Alfabetización en IA: cerrar la brecha de habilidades en inteligencia artificial

Según una investigación reciente de Sam Manning, investigador del Center for Governance of AI, 6,1 millones de trabajadores en Estados Unidos están expuestos a la IA y poco preparados para adaptarse a la tecnología. Mientras tanto, casi la mitad de los directivos encuestados recientemente por IBM afirman que sus empleados carecen de las habilidades y conocimientos de IA necesarios para implementar tecnologías de IA a escala.

Dado el impacto esperado de la IA en los sectores de todo el mundo, la brecha de habilidades en IA podría tener resultados profundos. Según una investigación del IBM Institute for Business Value, el 87 % de los ejecutivos cree que los empleados tienen más probabilidades de ser aumentados que reemplazados por una IA generativa.

Su capacidad para aprovechar eficazmente el potencial de la tecnología probablemente tendrá importantes repercusiones para sectores enteros: la inversión en IA está aumentando un 150 % y para 2030 se prevé que la IA aumente la productividad empresarial en un 42 %. La mayoría de las organizaciones, hasta el 70 %, planean reinvertir esas ganancias de productividad en innovación y crecimiento.

Pero sin programas sólidos de alfabetización en IA, estas transformaciones empresariales de gran alcance podrían estancarse. Para crear el lugar de trabajo del futuro, la formación superior y las empresas deben desarrollar de forma proactiva las actitudes y competencias necesarias para el éxito a largo plazo de sus empleados.

La alfabetización en IA es la capacidad de entender, auditar y utilizar con cuidado los sistemas de IA. En lugar de ser una habilidad técnica reservada para los ingenieros, es una competencia fundamental para los trabajadores de todas las funciones y niveles de una organización, desde los empleados de nivel inicial hasta el equipo directivo.

Al comprender las capacidades, limitaciones y consideraciones éticas de la IA, los alumnos adquieren habilidades tanto prácticas como conceptuales. Estas habilidades permiten a los expertos en IA ejercer el pensamiento crítico en su comprensión de las tecnologías de IA y su aplicación de la IA.

En lo más básico, la alfabetización en IA significa saber lo que la IA puede y no puede hacer. Por ejemplo, comprender que los modelos de machine learning identifican patrones en los datos pero siguen necesitando supervisión humana. Las formas más sofisticadas de alfabetización en IA implican ser capaz de entender los sesgos y el riesgo, además de tomar decisiones informadas sobre cómo implementar la IA en los flujos de trabajo.

A diferencia de la alfabetización digital, que se aplica principalmente a saber cómo utilizar el software, la alfabetización en IA requiere un nivel conceptual más profundo.

“A medida que la IA se encarga de tareas más rutinarias de codificación y documentación, se espera cada vez más que los profesionales piensen de forma integral”, afirma Natasha Pillay-Bemath, vicepresidenta de Adquisición de Talento Global y Búsqueda de Ejecutivos de IBM. Necesariamente, sus funciones están cambiando hacia “[...] comprender los sistemas de principio a fin y validar los resultados de la IA en cuanto a calidad y sesgo”.

La alfabetización en IA no es solo informática. Es saber cómo usar herramientas de IA, entender cómo funcionan, cómo razonan y a qué tareas se aplican mejor. También supone un cambio fundamental en la forma de trabajar: “La adopción de la IA requiere un cambio de mentalidad”, escribieron Glenn Dittrich y Kim Morick de IBM Consulting. “Exige invertir no solo en habilidades técnicas, sino en capacidades como la empatía, el pensamiento crítico y la curiosidad”.

El ritmo de comprensión de la IA no ha igualado el aumento dramático en el uso de la IA. Con el lanzamiento de ChatGPT de OpenAI en 2022, una amplia franja del público se encontró con la IA generativa por primera vez. Actualmente, según Gallup, el 12 % de todos los adultos empleados utilizan la IA a diario en sus trabajos, en todos los sectores. Los trabajadores de la tecnología, las finanzas y otros sectores de alta adopción la utilizan más.

Pero a medida que las organizaciones implementan estas herramientas, desde chatbots de atención al cliente hasta herramientas de contenido generativo, muchos empleados carecen de los conocimientos básicos para utilizarlas de forma responsable y eficaz.

