¿Estos 10 temas cubren realmente todo lo necesario?
Al ayudar a diseñar programas de alfabetización en IA, el autor recibe a veces consultas parecidas. Recursos Humanos se pregunta «qué debe enseñarse a toda la plantilla y hasta qué nivel»; el departamento de transformación digital, «si la IA se utilizará de verdad después de la formación»; y Sistemas teme «que se extienda mientras las normas de gestión de la información sigan siendo ambiguas». Aunque sus posiciones sean distintas, la inquietud de fondo es la misma: quieren extender la IA generativa dentro de la empresa, pero no resulta fácil determinar qué conocimientos comunes deben compartir todos.
Antes, no era raro que la formación en IA terminara con una explicación general o una presentación del manejo de las herramientas. Sin embargo, la IA generativa ya está entrando en tareas cotidianas como la redacción, los resúmenes, las actas, las consultas internas, los materiales comerciales o la creación de contenidos formativos. Por eso, ya no basta con explicar «qué es la IA». La formación debe abarcar también su aplicación al trabajo, los prompts, la seguridad de la información, los derechos de autor, las normas internas y la consolidación del aprendizaje.
Como ejemplo hipotético, al diseñar una formación de alfabetización en IA de un mes para 300 empleados, dividir los materiales del formador en 10 temas facilita añadir contenidos por departamento, pruebas de comprensión o una modalidad de e-learning. Si se dispone de un entorno como Kanata, ofrecido por nuestra empresa, que integra chat con IA, resumen con IA y e-learning en una sola plataforma de apoyo al trabajo, también puede plantearse un diseño que conecte formación, ejercicios, repaso y aplicación profesional.
Este artículo organiza 10 temas que conviene abordar en una formación común de alfabetización en IA para toda la plantilla. El objetivo es que sirvan para comparar proveedores de formación o como base para preparar materiales de formadores internos. No obstante, enumerar los temas no basta para que el uso de la IA se consolide. La formación solo se mantendrá en la práctica si se diseña junto con las normas operativas, la gestión de la información y oportunidades de aplicación posteriores.
La formación en alfabetización en IA unifica no solo los conocimientos, sino también los criterios de decisión
Al oír «formación en alfabetización en IA», muchas personas quizá imaginen un curso sobre el funcionamiento de la IA o el uso de herramientas de IA generativa.
Por supuesto, hacen falta conocimientos básicos: qué es la IA, qué puede hacer la IA generativa o cómo se redacta un prompt. Sin embargo, según la experiencia del autor, lo realmente importante en una formación para toda la plantilla no es aumentar el número de «expertos», sino lograr que cada empleado pueda tomar unas decisiones mínimas cuando utilice IA en su trabajo.
Por ejemplo:
- ¿Se puede confiar esta tarea a la IA?
- ¿Se puede introducir esta información en la IA?
- ¿Hasta qué punto se puede confiar en el resultado?
- ¿Quién debe revisarlo antes de enviarlo fuera de la empresa?
- ¿Por qué tarea debería empezar mi departamento?
- ¿A quién hay que consultar si surge un problema?
La formación en alfabetización en IA no consiste en que toda la plantilla memorice el mismo manejo de una herramienta. Es un espacio para establecer una base común sobre cómo relacionarse con la IA.
Al diseñar una formación, el autor suele compararla con un «permiso de conducir». Se puede conducir sin entender a la perfección el motor de un coche, pero no se puede salir a la carretera sin conocer las señales, la velocidad, la anticipación del riesgo o la respuesta ante un accidente. Con la IA generativa ocurre lo mismo: antes que una comprensión técnica avanzada, hacen falta reglas y criterios para utilizarla en el trabajo.
La Comisión Europea, en su información sobre alfabetización en materia de IA, señala que los proveedores y responsables del despliegue deben adoptar medidas para apoyar el desarrollo de la alfabetización en IA de su personal, teniendo en cuenta sus conocimientos, experiencia, formación y el contexto de uso.
En este sentido, la alfabetización en IA combina elementos de formación en transformación digital, seguridad de la información y mejora de procesos. Si el alcance es demasiado estrecho, no servirá en la práctica; si es demasiado amplio, el contenido quedará disperso. Por eso, dividir primero en 10 temas lo que toda la plantilla debe compartir constituye el punto de partida del diseño.
Los 10 temas que debe abordar la formación en alfabetización en IA
Diseñar la formación para toda la plantilla en torno a los 10 temas siguientes ayuda a evitar omisiones.
