparar en el ciclo siguiente.
Lo que nadie te dice: la mayoría de empresas en LATAM no tiene esos datos históricos sistematizados. Si ese es tu caso, la decisión más valiosa que puedes tomar antes de capacitar al siguiente equipo es empezar a registrarlos ahora. No necesitas una plataforma de analytics cara: necesitas un spreadsheet compartido y el hábito de actualizarlo cada semana durante un mes antes del programa.
Herramientas para rastrear esto sin agregar fricción
- ▸Jira / Linear: tiempo de ciclo por tarea, ya lo calcula automáticamente en las vistas de flujo
- ▸Notion / Confluence: historial de ediciones por documento como proxy de iteraciones y retrabajo
- ▸Google Forms / Typeform: encuesta rápida de NPS al equipo cada trimestre (5 minutos de su tiempo)
- ▸Tu sistema de tickets de soporte: tiempo de resolución promedio por categoría, antes y después
Lo que hemos visto en equipos en LATAM
Los equipos que más mejoran en los primeros 90 días no son los que más usan la herramienta. Son los que rediseñaron un proceso específico con ella. No los que "ahora usan IA", sino los que dijeron: "este proceso de generación de reportes va a funcionar así desde ahora, con IA en estos pasos específicos". El cambio de proceso es lo que hace que la métrica de tiempo baje de verdad. Sin ese cambio, la herramienta se usa para tareas ocasionales y el impacto es mínimo.
Si quieres diseñar un programa de capacitación que venga con un sistema de medición desde el día uno —no un curso genérico sino un diagnóstico del área, diseño de los flujos que se van a mejorar y seguimiento del impacto real— eso es exactamente lo que hacemos en DataPath para empresas. Más de 30 organizaciones en LATAM ya pasaron por ese proceso, incluyendo Entel, BCP y Scotiabank. La conversación inicial es sin costo.
Para que sepas qué aprenderían: los programas más demandados en equipos de negocio cubren automatización de procesos con herramientas como n8n y Microsoft Copilot. Para equipos técnicos que quieren construir automatizaciones y agentes de IA propios desde cero, tenemos la ruta de AI Engineer que lleva de cero a construir soluciones reales en el contexto de LATAM.
La pregunta que cambia al año
Doce meses después de un programa bien ejecutado, la pregunta que hacen los managers ya no es "¿cómo sé si funciona?", sino "¿cómo escalo esto al siguiente equipo?". Esa es la señal de que las métricas que importaban se movieron. Si todavía estás en la primera pregunta, el problema casi siempre no es la herramienta: es que el programa de capacitación no vino acompañado de un rediseño de proceso. Hay que arreglar eso antes de capacitar a más personas.