Según una investigación reciente de McKinsey, la demanda de fluidez en IA ha aumentado siete veces en dos años, más rápido que cualquier otra habilidad en las ofertas de empleo en Estados Unidos. Mientras tanto, el Foro Económico Mundial proyecta que el 40 % de las habilidades que requiere el personal mundial cambiarán en cinco años.

La brecha de habilidades tiene consecuencias reales: los empleados que no comprenden las limitaciones de la IA pueden confiar demasiado en los resultados. Los empleados escépticos podrían infrautilizar las herramientas transformadoras. Y los líderes que no comprenden los modelos de IA no pueden diseñar implementaciones que aporten valor real a toda la organización. A medida que la tecnología se vuelve más sofisticada, estas dinámicas se acumulan.

Además, a medida que las empresas implementan agentes de IA y software más autónomo, los sistemas de gobierno se vuelven más complejos. Las aplicaciones intuitivas, los paneles de control, las opciones sin código y las consultas en lenguaje natural aumentan la accesibilidad, pero siguen requiriendo conocimientos en IA para funcionar de forma segura.

Y a medida que algunos programas piloto de IA se estancan y las organizaciones luchan por ver resultados inmediatos, ha quedado claro que el potencial de la tecnología se basa en mucho más que simples implementaciones tecnológicas. Las organizaciones ven más valor cuando rediseñan los flujos de trabajo y sus empleados se adaptan a nuevas formas de trabajar. Todo este trabajo requiere una comprensión matizada de las herramientas y habilidades relacionadas con la IA en el lugar de trabajo.

“Los puestos de nivel inicial están pasando de un trabajo puramente orientado a la realización de tareas a uno que implica análisis, resolución de problemas y uso de la IA responsable”, afirma Natasha Pillay-Bemath, vicepresidenta de Adquisición de Talento Global y Búsqueda de Ejecutivos de IBM. Señala que la agilidad de aprendizaje ahora importa tanto como las habilidades técnicas para los nuevos empleados.

La alfabetización en IA es un conjunto de habilidades relacionadas que funcionan de manera tangente. Idealmente, un conjunto interdisciplinario y práctico de competencias adaptadas a resultados y roles específicos. Aunque la vía específica de la alfabetización en IA puede cambiar en función del nivel de habilidad que se pretenda, el Foro Económico Mundial (FEM) presentó recientemente un borrador de plan de estudios para la alfabetización en IA en entornos educativos. El marco de cuatro pilares para la alfabetización en IA del FEM incluye:

• Interactuar con la IA: conocer las aplicaciones de la IA y evaluar sus resultados.
• Crear con la IA: comprender cómo colaborar con herramientas de IA, teniendo en cuenta las consideraciones éticas.
• Gestión de las acciones de la IA: delegación responsable de tareas a la IA y garantía de la supervisión humana.
• Diseñar soluciones de IA: comprender cómo funciona la IA para resolver problemas de la vida cotidiana.

Algunas otras formas prácticas de alfabetización en IA podrían incluir:

• Comprender cómo funciona la IA: en una comprensión conceptual de la IA, el usuario sabe qué es la IA y cómo aprenden de los datos los sistemas de machine learning, así como los puntos fuertes y las limitaciones de los distintos programas y algoritmos.
• Evaluación de la IA: al evaluar críticamente la IA, un usuario puede evaluar los resultados y la toma de decisiones de la IA para comprobar su precisión, sesgo y fiabilidad. Este proceso significa, por ejemplo, saber cuándo verificar o rechazar por completo un resultado generado por IA.
• Aplicar la IA: la aplicación práctica de la IA implica saber cómo utilizar la IA de forma eficaz para tareas y flujos de trabajo específicos.

Uso de marcos éticos, sociales y de gobierno para la IA: la alfabetización responsable en IA implica comprender los impactos de la IA en un contexto amplio: privacidad, equidad, responsabilidad y explicabilidad. Los usuarios verdaderamente alfabetizados en IA entienden que implementar la IA no es solo una decisión técnica.

La alfabetización en IA generativa es un subconjunto específico de la alfabetización en IA centrado en modelos de lenguaje de gran tamaño (LLM) y otros sistemas generativos. A medida que las herramientas de IA generativa se integran más en los flujos de trabajo de las organizaciones, esta dimensión se ha vuelto urgente.