- Conceptos básicos de IA, IA generativa y LLM
- Lo que la IA generativa puede y no puede hacer
- Casos de uso habituales y fáciles de aplicar
- Fundamentos de los prompts
- Cómo revisar los resultados de la IA
- Seguridad de la información y datos que no deben introducirse
- Relación con los derechos de autor, los datos personales y las normas internas
- Casos de uso por departamento
- Normas internas y responsabilidad operativa
- Diseño de la consolidación posterior a la formación
Estos 10 temas no son una simple lista de conocimientos. Los temas 1 a 5 aportan la base para comprender y usar la IA; los temas 6 a 10 permiten extenderla con seguridad en la organización y consolidarla en el trabajo.
Al preparar la formación, es importante no centrarse solo en los usos convenientes. El personal suele interesarse por «para qué sirve», mientras que las áreas de gestión y Sistemas se fijan más en «qué no debe hacerse».
Si se enfatiza solo la utilidad o solo el riesgo, la formación no funcionará bien. Tratar conjuntamente utilidad, límites, responsabilidad y operativa aumenta su eficacia para toda la plantilla.
Tema 1: conceptos básicos de IA, IA generativa y LLM
El primer tema aborda los conceptos básicos de IA, IA generativa y LLM.
En una formación para toda la plantilla no es necesario profundizar demasiado en los detalles técnicos. Un exceso de terminología puede hacer que parte del alumnado se quede atrás desde el principio.
El objetivo es que el alumnado pueda explicar a grandes rasgos estos conceptos y diferencias:
- Qué es la IA
- Qué es la IA generativa
- Qué es un LLM
- En qué se diferencian un buscador y la IA generativa
- En qué se diferencian un chatbot convencional y un chat de IA generativa
IA es el término general para las tecnologías que permiten a los ordenadores realizar procesos similares al juicio o el reconocimiento humanos. La IA generativa es una rama de la IA capaz de crear contenido nuevo, como texto, imágenes, audio, resúmenes o código. LLM significa «Large Language Model», es decir, modelo de lenguaje de gran tamaño: un modelo de IA entrenado con grandes cantidades de texto que genera lenguaje natural según el contexto.
Pero la explicación no debe quedarse ahí. El autor suele añadir que «la IA generativa se parece más a un mecanismo que construye texto según el contexto que a un almacén de conocimientos».
Sin esta premisa, el usuario puede interpretar la respuesta como un resultado de búsqueda o una colección de soluciones correctas. Sin embargo, la IA generativa no siempre ofrece información correcta. Aunque crea textos naturales y persuasivos, puede equivocarse en información reciente o propia de la empresa, cifras exactas o valoraciones jurídicas.
Establecer esta base al principio facilita comprender después la gestión de riesgos y la revisión de resultados.
Tema 2: lo que la IA generativa puede y no puede hacer
A continuación, hay que aclarar qué puede hacer la IA generativa y qué no.
No basta con decir que «la IA es útil». Si solo se destaca su utilidad, el alumnado puede esperar demasiado o, por el contrario, pensar que no guarda relación con su trabajo.
Primero conviene mostrar tareas concretas en las que funciona bien:
- Borradores de textos
- Redacción de correos electrónicos
- Resumen de notas y actas de reuniones
- Organización de la estructura de documentos
- Generación de ideas
- Reformulación de expresiones
- Creación de tablas comparativas
- Borradores de preguntas frecuentes y manuales
- Propuestas de estructura para contenidos formativos
También al utilizar Kanata resulta más realista empezar por tareas accesibles a cualquier departamento, como borradores de correos, actas, reescritura de documentos, puntos de partida para investigar o preparación de informes semanales y notas de reuniones individuales, en vez de buscar desde el principio una automatización avanzada. Las tareas cotidianas de «borrador», «organización», «resumen» y «reformulación» tienden a consolidarse mejor.
Hay que tratar con el mismo cuidado lo que la IA generativa hace mal. No conviene delegarle por completo tareas como:
- Determinar cifras o fechas exactas
- Emitir criterios jurídicos, fiscales o laborales especializados
- Negociaciones importantes con clientes
- Decisiones finales de evaluación del personal
- Decisiones de gestión
- Revisión final antes de una publicación externa
- Tratamiento de documentos confidenciales
La IA puede encargarse del punto de partida para redactar, resumir, organizar o investigar; las personas deben verificar los hechos, tomar la decisión final y mantener las conversaciones basadas en relaciones. Esta división debe repetirse durante la formación.
La IA no completa el trabajo en lugar de las personas, sino que prepara elementos para que estas puedan decidir.
