"Suena bien, pero sustenta el retorno." Si eres Head of Data, de RR.HH. o estás en el comité y propusiste capacitar al equipo en datos e IA, probablemente ya escuchaste esa frase. Y la verdad es que la mayoría de propuestas de capacitación se caen justo ahí: no porque el curso esté mal elegido, sino porque nadie definió de antemano con qué número se iba a medir el retorno.
El ROI de una capacitación no se mide igual que el de un proyecto con presupuesto y entregable cerrado. Pero sí se puede medir, y con números que un área de finanzas acepta.
Esto se repite tanto que ya dejó de sorprendernos: la propuesta técnica suele estar bien armada, con el proveedor correcto y el temario adecuado. Lo que falta casi siempre es la hoja de cálculo que convierte "el equipo va a trabajar mejor" en un número que alguien de finanzas pueda aprobar sin pedir una segunda reunión.
Por qué capacitación no se mide como un proyecto
Un proyecto de IT tiene un costo y un entregable: se construyó o no se construyó. Capacitar a un equipo tiene un costo claro, pero el retorno aparece después, distribuido en decenas de pequeñas decisiones que ese equipo toma mejor o más rápido durante los meses siguientes. Eso hace que el error más común sea medir solo lo fácil: cuántos se inscribieron, cuántos terminaron el curso. Esos números no le interesan a finanzas, porque no dicen nada sobre el negocio.
Las métricas que sí convencen
- ▸Horas ahorradas por tarea automatizada o acelerada con lo aprendido (un reporte que antes tomaba 3 horas y ahora toma 20 minutos, multiplicado por cuántas veces al mes se repite).
- ▸Reducción de errores en entregables que antes requerían retrabajo (cada corrección tiene un costo de horas que puedes estimar).
- ▸Velocidad de entrega de proyectos de datos: de pedir un reporte a tenerlo listo, antes y después de la capacitación.
- ▸Costo evitado de reemplazo: retener a alguien capacitándolo cuesta una fracción de lo que cuesta buscar, contratar y entrenar a un reemplazo.
- ▸Adopción real a 90 días: qué porcentaje del equipo sigue usando lo que aprendió tres meses después, no solo el día del taller.
Lo que nadie te dice es que la métrica más honesta de todas es esa última: adopción a 90 días. Un equipo que terminó el curso pero volvió a trabajar exactamente igual un trimestre después no generó ROI, sin importar cuánto costó el taller.
El costo que casi nadie pone en la ecuación: el reemplazo
Cuando alguien de tu equipo de datos renuncia porque siente que no está creciendo, el costo no es solo el salario del reemplazo. Es el tiempo de búsqueda (que en perfiles de datos en LATAM suele tomar de 2 a 4 meses), el onboarding de 3 a 6 meses hasta que la persona nueva rinde al nivel del que se fue, y el conocimiento del negocio que esa persona se lleva y que nadie documentó. Sumado, ese costo suele superar varias veces el precio de un programa de capacitación anual. Por eso el upskilling no compite solo contra "no hacer nada": compite contra el costo real de la rotación, que casi nunca se pone en la misma hoja de cálculo.
Tiempo a productividad en contrataciones nuevas
Otra métrica que convence a finanzas, sobre todo si tu equipo crece: cuánto tiempo le toma a alguien nuevo llegar a un nivel productivo. Si tu plan de onboarding incluye una ruta de capacitación estructurada en vez de "aprende sobre la marcha", ese tiempo se puede acortar de forma medible. Compara el tiempo a primera entrega de calidad entre la última persona que contrataste sin un plan formal y la próxima que pase por uno, y vas a tener un número concreto para la siguiente conversación de presupuesto.
Un ejemplo de cálculo (ilustrativo)
Un equipo de 8 analistas capacitado en automatización con IA ahorra, en promedio, 4 horas por semana por persona en tareas de reporting repetitivo. A un costo cargado de 15 dólares la hora, son 32 horas semanales, cerca de 1,920 dólares al mes solo en tiempo recuperado, sin contar la reducción de errores ni la velocidad extra en proyectos nuevos. Frente a una inversión de capacitación que se paga una sola vez, el punto de equilibrio suele llegar antes del tercer mes. Los números exactos varían según tu operación, pero esta es la forma de plantear la cuenta.
Cuándo NO vale la pena capacitar (y gastarías mejor el presupuesto en otra cosa)
Ser honesto con esto también construye confianza con finanzas. Si el problema de tu equipo no es de habilidades sino de procesos rotos (nadie usa el dashboard porque llega tarde, no porque no sepan leerlo) o de herramientas mal configuradas, ningún curso va a mover el número que te están pidiendo. En ese caso, el diagnóstico inicial debería decírtelo antes de comprometer presupuesto en capacitación, no después.
Cómo medimos esto en DataPath
En AI Builders, el sponsor del programa (tú, como responsable del presupuesto) recibe un reporte de avance por colaborador: qué cursos tomó, cuánto completó y con qué frecuencia vuelve a la plataforma. No es solo un listado de inscripciones, es la base para calcular adopción real en vez de adivinarla.
El proceso completo empieza siempre igual: conversamos sobre lo que necesita tu equipo, hacemos un diagnóstico sin costo del nivel real de cada persona, diseñamos un plan a partir de eso y recién ahí dictamos y medimos. Ese diagnóstico inicial es el que te da el "antes" con el que vas a comparar el "después" frente a finanzas.
Llevamos más de 1,500 profesionales formados y trabajamos con más de 100 empresas en LATAM, incluyendo Entel, BCP y Scotiabank. Nuestros instructores siguen trabajando hoy en el puesto que enseñan, así que el contenido no se queda en la teoría: se nota en qué tan rápido el equipo empieza a aplicarlo.
Un detalle que cambia el cálculo: el nivel real de tu equipo
Un error común es comprar la misma capacitación para todo el equipo sin saber que la mitad ya domina lo básico y se aburre, mientras la otra mitad se pierde a la segunda sesión. Eso infla el costo sin subir el retorno. Por eso trabajamos con tres niveles de evaluación previa (Iniciación, Aplicada, Avanzada) que corren en paralelo dentro del mismo grupo: cada quien avanza desde donde realmente está, y el ROI se calcula sobre aprendizaje efectivo, no sobre horas de aula sentadas.
Qué llevarte de esto
Antes de proponer la próxima capacitación, define la métrica con la que vas a medir el retorno y mide el "antes" esa misma semana. Sin ese punto de partida, cualquier número que presentes después va a sonar inventado, aunque no lo sea. Es el mismo principio que usarías para justificar cualquier otra inversión: primero la línea base, después el resultado.
Si quieres que diseñemos ese diagnóstico para tu equipo, conversemos en /empresas. Según el área, el plan suele apoyarse en programas como Data Engineer o Analista de Datos con IA, según lo que tu equipo necesite dominar primero.