Un aspecto clave es entender el concepto de alucinación y animar a los usuarios a abordar los resultados de la IA con cierto escepticismo. Otra es priorizar el uso responsable. Por ejemplo, entender lo que no se debe compartir con los sistemas de IA externos o reconocer cuando una tarea no se beneficia de la IA generativa.

Otros aspectos importantes de la alfabetización en IA generativa son:

• Comprender los datos de entrenamiento
• Considerar las cuestiones de propiedad intelectual y derechos de autor
• Reconocer las limitaciones del modelo
• Mantener la conciencia sobre protección de datos

La alfabetización en IA es la piedra angular de una transformación digital sólida. “Una implementación significativa exige mucho más que la simple activación de nuevas tecnologías”, afirma Kimberly Morick, partner de tecnología de RR. HH. en IBM Consulting. “El éxito requiere una comprensión matizada de cómo se complementan los datos estructurados y los datos no estructurados, perspectivas sobre los mecanismos de aprendizaje de la IA y una supervisión humana estratégica en los puntos críticos de decisión”.

“Sin esta base”, añade, “las organizaciones corren el riesgo de implementar herramientas potentes con un impacto limitado”.

Algunas buenas prácticas para fomentar la alfabetización en IA en entornos empresariales incluyen: 

Los programas efectivos de alfabetización en IA comienzan con un balance honesto de la situación de una organización. Tanto en términos del nivel actual de alfabetización en IA de una empresa como del tipo de alfabetización que necesitará en el futuro. Una evaluación de referencia significativa puede medir la alfabetización en todas sus dimensiones:

• ¿Qué herramientas se están utilizando y con qué eficacia?
• ¿Qué competencias y conocimientos conceptuales son los que más necesitan los roles específicos?
• ¿Qué habilidades existen ya en una organización? ¿Cuál es la mejor manera de utilizarlos?

Durante la evaluación de referencia, puede ser útil trazar un mapa de cómo se espera que cambien las funciones a corto y largo plazo. Al planificar el rediseño de los puestos de trabajo, las organizaciones ayudan a garantizar que los empleados poseerán las habilidades que necesitan para el futuro, y ayudan a los empleados a ver los beneficios de la alfabetización en IA en el mundo real.

“Al plantear cada automatización del flujo de trabajo como una oportunidad para un trabajo nuevo y creativo, el proceso de planificación libera un valor potencial”, afirma Sarah Damenti, partner asociada de Recursos Humanos y Transformación del Talento en IBM. 

En las grandes organizaciones con muchas funciones diferentes, un único plan de estudios a veces puede resultar insuficiente. Los cursos o webinars únicos dirigidos simultáneamente a los empleados de primera línea y al personal de TI pueden resultar contraproducentes. Las organizaciones exitosas reconocen que se requieren diferentes habilidades para diferentes roles y personalizan la formación adecuadamente. Con la IA, las organizaciones pueden crear itinerarios de aprendizaje individualizados y específicos para cada puesto para los empleados, teniendo en cuenta su nivel de conocimientos actual. 

Aunque es fundamental que todos los empleados tengan un conocimiento fundamental de cómo funciona la IA, los programas efectivos de alfabetización empresarial en IA construyen el aprendizaje en torno a las herramientas específicas que los empleados pueden encontrar. Este enfoque sirve de puente entre conocer la IA y saber cómo usarla eficazmente en un flujo de trabajo real. Un módulo de alfabetización en IA bien diseñado guía a los empleados a través de escenarios prácticos específicos en lugar de formarlos en conceptos abstractos o herramientas genéricas. 

La verdadera alfabetización en IA depende de la capacidad de evaluar críticamente los resultados de la IA y la posible desinformación en situaciones del mundo real. Las empresas con visión de futuro enseñan esta habilidad de forma explícita, con ejercicios deliberados y feedback; los empleados que utilizan sistemas de IA con frecuencia sin una práctica estructurada en la evaluación pueden volverse más dependientes de estos sistemas con el tiempo.