Es eficaz incluir un ejercicio que separe «el trabajo que se confía a la IA» y «el trabajo del que responde una persona». Por ejemplo, cada participante puede anotar 10 tareas propias y clasificarlas en:
- Tareas fáciles de confiar a la IA
- Tareas cuyo borrador puede preparar la IA y debe revisar una persona
- Tareas que no deben confiarse a la IA
Cuando se domina esta clasificación, el uso de la IA se vuelve mucho más realista. Según la experiencia del autor, las empresas que avanzan no intentan que la IA lo haga todo; al contrario, delimitan con claridad las funciones de las personas y de la IA.
Tema 3: casos de uso habituales y fáciles de aplicar
El tercer tema aborda casos de uso habituales y fáciles de aplicar al trabajo.
La formación para toda la plantilla debe mostrar no solo explicaciones abstractas, sino también «para qué puede utilizarse desde mañana».
Sobre todo en la primera sesión, los ejemplos cercanos al trabajo diario se consolidan mejor que los más complejos. El autor también evita entrar demasiado pronto en automatizaciones avanzadas o integraciones de sistemas. Lo importante no es hablar de un futuro espectacular, sino que cada persona sienta que el trabajo de mañana puede resultar algo más sencillo.
Redacción de correos electrónicos
La IA prepara borradores de solicitudes, coordinación de fechas, agradecimientos, disculpas o avisos internos.
Conviene mostrar que, en vez de pedir simplemente «escribe un correo», deben indicarse el destinatario, el objetivo, los puntos clave, el tono y la extensión.
Redacta un correo para coordinar fechas con un cliente existente. Propondremos tres fechas. Utiliza un tono educado, pero no demasiado formal. El cuerpo debe tener un máximo de 300 caracteres.
Solo con este grado de concreción, el resultado cambia considerablemente.
Organización de actas y notas de reuniones
A partir de notas o transcripciones, la IA organiza decisiones, tareas pendientes, cuestiones abiertas y trabajo para la siguiente reunión.
Con un servicio como Kanata, que resume documentos, imágenes, audio, URL o texto, resulta sencillo crear ejercicios con actas, notas, documentos o grabaciones.
Las actas se producen en muchos departamentos: reuniones comerciales, entrevistas de personal, reuniones periódicas de proyectos, comités de dirección o reuniones con clientes. Al cambiar el contexto, casi toda la plantilla puede aprovechar esta aplicación.
Creación de estructuras para documentos
La IA propone la estructura de planes, propuestas o materiales explicativos internos.
Corregir una propuesta de estructura suele reducir la carga psicológica frente a empezar desde una página en blanco. El propio autor a veces pide primero una estructura y después elimina, reordena o reformula lo necesario para ajustarla a sus ideas.
Reescritura y corrección de textos
Puede acortar un texto largo, aclarar términos especializados o adaptar el tono al lector.
Como la IA puede cambiar el sentido, es imprescindible revisar el resultado. En contratos, normas, especificaciones o documentos con cifras y condiciones de clientes, hay que distinguir entre mejorar la expresión y alterar los hechos.
Generación de ideas y organización de cuestiones
La IA también resulta útil para ampliar ideas de nuevos proyectos, temas formativos, propuestas a clientes o mejoras operativas.
No debe pedirse la «respuesta correcta», sino una base para pensar. El autor considera que el valor de la IA está menos en la respuesta misma que en dar impulso inicial al razonamiento.
Reservar ejercicios por departamento ayuda a que cada participante lo traslade a su propio trabajo.
Tema 4: fundamentos de los prompts
El cuarto tema son los fundamentos de los prompts.
Un prompt es una instrucción dirigida a la IA. La calidad del resultado depende en gran medida de cómo se formule, aunque no es necesario enseñar técnicas avanzadas a toda la plantilla.
Lo importante es compartir un patrón básico aplicable a cualquier tarea. La formación puede presentar estos seis elementos:
- Rol
- Indica desde qué posición debe responder la IA. Ejemplo: eres responsable del diseño de formación de Recursos Humanos.
- Objetivo
- Explica para qué se necesita el resultado. Ejemplo: quiero crear la estructura de una formación para toda la plantilla.
- Público destinatario
- Aclara quién lo leerá o a quién se explicará. Ejemplo: empleados sin conocimientos avanzados de IA.
- Información de contexto
- Aporta condiciones y antecedentes necesarios. Ejemplo: la formación dura 90 minutos y se dirige a 300 personas.
- Formato de salida
- Especifica tabla, lista, correo o estructura de diapositivas. Ejemplo: presenta una estructura con H2 y H3.
