Alfabetización en IA: Cerrar la brecha de habilidades en la 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 adaptar 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 las industrias 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 la IA generativa.

Su capacidad para aprovechar eficazmente el potencial de la tecnología probablemente tendrá importantes repercusiones para industrias enteras: la inversión en IA está aumentando en 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 estables de alfabetización en IA, estas transformaciones empresariales de gran alcance podrían estancarse. Para crear el lugar de trabajo del futuro, la educación 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 comprender, auditar y utilizar de forma reflexiva los sistemas de IA. En lugar de una habilidad técnica reservada para los ingenieros, es una competencia fundamental para los trabajadores en todas las funciones y niveles de una organización, desde los empleados de nivel inicial hasta los altos ejecutivos.

Al comprender las capacidades, limitaciones y consideraciones éticas de la IA, los estudiantes adquieren tanto habilidades 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 su forma más básica, 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 aún requieren supervisión humana. Las formas más sofisticadas de alfabetización en IA implican poder comprender el sesgo y el riesgo, junto con tomar decisiones informadas sobre cómo desplegar la IA en los flujos de trabajo.

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

“A medida que la IA maneja una programación y documentación más rutinarias, se espera cada vez más que los profesionales piensen de manera holística”, dijo Natasha Pillay-Bemath, vicepresidenta de adquisición global de talento 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 es un cambio fundamental en la forma en que se realiza el trabajo: “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 también en capacidades como la empatía, el pensamiento crítico y la curiosidad”.

El ritmo de la comprensión de la IA no ha alcanzado el drástico aumento 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. Hoy en día, según Gallup, el 12 % de todos los adultos empleados utilizan la IA a diario en sus trabajos, en todos los sectores. Los trabajadores de tecnología, finanzas y otras industrias de alta adopción lo usan más.

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

Según una investigación reciente de McKinsey, la demanda de conocimientos en inteligencia artificial se multiplicó por siete en dos años, un crecimiento más rápido que el de cualquier otra habilidad en las ofertas de empleo en Estados Unidos. Mientras tanto, el Foro Económico Mundial proyecta que el 40 % de las habilidades requeridas por la fuerza laboral global cambiarán en cinco años.

La brecha de habilidades tiene consecuencias reales: los empleados que no entienden las limitaciones de la IA podrían confiar demasiado en los resultados. Los empleados escépticos podrían no aprovechar al máximo las herramientas transformadoras. Y el liderazgo que no entiende los modelos de IA no puede diseñar implementaciones que proporcionen un valor real en toda una 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 gobernanza se vuelven más complejos. Las aplicaciones intuitivas, los paneles, las opciones sin código y las consultas en lenguaje natural aumentan la accesibilidad, pero aún requieren la fluidez de la IA para operar de manera segura.

Y a medida que algunos programas piloto de IA se estancan y las organizaciones tienen dificultades para 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 un conocimiento profundo de las herramientas y habilidades relacionadas con la IA en el lugar de trabajo.

“Los puestos de nivel inicial están pasando de un trabajo meramente basado en tareas al análisis, la resolución de problemas y el uso de IA responsable”, dice Natasha Pillay-Bemath, vicepresidenta de adquisición global de talento y búsqueda de ejecutivos de IBM. Señala que, en la actualidad, la capacidad de aprendizaje es tan importante como las habilidades técnicas a la hora de contratar a nuevos empleados.

La alfabetización en IA es un conjunto de habilidades relacionadas que operan de forma conjunta. Idealmente, un conjunto interdisciplinario y práctico de competencias adaptadas a resultados y puestos específicos. Aunque el contenido específico de la alfabetización en IA puede variar en función del nivel de competencia que se pretenda alcanzar, el Foro Económico Mundial presentó recientemente un borrador de plan de estudios sobre alfabetización en IA para el ámbito educativo. El marco de cuatro pilares para la alfabetización en IA del WEF incluye:

• Interactuar con la IA: conocer las aplicaciones de la IA, junto con la evaluación de sus resultados
• Crear con la IA: entender cómo colaborar con las herramientas de IA, teniendo en cuenta consideraciones éticas
• Gestionar las acciones de la IA: delegar tareas de manera responsable a la IA y garantizar la supervisión humana
• Diseñar soluciones de IA: comprender cómo funciona la IA para resolver problemas en la vida diaria

Algunas otras formas prácticas de alfabetización en IA podrían incluir:

• Comprender cómo funciona la IA: en una comprensión conceptual de la IA, un usuario sabe qué es la IA y cómo los sistemas de machine learning aprenden de los datos, así como las fortalezas y limitaciones de varios software y algoritmos.
• Evaluación de la IA: al evaluar críticamente la IA, un usuario puede evaluar los resultados de la IA y la toma de decisiones para determinar la precisión, el sesgo y la confiabilidad. Este proceso significa, por ejemplo, saber cuándo verificar o cuándo rechazar por completo un resultado generado por IA.
• Aplicar la IA: la aplicación práctica de la IA implica saber cómo usar la IA de manera efectiva para tareas y flujos de trabajo específicos.

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

La alfabetización en IA generativa es un subconjunto específico de la alfabetización en IA centrada en modelos de lenguaje grandes (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. Otro es priorizar el uso responsable. Por ejemplo, entender qué no debería compartir con sistemas de IA externos o reconocer cuándo una tarea no se beneficia de la IA generativa.

