La pregunta más frecuente que recibo de líderes de L&D cuando arrancan un programa de IA para sus empresas es "¿por dónde empezamos?". Y el error más frecuente que veo es arrancar por donde es más fácil políticamente: un taller de ChatGPT para todos en enero y en abril nadie recuerda qué hicieron con eso. El impacto fue cosmético, la gerencia pregunta por resultados y el programa pierde presupuesto.
La secuencia importa más que el contenido. Si arrancas por el equipo equivocado, el programa muere de aburrimiento o de falta de casos de uso reales. Esta guía es para quienes ya decidieron invertir en capacitación en IA pero no están seguros del orden correcto.
Por qué la secuencia cambia el resultado
Los programas que generan impacto visible en menos de seis meses tienen algo en común: empezaron por equipos con problemas concretos y con la madurez técnica mínima para resolverlos con IA. Cuando empiezas por ventas o marketing sin haber resuelto la base de datos, terminas con personas que saben usar ChatGPT para redactar emails pero sin infraestructura para automatizar nada real. La herramienta es un juguete sin el sistema detrás.
Primera ola: equipos de datos y tecnología
Si tienes un equipo de datos, empieza ahí. Son quienes tienen acceso a los datos reales de la empresa, entienden las herramientas técnicas, y pueden construir las primeras soluciones que el resto va a usar en la segunda ola. Sin esta base, todo lo que pase después es decoración.
Qué aprenden en esta etapa:
- ▸Data Analysts: SQL conversacional con IA, herramientas de análisis asistido, generación automática de reportes. El salto de productividad es inmediato y medible.
- ▸Data Engineers: integración de LLMs en pipelines, primeros agentes de datos, automatización de tareas repetitivas en el stack de datos.
- ▸Equipo de TI y DevOps: gestión de APIs de IA, seguridad básica en el uso de modelos externos, políticas de uso y costos.
El horizonte de tiempo para esta ola: 4 a 8 semanas con un caso de uso funcionando al final. Sin entregable real, la capacitación queda en teoría.
Segunda ola: operaciones, finanzas y producto
Una vez que el equipo técnico tiene los primeros prototipos corriendo, es el momento de enseñarle a las áreas de negocio cómo aprovecharlos. Operaciones normalmente es la que más valor ve rápido: hay procesos repetitivos, documentos y comunicaciones que se pueden automatizar con lo que el equipo técnico ya construyó. La clave aquí es que no están aprendiendo IA en abstracto — están aprendiendo a usar herramientas que ya tienen datos reales de su empresa.
Finanzas y producto tienen mayor dependencia de los datos que el equipo técnico ya procesa. La integración es más fluida porque el sistema ya existe — solo hay que enseñarles cómo usarlo. 4 a 6 semanas bien estructuradas son suficientes para esta ola si el entregable técnico de la primera ola está sólido.
Tercera ola: ventas, marketing y atención al cliente
Estas áreas normalmente piden primero capacitarse. El error es dársela antes de tener infraestructura. Sin datos limpios y sin los primeros agentes corriendo, la IA en ventas queda reducida a "usa ChatGPT para escribir emails" — lo que puede ser útil puntualmente, pero no es transformación medible.
Cuando el equipo técnico ya tiene algo en producción, estas áreas pueden aprovecharlo de verdad: agentes que consultan datos del CRM, automatizaciones en WhatsApp, reportes generados automáticamente. El impacto se ve, se mide y se puede justificar ante el directorio.
Los criterios reales para priorizar equipos
Cuatro preguntas antes de elegir el primer equipo:
- ▸¿Tiene acceso a datos reales de la empresa? Sin datos, la IA no agrega valor práctico — solo teoría.
- ▸¿Tiene un problema concreto que resolver en los próximos 90 días? La urgencia genera foco; sin ella la capacitación es general y no pega.
- ▸¿Tiene la madurez técnica mínima para el nivel de la capacitación? No todos los equipos están listos al mismo tiempo — y forzarlo genera frustración.
- ▸¿Está dispuesto a experimentar y fallar? Los equipos que más aprenden son los que toleran el error sin colapsarse ante el primer prototipo que no funciona.
El error de priorización más frecuente
Capacitar a los directivos primero porque es más rápido de aprobar internamente. Un CEO que entiende IA en abstracto pero no tiene un equipo técnico que la aplique es un CEO frustrado. La capacitación del C-Level tiene sentido, pero como complemento de la capacitación técnica, no como sustituto. Lo que un directivo necesita para tomar mejores decisiones con IA cabe en 8 a 16 horas bien diseñadas — no en un bootcamp de 40 horas que compite con su agenda.
Cómo estructurar el plan por olas en tu empresa
Lo que funciona en la práctica: definir el programa en tres olas con un entregable de negocio al final de cada una. Primera ola (4-8 semanas): el equipo técnico aprende y construye un primer caso de uso funcionando. Segunda ola (4-6 semanas): las áreas de negocio prioritarias aprenden a usar lo que construyó el equipo técnico. Tercera ola (2-4 semanas): el resto de la empresa con una capacitación ligera orientada a herramientas específicas ya probadas internamente.
En DataPath hemos acompañado a más de 30 empresas en LATAM — entre ellas Entel, BCP y Scotiabank — por este proceso. Siempre arrancamos con un diagnóstico de madurez sin costo, que nos ayuda a identificar qué equipo tiene más potencial de impacto en los primeros 90 días. Si quieres empezar con estructura, el primer paso es una conversación en /empresas.
Los siguientes pasos concretos
Si ya tienes claro que el equipo técnico es el punto de partida, dos programas que podemos armar a medida: la ruta Data Analyst para las personas que trabajan con datos de negocio y necesitan integrar IA en su día a día, y la ruta AI Engineer para quienes van a construir las primeras soluciones de IA de la empresa. Si el objetivo es que tu empresa tenga agentes de IA funcionando en producción, la ruta AI Agentic Engineer es el programa más completo para el equipo técnico de vanguardia. Desde /empresas podemos diseñar el diagnóstico y el plan a medida sin compromiso.