- Restricciones
- Indica expresiones que deben evitarse y precauciones. Ejemplo: no inventes cifras; escribe «pendiente de confirmar» cuando falte información.
Comparar un prompt deficiente con uno bueno facilita la comprensión.
- Ejemplo deficiente
- Piensa el contenido de una formación en IA.
- Buen ejemplo
- Eres responsable de diseñar una formación de alfabetización en IA para toda la plantilla. Se dirige a 300 empleados, incluidos principiantes. En 90 minutos debe abarcar fundamentos de IA generativa, aplicaciones profesionales, seguridad de la información y ejercicios. Prepara una propuesta con distribución del tiempo y estructura H2 y H3. Evita el exceso de tecnicismos y marca como «pendiente de confirmar» cualquier premisa desconocida.
Incluso el ejemplo deficiente generará alguna respuesta, pero al ser ambiguos el público, la duración, el objetivo y el formato, será difícil utilizarla en el trabajo.
El autor explica que un prompt no es «un texto para pedir un favor», sino «un encargo profesional». Igual que al delegar una tarea a una persona, hay que comunicar contexto, objetivo, condiciones y formato de entrega. Esto ayuda a concretar las instrucciones.
Tema 5: cómo revisar los resultados de la IA
El quinto tema es la revisión de los resultados.
Debe enseñarse con tanta atención como la redacción de prompts.
La IA generativa crea textos naturales, por lo que incluso un error puede parecer correcto. El autor insiste especialmente en este punto: el riesgo no reside tanto en una respuesta evidentemente extraña como en un error natural y convincente.
Como mínimo, debe revisarse lo siguiente.
Comprobar las cifras
Deben verificarse ventas, personas, porcentajes, períodos, costes y cantidades. Las cifras se contrastan con fuentes primarias, documentos internos o información oficial.
Comprobar las fechas
También hay que revisar fechas de eventos, contratos, publicaciones, reformas legales y plazos. Mezclar información antigua y nueva puede causar malentendidos importantes en documentos internos.
Comprobar los nombres propios
Nombres de empresas, servicios, personas, departamentos o productos son propensos a errores y confusiones. En documentos externos, una persona debe revisarlos porque afectan a la confianza.
Comprobar citas y fuentes
Las citas o fuentes ofrecidas por la IA pueden no existir. Aunque algo parezca una cita, hay que consultar siempre el original.
Separar hechos y valoraciones
Un resultado puede mezclar hechos, conjeturas y propuestas. El usuario debe adquirir el hábito de distinguir si cada elemento es un hecho, una suposición o una opinión.
No se trata de desconfiar de la IA, sino de preparar sus resultados para que las personas puedan utilizarlos responsablemente.
Tema 6: seguridad de la información y datos que no deben introducirse
El sexto tema es la seguridad de la información.
No debe dejarse para el final. Si primero se enseñan usos convenientes y después las precauciones, el alumnado puede entender que «se puede usar para todo».
El autor aborda pronto «la información que no debe introducirse». Aunque parezca un tema rígido, es más peligroso fomentar el uso profesional sin aclararlo.
La formación debe mostrar de forma concreta qué información puede y no puede introducirse.
| Categoría | Ejemplos | Tratamiento en la formación |
|---|---|---|
| Información pública | Sitio web oficial, materiales publicados, notas de prensa | En principio, resulta fácil de utilizar |
| Información interna general | Manuales internos, preguntas frecuentes internas ya publicadas | Utilizar conforme a las normas internas |
| Información de clientes | Notas comerciales, condiciones contractuales, propuestas | Comprobar contrato, permisos y enmascaramiento |
| Datos personales | Nombre, dirección, datos de contacto, número de empleado | En principio, no introducirlos; anonimizarlos de forma efectiva cuando las normas internas y el entorno autorizado lo permitan |
| Información confidencial | Datos de salud, creencias, cuentas bancarias, números de identificación oficial, etc. | Prohibido introducirla |
| Información no publicada | Resultados financieros, cambios de personal o información sobre fusiones y adquisiciones aún no anunciados | Prohibido introducirla |
Al usar IA generativa hay que prestar atención a los datos personales, la información de clientes, los secretos comerciales y la información no publicada. El almacenamiento de entradas, su uso para entrenamiento, los permisos de administración, los registros y el envío externo varían según el servicio; por ello deben comprobarse frente a las normas y condiciones contractuales de la empresa.
