Hay una paradoja que aparece en muchas empresas de LATAM en 2026: el equipo técnico ya usa IA todos los días, pero los líderes que toman las decisiones no entienden qué está pasando. El resultado es predecible: proyectos de IA que dependen de dos o tres personas, una resistencia silenciosa de los equipos que no entienden por qué deben cambiar su forma de trabajar, y oportunidades que pasan sin que nadie las vea.
El problema no es de presupuesto ni de velocidad. Es que la capacitación técnica, que importa, no resuelve el problema de comprensión organizacional, que importa más. Ahí es donde entra AI Literacy.
Por qué el upskilling técnico no es suficiente
Muchas empresas han invertido en capacitar a sus Data Engineers o en formar a sus developers en agentes de IA. Eso está bien. Pero si el Director de Operaciones no entiende qué puede automatizarse con un agente, si Finanzas no sabe cómo interpretar una alerta generada por IA, si RRHH no puede evaluar una propuesta de un proveedor de capacitación, la empresa tiene un cuello de botella de comprensión que el upskilling técnico no va a resolver.
AI Literacy es diferente al upskilling técnico. No se trata de aprender a programar modelos ni de entender cómo funciona un transformer. Se trata de saber qué puede hacer la IA hoy, qué no puede hacer, cómo integrarse a los flujos de trabajo existentes y cómo tomar decisiones informadas cuando el proveedor te dice que "el modelo tiene un 96% de accuracy". Esa comprensión es la que convierte la inversión técnica en cambio organizacional real.
Los 3 niveles de AI Literacy que necesita tu organización
No todos necesitan el mismo nivel. La clave del diseño de un programa que funciona es que tenga currículos diferenciados por perfil:
Nivel 1 — Awareness (para toda la organización): qué es la IA, qué puede hacer hoy, qué riesgos implica y cómo afecta el trabajo de cada área. Va desde el CEO hasta el equipo de atención al cliente. No se trata de aprender a usarla, sino de dejar de temerle y empezar a hacerse las preguntas correctas.
Nivel 2 — Usuario (para equipos funcionales: Finanzas, RRHH, Marketing, Operaciones): cómo usar herramientas de IA en el día a día (ChatGPT, Copilot, Claude), cómo evaluar outputs, cómo detectar errores y cómo integrarse con los flujos existentes. La persona de Finanzas no necesita saber cómo funciona un LLM; necesita saber cómo revisar un cierre mensual que el agente generó.
Nivel 3 — Constructor (para perfiles técnicos): cómo construir con IA, cómo evaluar modelos, cómo diseñar pipelines y agentes. Aquí entra el upskilling técnico que muchas empresas ya hacen. El error está en arrancar por aquí antes de tener los niveles 1 y 2 cubiertos.
Cómo diagnosticar en qué nivel está cada equipo
Antes de diseñar cualquier programa, necesitas saber dónde estás parado. Cuatro preguntas que funcionan como diagnóstico rápido:
- ▸¿Cuántos miembros del equipo usan alguna herramienta de IA al menos una vez por semana? (No cuántos tienen acceso: cuántos la usan.)
- ▸¿Puede el equipo directivo explicar en qué consiste el último proyecto de IA que aprobaron?
- ▸¿Existe algún proceso de validación antes de que un output de IA llegue a una decisión de negocio?
- ▸¿El equipo técnico y el de negocio hablan el mismo idioma cuando discuten un proyecto de IA? ¿O se necesita siempre un intermediario?
Si la respuesta a más de dos preguntas es no, el programa debería arrancar por los niveles 1 y 2, no por el 3. Hacer lo contrario es como enseñar a correr a alguien que aún no sabe pararse.
Diseñar el programa por perfiles
Para ejecutivos y directivos: sesiones cortas (2-4 horas), enfocadas en casos reales del sector, en cómo evaluar propuestas de proveedores y en los riesgos regulatorios que importan en LATAM. Sin código, sin modelos. Solo decisiones: qué aprobar, qué preguntar, qué evitar.
Para equipos funcionales: talleres prácticos de 8-16 horas por área, adaptados al flujo de trabajo específico. Finanzas aprende a revisar reportes generados por IA; Marketing aprende a evaluar contenido antes de publicarlo; RRHH aprende a usar herramientas de screening sin introducir sesgos.
Para perfiles técnicos: formación más profunda en rutas como la de AI Engineer o AI Agentic Engineer, dependiendo del rol y del roadmap de IA de la empresa.
Los errores más caros que cometen las empresas
El primero y más común: capacitar sin diagnóstico previo. El mismo programa para todos, sin adaptar al rol ni al nivel de partida. El equipo técnico sale aburrido porque la mitad de la capacitación ya la sabe, y los directivos salen perdidos porque el nivel asumido era demasiado alto.
El segundo: medir solo la satisfacción del participante. El NPS de la capacitación no dice nada sobre si el equipo realmente cambió cómo trabaja. He visto programas con NPS de 9/10 donde cuatro semanas después nadie había cambiado ningún proceso. La métrica que importa: ¿qué tareas o flujos cambiaron en los 30 días después de la capacitación?
El tercero: hacer la capacitación una sola vez. La IA está cambiando demasiado rápido para que un programa de 2024 o 2025 siga siendo relevante hoy. Un programa que no tiene componente de actualización continua queda obsoleto en 6 meses. El modelo no debería ser un taller anual, sino una formación base seguida de sesiones de actualización trimestrales.
Cómo medir el progreso real del programa
Tres métricas que tienen sentido y que puedes medir sin instrumentación compleja:
- ▸Porcentaje de tareas repetitivas que el equipo reporta haber automatizado parcial o totalmente (encuesta a las 8 semanas post-capacitación).
- ▸Número de propuestas de proyectos de IA generadas por equipos no técnicos. Si solo IT propone proyectos de IA, el programa no penetró.
- ▸Tiempo de escalamiento: ¿cuánto tarda un problema relacionado con IA en llegar a alguien que lo puede resolver? Si bajó, el programa funcionó.
Por dónde empezar si liderás este proceso en tu empresa
DataPath trabaja con empresas en LATAM para diseñar e implementar programas de capacitación en IA desde el diagnóstico hasta la medición de impacto. Hemos formado a más de 1500 profesionales en empresas como Entel, BCP y Scotiabank, con programas que combinan formación técnica para equipos de datos y AI Literacy para el resto de la organización.
El proceso arranca con una conversación de diagnóstico sin costo: entendemos dónde está tu organización, qué perfiles necesitan qué nivel, y diseñamos un programa a medida. Si liderás el área de L&D, eres CTO o tomás decisiones sobre capacitación en tu empresa, el primer paso es hablar con el equipo en /empresas. Ahí podemos definir juntos qué tiene sentido para tu caso específico.