Por ejemplo, Matt Beane, profesor asociado de Gestión de la Tecnología en la Universidad de California en Santa Bárbara, practica un enfoque que anima a los usuarios a reflexionar sobre sus propias elecciones con la IA. Como Beane le dijo a IBM, empareja pequeños equipos de aprendices para trabajar con empleados sénior que entrenan a pequeños grupos a través de una serie de desafíos con herramientas de IA. Durante una sesión informativa, los grupos responden a una serie de preguntas para descubrir sus suposiciones inconscientes o encontrar soluciones alternativas. 

Una de las bases de una práctica eficaz de aprendizaje de la IA es una red de campeones internos. Personas en diferentes funciones que estén entusiasmadas con la IA y dispuestas a compartir sus conocimientos y experiencia. A menudo, el entusiasmo por la alfabetización en IA se filtra desde arriba; las partes interesadas clave deben dominar el uso de la IA y explicar cómo aportará valor a una organización.

Cuando los empleados se entusiasman con el potencial de nuevas herramientas, es más probable que participen en programas de alfabetización en IA.

Estos campeones internos también pueden sacar a la luz nuevos casos de uso de IA con los que los empleados están experimentando o fallos inesperados. Este ciclo de feedback puede ser esencial para mantener las políticas y los programas de aprendizaje conectados con la realidad del uso de la IA en una organización, lo que servirá de base para la formación posterior. 

La alfabetización en IA sin una sólida formación en gobierno es incompleta. Los programas efectivos de alfabetización en IA empresarial se construyen junto a un marco de gobierno claro. Este enfoque implica establecer políticas explícitas sobre el uso aceptable, enseñar a los usuarios qué tipos de datos deben introducirse en los sistemas de IA y cómo deben atribuirse los resultados generados por IA antes de su uso. Los programas de alfabetización en IA también deben hacer que las salvaguardas de gobierno sean visibles para los empleados de todos los niveles, fomentando una cultura de cumplimiento.

El aprendizaje requiere prueba y error, la auténtica fluidez en IA requiere cultivar una cultura en la que se valore la iteración. En la práctica, este enfoque implica dedicar tiempo y recursos a la experimentación, como hackathones internos. Morick se refiere a esta mentalidad como “pensar como una startup”.

“La IA es una iniciativa de todos”, afirma. “Todos tienen que asumir la responsabilidad y decir, ¿cómo voy a ser más eficaz en mi trabajo? ¿Cómo voy a entregar resultados más rápidos y de mayor valor a la organización a partir de mi trabajo?”. Al crear intencionadamente espacios seguros para la experimentación, las organizaciones pueden fomentar la alfabetización en IA a largo plazo y despertar la pasión por las nuevas ideas.

Las organizaciones que tratan la alfabetización en IA como una prioridad organizativa permanente y no como una iniciativa puntual tienen más probabilidades de éxito. Esta prioridad es un imperativo urgente cuando en los próximos años se podrá automatizar hasta un tercio de las horas laborales. Las organizaciones que tratan la alfabetización en IA como un esfuerzo puntual verán cómo su personal se queda atrás en cuestión de meses. También pierden la oportunidad de desarrollar las habilidades de los empleados y el bienestar futuro.

Priorizar continuamente las experiencias de aprendizaje en IA requiere compromiso estructural e integración en los procesos existentes de desarrollo de talento. También significa pensar de manera diferente sobre el desarrollo de habilidades a largo plazo.

Por ejemplo, algunas organizaciones están apostando por la contratación de nivel inicial, con un enfoque en fomentar un conjunto diferente de habilidades. En 2026, el 67 % de los CEO cree que la IA aumentará su plantilla inicial e IBM anunció recientemente que triplicaría las contrataciones de principiantes este año. Pero esas funciones se han rediseñado para priorizar el análisis crítico y la supervisión humana de la IA por encima de las tareas manuales más rutinarias.

“Si no seguimos invirtiendo en contrataciones de nivel básico, ¿qué pasará dentro de 3-5 años?”, dice Pillay-Bemath. “No hay tubería; el pozo simplemente se seca”.

Dar prioridad a la alfabetización en IA no solo significa proporcionar desarrollo profesional a los empleados veteranos. Se trata de reimaginar cómo se desarrollan las habilidades en toda una organización para lograr un éxito duradero.