Incluir los fundamentos del enmascaramiento facilita su aplicación:
- Sustituir un nombre por «Responsable A»
- Generalizar una empresa como «una gran empresa manufacturera»
- Redondear una cantidad como «del orden de varios millones de euros»
- Eliminar direcciones y datos de contacto
- No conservar datos que permitan deducir la identidad de una persona
El enmascaramiento no significa que pueda introducirse cualquier cosa. La combinación de varios datos puede permitir identificar a una persona o cliente.
Debe quedar clara la regla «si hay dudas, no se introduce» y, en caso de duda, se consulta al área de gestión o a Sistemas.
El autor no cree que la seguridad deba utilizarse para frenar la IA. Delimitar un ámbito seguro permite que el personal la utilice con confianza.
Tema 7: relación con los derechos de autor, los datos personales y las normas internas
El séptimo tema es la relación con los derechos de autor, los datos personales y las normas internas.
Aunque parezca difícil, el objetivo para toda la plantilla no es enseñar los detalles jurídicos, sino lograr que cada empleado detecte que «este uso requiere una comprobación».
Pueden plantearse casos como:
- Resumir con IA un artículo externo para un documento interno
- Cargar un libro blanco de otra empresa para crear una comparativa
- Organizar con IA documentos recibidos de un cliente
- Introducir datos de RR. HH. que contengan información de empleados
- Usar textos creados por IA en publicidad o materiales comerciales externos
- Publicar directamente imágenes o textos publicitarios generados por IA
Estos casos pueden afectar a derechos de autor, contratos, protección de datos personales y normas internas.
No debe dejarse toda la decisión en manos del personal operativo; hay que enseñar criterios para reconocer cuándo es necesario consultar a un área especializada.
- Al usar documentos externos, comprobar el alcance de uso permitido por el contrato
- En principio, no introducir datos personales en la IA
- Hacer que una persona revise los textos e imágenes que se publiquen fuera
- Consultar a un departamento especializado los resultados jurídicos, contractuales o laborales
- No utilizar la IA de forma contraria a las normas internas
En una formación general resulta más realista insistir en que nadie avance por su cuenta ante un uso dudoso que enseñar interpretaciones jurídicas detalladas.
El autor considera innecesario asustar en exceso al alumnado. El enfoque no es «no la uses porque es peligrosa», sino «aprende a reconocer cuándo debes consultar».
Tema 8: casos de uso por departamento
El octavo tema son los casos de uso por departamento.
Los temas comunes pueden no bastar para mostrar la relación con cada puesto. Añadir al final ejemplos por departamento facilita que cada participante los traslade a sus tareas.
El autor recomienda ejercicios por área, porque Recursos Humanos, Sistemas, Ventas y mandos emplean de distinta manera una misma IA generativa.
Recursos Humanos y Servicios Generales
Pueden utilizarla para avisos de formación, preguntas frecuentes internas, atención de consultas, materiales de incorporación o explicaciones de normas.
En consultas basadas en normas internas, es importante establecer que, si la respuesta no está respaldada por la norma, la IA remita al departamento responsable en vez de responder con generalidades.
Sistemas de Información
Puede ayudar a clasificar consultas internas, redactar normas de uso, actualizar preguntas frecuentes, preparar avisos sobre incidencias y crear materiales de formación en seguridad.
Debe tenerse cuidado con configuraciones de sistemas, cuentas o vulnerabilidades.
Para Sistemas, la IA es tanto un medio para agilizar consultas como un nuevo objeto de gestión. La formación debe cubrir la perspectiva del usuario y la del administrador.
Ventas y Marketing
Puede aplicarse a estructuras de propuestas, organización de notas comerciales, hipótesis sobre problemas de clientes, correos o planes de contenido.
La información de clientes y negociaciones puede ser muy confidencial. Hay que tratar conjuntamente qué se puede introducir y qué debe enmascararse.
Mandos y responsables
Pueden usarla para agendas, preparación de reuniones individuales, borradores de comentarios de evaluación, organización de cuestiones para decidir o borradores de OKR.
No deben delegarse en la IA las decisiones finales sobre evaluación o asignación de personal. La IA ayuda a organizar ideas, pero no asume la responsabilidad.
Los ejemplos por departamento deben mostrar tanto los usos convenientes como los riesgos propios de cada área.
Tema 9: normas internas y responsabilidad operativa
El noveno tema aborda las normas internas y la responsabilidad operativa.
La formación debe abordar no solo el uso individual, sino también las normas organizativas. Si se extiende solo mediante iniciativas personales, los usos variarán entre departamentos y quedarán ambiguas la gestión de la información y la revisión de calidad.