Otros aspectos importantes de la alfabetización en IA generativa incluyen:

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

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

“Sin esta base, las organizaciones corren el riesgo de desplegar herramientas poderosas con un impacto limitado”.

Algunas de las mejores prácticas para desarrollar la alfabetización de IA en entornos empresariales incluyen: 

Los programas eficaces de alfabetización en IA comienzan con un análisis honesto de la situación actual de la organización. Tanto en lo que respecta al nivel actual de alfabetización en IA de una empresa como al tipo de alfabetización que necesitará en el futuro. Una evaluación inicial bien diseñada puede medir la alfabetización en sus distintas dimensiones:

• ¿Qué herramientas se están utilizando y con qué eficacia?
• ¿Qué competencias y conocimientos conceptuales son los más necesarios para cada puesto concreto?
• ¿Qué habilidades ya existen en una organización? ¿Cuál es la mejor manera de utilizarlas?

Durante la evaluación inicial, puede resultar útil trazar un panorama de cómo se prevé que cambien las funciones a corto y largo plazo. Al planificar el rediseño del trabajo, las organizaciones ayudan a garantizar que los empleados posean las habilidades que necesitan para el futuro y a ver los beneficios reales de la alfabetización en IA.

“Al plantear cada automatización del flujo de trabajo como una oportunidad para un trabajo nuevo y creativo, el proceso de planificación desbloquea un valor potencial”, afirma Sarah Damenti, asociada de transformación de RR. HH. y talento humano en IBM. 

En las grandes organizaciones con muchos puestos diferentes, un único plan de estudios a veces puede resultar insuficiente. Los cursos de capacitación o seminarios web universales dirigidos simultáneamente tanto a los empleados de primera línea como al personal de TI pueden resultar contraproducentes. Las organizaciones exitosas reconocen que se requieren diferentes habilidades para diferentes puestos y personalizan la capacitación adecuadamente. Mediante la IA, las organizaciones pueden crear rutas de aprendizaje individualizadas y específicas para los empleados que consideran su nivel de fluidez existente. 

Aunque es crítico que todos los empleados tengan un conocimiento fundamental de cómo funciona la IA, los programas efectivos de alfabetización en IA construyen el aprendizaje en torno a las herramientas específicas que los empleados pueden encontrar. Este enfoque acorta la brecha entre conocer la IA y saber cómo usarla de manera efectiva en un flujo de trabajo real. Un módulo de alfabetización de IA bien diseñado guía a los empleados a través de escenarios prácticos específicos en lugar de capacitarlos sobre 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 explícitamente, 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 tecnología en UC Santa Barbara, 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 capacitan a pequeños grupos a través de una serie de desafíos con herramientas de IA. Durante una sesión informativa, los grupos responden una serie de preguntas para descubrir sus suposiciones inconscientes o encontrar soluciones alternativas. 

Una de las bases de una práctica efectiva de aprendizaje de la IA es una red de defensores 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; los stakeholders 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 más ampliamente en programas de alfabetización en IA.

Estos defensores internos también pueden revelar nuevos casos de uso de IA con los que los empleados están experimentando o fallas inesperadas. Este ciclo de feedback puede ser fundamental para mantener las políticas y los programas de capacitación en sintonía con la realidad del uso de la IA en toda la organización, lo que a su vez sirve de base para futuras capacitaciones. 

La alfabetización en IA sin una sólida educación en gobernanza es incompleta. Los programas eficaces de alfabetización en IA empresarial se construyen junto con un marco de gobernanza 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 la IA antes de su uso. Los programas de alfabetización en IA también deben hacer que las salvaguardas de gobernanza sean visibles para los empleados en todos los niveles, fomentando una cultura de cumplimiento.

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

“La IA es iniciativa de todos”, dice. “Todos deben asumir la responsabilidad y decir: ¿cómo voy a ser más eficaz en mi trabajo? ¿Cómo voy a ofrecer resultados más rápidos y de mayor valor a la organización a partir de mi trabajo? Al crear intencionalmente 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 consideran la alfabetización en IA como una prioridad organizacional permanente, en lugar de una iniciativa puntual, tienen más probabilidades de tener 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 consideren la alfabetización en IA como una iniciativa puntual verán cómo su fuerza laboral se queda rezagado 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 fuerte por la contratación de personal sin experiencia, centrándose en fomentar un conjunto diferente de habilidades. En 2026, el 67  % de los directores ejecutivos (CEO) cree que la IA aumentará su personal de nivel inicial, e IBM anunció recientemente que triplicaría las contrataciones de nivel inicial este año. Pero esos puestos se han rediseñado para priorizar el análisis crítico y la supervisión humana de la IA sobre tareas manuales más rutinarias.

“Si no continuamos invirtiendo en contrataciones de nivel inicial, ¿qué sucede en 3 a 5 años?”, dice Pillay-Bemath. “No hay tubería; el pozo simplemente se seca”.

Dar prioridad a la alfabetización en IA no significa únicamente ofrecer desarrollo profesional a los empleados con más antigüedad. Se trata de reinventar cómo se desarrollan las habilidades en toda una organización para lograr un éxito duradero.