Como mínimo, deben tratarse:
- Herramientas de IA autorizadas por la empresa
- Herramientas que no pueden utilizarse
- Información permitida y prohibida
- Criterios de revisión antes de entregas externas
- Procedimientos para tratar información de clientes
- Canal de notificación de incidentes
- Responsables y puntos de consulta por departamento
- Método para compartir prompts y casos de uso
Con Kanata pueden combinarse espacios por organización, proyectos por actividad, aplicaciones como chat y resumen con IA, y una biblioteca de prompts y datos de aprendizaje reutilizables. Esta estructura ayuda a ordenar qué departamento trata qué información y con qué función de IA.
En una formación común pueden explicarse:
- Entorno común para toda la plantilla
- Entornos por departamento
- Entorno para trabajo altamente confidencial
- Entorno de formación
- Entorno de pruebas
También debe quedar claro quién responde del resultado.
Aunque el texto lo genere la IA, al entregarlo fuera de la empresa la responsabilidad recae en quien lo presenta y en quien lo aprueba. No sirve alegar que la IA se equivocó.
Compartir este criterio ayuda a entender en qué ámbitos puede utilizarse la IA con tranquilidad y cuáles requieren cautela.
El autor considera que el éxito no depende solo de elegir la herramienta. Que siga utilizándose en el trabajo está muy condicionado por el diseño de las normas y responsabilidades.
Tema 10: diseño de la consolidación posterior a la formación
El último tema es el diseño de la consolidación posterior a la formación.
La formación en alfabetización en IA no termina después de una única sesión. El grado real de consolidación depende, más bien, de las acciones que se promuevan después.
El autor suele explicar que la formación no es un «evento», sino el «punto de partida de la operativa». Aunque genere cierto entusiasmo justo después, no será suficiente si un mes más tarde nadie utiliza la IA.
Para consolidarla, resultan eficaces mecanismos como los siguientes.
Entregar una lista de comprobación utilizable de inmediato
Se prepara una lista que el alumnado pueda consultar antes de usar la IA en su trabajo.
- ¿Está claro el objetivo?
- ¿La información de entrada contiene datos confidenciales o personales?
- ¿Se ha especificado el formato de salida?
- ¿Se han comprobado las cifras y los nombres propios?
- ¿Una persona ha revisado el resultado antes de entregarlo fuera de la empresa?
Realizar un ejercicio breve durante la semana posterior
Aunque se comprenda el contenido justo después de la formación, el uso se olvida con el tiempo. Por eso, conviene pedir que cada participante pruebe una aplicación de IA en su trabajo durante la semana posterior.
- Anotar tres tareas propias que sea fácil confiar a la IA
- Preparar con IA el borrador de un correo
- Organizar con IA las notas de una reunión
- Hacer una petición utilizando una vez la plantilla de prompts aprendida
- Revisar el resultado y registrar los puntos que deben corregirse
Lo importante es no terminar en la «comprensión», sino convertir el contenido en una acción laboral real.
Compartir casos de uso por departamento
Aunque todos reciban la misma formación, los puntos de entrada varían entre Recursos Humanos, Sistemas, Ventas y mandos.
Compartirlos por departamento facilita descubrir aplicaciones propias.
El autor recomienda incluir también fracasos: prompts que no funcionaron, errores detectados al revisar o situaciones en que se reconoció información que no debía introducirse. También son aprendizajes importantes.
Acumular prompts y materiales
Los prompts y materiales habituales no deben quedarse en notas personales, sino conservarse para reutilizarlos en la organización.
En un entorno como Kanata, donde prompts y datos de aprendizaje se gestionan por proyecto, es más fácil acumular los prompts de la formación, preguntas frecuentes, normas internas y materiales de ejemplo. Reutilizar el conocimiento individual en la organización favorece la consolidación.
Conectar con el aprendizaje continuo mediante e-learning
La primera formación general puede impartirse en directo y ofrecer después el repaso mediante e-learning.
Con un entorno como Kanata, que distribuye vídeos como e-learning y permite preguntar a la IA sobre el contenido, puede crearse un recorrido para revisar dudas y recibir explicaciones adicionales.
Permitir consultar lo aprendido convierte una sesión única en un itinerario continuo.
Ejemplos de estructura del programa formativo
Veamos cómo llevar estos 10 temas a una formación real.
La profundidad depende del tiempo disponible. A modo de ejemplo hipotético, se presentan tres formatos: 90 minutos, media jornada y modalidad combinada con e-learning.
Ejemplo de formación de 90 minutos
Dirigida a toda la plantilla, incluidos principiantes. Su objetivo es establecer una comprensión mínima y un uso seguro.
| Tiempo | Contenido |
|---|---|
| 0-10 minutos | Objetivo de la formación |
| 10-25 minutos | Fundamentos de IA, IA generativa y LLM |
| 25-40 minutos | Lo que puede y no puede hacer |
| 40-55 minutos | Fundamentos de los prompts |
| 55-70 minutos | Seguridad de la información y datos prohibidos |
| 70-80 minutos | Revisión de resultados |
| 80-90 minutos | Tarea práctica posterior y lista de comprobación |
En 90 minutos se prioriza establecer una base común, no profundizar en todo. Los ejemplos por departamento y ejercicios pueden reservarse para seguimiento.
Ejemplo de formación de media jornada
Dirigida a Recursos Humanos, transformación digital, Sistemas y promotores departamentales. Su objetivo es que puedan impulsar la formación y el uso en su propia área.
| Tiempo | Contenido |
|---|---|
| 0-30 minutos | Fundamentos y objetivo |
| 30-60 minutos | Lo que la IA generativa puede y no puede hacer |
| 60-90 minutos | Ejercicio de prompts |
| 90-120 minutos | Gestión de la información y normas internas |
| 120-150 minutos | Trabajo por departamentos |
| 150-180 minutos | Diseño de medidas de consolidación |
| 180-240 minutos | Creación y puesta en común de una propuesta para el propio departamento |
En media jornada, que cada participante cree la estructura de sus propios materiales como futuro formador o promotor conecta el curso con la práctica.
Cuando presta apoyo, el autor también procura que este grupo participe como responsable de extender el aprendizaje, no como mero asistente, para evitar que quede en un evento único.
Ejemplo combinado con e-learning
Dirigido a toda la plantilla cuando se desea distribuir el tiempo de estudio. La base se aprende en e-learning y los ejercicios se realizan en directo.
- Realizar el curso básico en e-learning
- Comprobar la comprensión mediante una prueba
- Practicar prompts en una sesión en directo
- Compartir casos de uso por departamento
- Revisar el uso al cabo de un mes
Es adecuado cuando resulta difícil reunir a toda la plantilla o hay distintas sedes y departamentos.
Si una plataforma como Kanata integra chat, resumen con IA y e-learning, facilita conectar formación, ejercicios, repaso y uso profesional.
Pero la herramienta no consolida por sí sola la formación. Hay que decidir quién actualiza los materiales, responde preguntas y revisa las normas, y con qué frecuencia.
Lista de comprobación para evitar omisiones en la formación en alfabetización en IA
Durante el diseño, conviene revisar los siguientes puntos.
Conocimientos
- ¿Se explican las diferencias entre IA, IA generativa y LLM?
- ¿Se aborda la diferencia entre búsqueda e IA generativa?
- ¿Se explican sus puntos fuertes y débiles?
- ¿Se comunica que la IA puede equivocarse?
Práctica
- ¿Se muestran ejemplos aplicables al trabajo?
- ¿Se enseña una plantilla básica de prompts?
- ¿Se comparan ejemplos deficientes y buenos?
- ¿El alumnado realiza ejercicios?
Riesgos
- ¿Se especifica qué información no debe introducirse?
- ¿Se explica el tratamiento de datos personales y confidenciales?
- ¿Se abordan derechos de autor y normas internas?
- ¿Se tratan las reglas de revisión?
Operativa
- ¿Se indican las herramientas disponibles?
- ¿Se explica la responsabilidad de revisión antes de entregas externas?
- ¿Se indica a quién consultar?
- ¿Hay una tarea práctica posterior?
- ¿Se prevé una revisión de la consolidación?
La lista también sirve para comparar propuestas de proveedores.
Si una formación destaca en prompts pero no aborda seguridad o normas internas, la empresa deberá aportar contenidos adicionales.
Si se centra demasiado en los riesgos y apenas incluye práctica, el alumnado puede terminar pensando solo que «la IA es peligrosa».
Hay que equilibrar conocimientos, práctica, riesgos y operativa.
Cómo plantear la incorporación de Kanata a la operativa de formación
La operativa incluye la creación de materiales, la asistencia, los ejercicios, la revisión y la acumulación de conocimiento.
Kanata integra chat con IA, resumen con IA y e-learning, por lo que puede incorporarse a distintas fases de este proceso. No es la única opción: también pueden combinarse el LMS, el chat, el gestor del conocimiento o el servicio de IA generativa que ya utilice la empresa.
Kanata resulta apropiada cuando se desea reunir en un único recorrido contenidos, ejercicios con IA, resúmenes y gestión de prompts y datos de aprendizaje.
Practicar prompts con el chat de IA
Durante la formación, cada participante crea prompts sobre su trabajo y comprueba los resultados. El formador revisa no solo si el resultado es bueno, sino también si se han indicado objetivo, contexto, formato y restricciones.
Practicar actas y resúmenes de documentos con el resumen de IA
Se practican resúmenes con notas o documentos. Una función que admite documentos, imágenes, audio, URL y texto facilita utilizar actas, materiales formativos y documentos internos.
Distribuir la formación básica mediante e-learning
La parte básica se distribuye en vídeo y se controla la participación. Después, los ejercicios cercanos al trabajo se realizan en directo o en talleres por departamento, separando conocimientos y práctica.
Acumular prompts y datos de aprendizaje
Los prompts, preguntas frecuentes, normas y materiales de ejemplo se guardan en una biblioteca. Reutilizar el conocimiento individual ayuda a consolidarlo.
Kanata no garantiza automáticamente el éxito. Primero hay que decidir objetivo, destinatarios, normas y organización, e incorporarlo donde sea necesario.
El autor prioriza el enfoque «existe un problema de negocio y se utiliza una herramienta para resolverlo», no «se utiliza la herramienta simplemente porque está disponible». Lo mismo se aplica a la formación.
Resumen: diseñar la formación propia a partir de los 10 temas
Lo importante no es solo comunicar la utilidad de la IA generativa.
Toda la plantilla debe disponer de criterios para utilizarla de forma segura y realista en el trabajo.
Diseñar el contenido en torno a estos 10 temas ayuda a evitar omisiones:
- Conceptos básicos de IA, IA generativa y LLM
- Lo que la IA generativa puede y no puede hacer
- Casos de uso habituales y fáciles de aplicar
- Fundamentos de los prompts
- Cómo revisar los resultados de la IA
- Seguridad de la información y datos que no deben introducirse
- Relación con los derechos de autor, los datos personales y las normas internas
- Casos de uso por departamento
- Normas internas y responsabilidad operativa
- Diseño de la consolidación posterior a la formación
El responsable debe organizar primero estos 10 temas comunes y ajustar después la profundidad al sector, los departamentos, las herramientas y las normas de gestión de la información de su empresa.
No se trata solo de enseñar lo mismo a todos, sino de crear una base común que conduzca a decisiones y usos propios de cada función.
Según observa el autor, las empresas que progresan no buscan grandes resultados desde el principio. Primero delimitan un ámbito en el que el personal pueda probar con tranquilidad; después practican a pequeña escala en tareas habituales; y, por último, comparten los usos que funcionan. Esta acumulación acaba consolidando la IA.
Preguntas y respuestas frecuentes sobre la formación en alfabetización en IA
¿Cuánto debe durar la formación?Para una primera sesión dirigida a toda la plantilla, unos 90 minutos constituyen un diseño realista para establecer una base común. Puede abarcar fundamentos, posibilidades y límites, plantilla de prompts, seguridad de la información y revisión de resultados. Si también se incluyen ejercicios por departamento y normas internas, es razonable dividirla en media jornada o varias sesiones.
Si hay muchas personas principiantes, ¿por dónde hay que empezar?Resulta más comprensible empezar por casos cercanos al trabajo diario que por terminología especializada: correos, actas, reescritura y estructura de documentos. Después, una explicación breve de IA, IA generativa y LLM ayuda a conectar conocimientos y práctica.
¿Qué debe enseñarse sobre prompts?Antes que técnicas avanzadas, conviene enseñar seis elementos: rol, objetivo, público, contexto, formato y restricciones. Cambiar «piensa el contenido de una formación» por «300 empleados, incluidos principiantes; 90 minutos; propuesta con distribución del tiempo» suele aumentar la utilidad del resultado.
¿Hasta dónde debe llegar la seguridad de la información?Como mínimo, debe clasificarse la información permitida y prohibida. El tratamiento de datos personales, de clientes, secretos comerciales, información financiera no publicada y datos de personal depende del servicio y de las normas internas. Hay que transmitir también las pautas «si hay dudas, no se introduce» y «consultar a Sistemas o al área de gestión».
¿Qué hace falta para consolidar el uso después?Son útiles los ejercicios breves posteriores, el intercambio por departamentos, la acumulación de prompts y materiales y la revisión periódica de las normas. Una sola sesión difícilmente cambia la conducta. Pedir una aplicación real durante la semana posterior y revisar el uso al cabo de un mes permite que la formación sea el punto de partida de la operativa.