OpenAI ha ampliado Academy con nuevas rutas de aprendizaje dirigidas a perfiles diferentes: empleados, desarrolladores, líderes, educadores y estudiantes. El enfoque busca pasar de formación genérica sobre inteligencia artificial a itinerarios adaptados a la función de cada persona.
Para las empresas, el cambio coincide con un problema creciente. Comprar licencias de IA es sencillo; conseguir que cada departamento las utilice de forma segura y productiva es mucho más difícil. Un comercial, una persona de finanzas y un desarrollador no necesitan exactamente las mismas habilidades.
La formación corporativa en IA entra así en una segunda etapa: menos demostraciones de prompts y más conexión con procesos, evaluación de resultados, seguridad y responsabilidad.
Una ruta distinta para cada rol
Los empleados necesitan resolver tareas cotidianas; los desarrolladores, integrar sistemas; los líderes, decidir dónde invertir y cómo gobernar. Mezclar los tres perfiles en un único curso reduce relevancia.
La segmentación permite que cada persona aprenda sobre problemas que realmente encontrará en su trabajo.
Del prompt aislado al flujo de trabajo
Saber pedir una respuesta es solo el inicio. La productividad aparece cuando el usuario integra IA en documentos, análisis, reuniones o soporte de forma repetible.
La formación debería enseñar un proceso completo: preparar contexto, generar, revisar, registrar y decidir cuándo no utilizar la herramienta.
Directivos y responsabilidad
Los líderes necesitan entender límites, coste y riesgo más que técnicas avanzadas de prompting. También deben aprender a pedir métricas de adopción y valor.
Sin esta capa, la organización puede acumular pilotos interesantes que nunca llegan a producción o herramientas que nadie controla.
Desarrolladores y evaluaciones
Para quienes construyen aplicaciones, la formación debe cubrir pruebas, observabilidad, seguridad, herramientas y gestión del contexto. La calidad de un sistema no se demuestra con una demo.
Las evaluaciones automatizadas y humanas permiten detectar regresiones cuando cambia el modelo o el prompt.
IA literacy como competencia transversal
La UE ya ha puesto atención en alfabetización de IA dentro de su marco regulatorio. Las empresas deberían poder demostrar que las personas que usan sistemas relevantes entienden sus límites.
Esto no exige convertir a toda la plantilla en técnica, sino adaptar formación al nivel de responsabilidad.
Certificar aprendizaje frente a demostrarlo
Una insignia puede ayudar a ordenar formación, pero el valor real aparece cuando la persona resuelve una tarea de negocio. Un proyecto práctico ofrece mejor evidencia que completar vídeos.
Las empresas pueden exigir un caso de uso final y medir el ahorro o la mejora obtenida.
Evitar formación desconectada de herramientas reales
Si el empleado aprende en un entorno y después utiliza otro con permisos, modelos y políticas diferentes, parte del conocimiento se pierde.
La formación interna debe incorporar las herramientas aprobadas por la compañía y ejemplos de documentos o procesos propios.
Actualización continua
La velocidad de cambio hace que un curso anual quede obsoleto. Es más útil combinar una base estable de principios con cápsulas periódicas sobre nuevas funciones.
El objetivo es que la plantilla mantenga criterio, no memorice interfaces que cambiarán varias veces al año.
Qué debe vigilar una empresa española
La empresa debe evitar utilizar la formación como sustituto de controles técnicos. Enseñar a no compartir información sensible ayuda, pero sigue siendo necesario configurar permisos, cuentas corporativas y herramientas aprobadas. También conviene registrar qué perfiles han recibido formación cuando utilizan sistemas de mayor riesgo.
Relación con regulación, seguridad y dependencia tecnológica
La adopción de inteligencia artificial ya no puede separarse de gobierno, seguridad y portabilidad. El AI Act y obligaciones para pymes obliga a clasificar riesgos y documentar determinados usos; la gobernanza de agentes de IA se vuelve especialmente relevante cuando los sistemas dejan de limitarse a responder y empiezan a ejecutar tareas. También conviene revisar riesgos de agentes falsos y malware y la estrategia para cómo reducir el cloud lock-in.
Aplicación práctica en una pyme
Crear tres rutas internas: usuario general, responsable de proceso y desarrollador/administrador. Cada una puede combinar recursos de Academy con políticas propias. El usuario general termina con un flujo productivo; el responsable, con una evaluación de riesgo; el técnico, con una integración probada.
En organizaciones pequeñas, el mayor retorno suele aparecer al integrar la IA con procesos existentes en lugar de crear proyectos aislados. Un CRM, por ejemplo, puede beneficiarse de clasificación, resumen y preparación de tareas sin delegar decisiones críticas; por eso conviene combinar automatización con controles de identidad como los descritos en passkeys y autenticación empresarial y con datos comerciales bien estructurados como en qué es un CRM para pymes.
Cómo medir si la novedad aporta valor
Porcentaje de usuarios activos después de la formación, tiempo ahorrado en la tarea elegida, errores detectados, número de casos de uso repetibles y solicitudes de soporte. La asistencia al curso no es una métrica suficiente de adopción.
Riesgos de interpretar mal el anuncio
Un riesgo es formar demasiado pronto sobre herramientas que la empresa aún no ha aprobado. Otro es premiar volumen de uso en lugar de calidad. También puede aparecer presión para automatizar tareas sensibles solo porque el empleado ha completado una ruta de aprendizaje.
Qué hacer durante los próximos 30 días
Identificar roles, elegir dos tareas por perfil, definir normas mínimas y utilizar las rutas externas como base. Después añadir sesiones internas con ejemplos reales. Revisar el programa cada trimestre permite incorporar novedades sin rehacer todo el contenido.
Preguntas frecuentes
¿Hay que migrar inmediatamente? No. Primero se valida el caso de uso. ¿Conviene cambiar de proveedor por una sola función? Normalmente no; hay que comparar coste total, datos y dependencia. ¿Puede una pyme aprovecharlo? Sí, si parte de una tarea concreta y medible. ¿Hace falta supervisión humana? En procesos con impacto económico, legal o sobre clientes, sigue siendo recomendable.
Conclusión
La ampliación de OpenAI Academy refleja una transición importante: la alfabetización en IA empieza a parecerse a una competencia profesional segmentada por función. Para las empresas, el reto no es impartir más horas, sino conseguir que cada perfil aprenda lo necesario para producir valor sin perder control.
Fuentes
- OpenAI: Expanding OpenAI Academy with new learning paths
- OpenAI: Connecting AI usage to business value
Matriz de competencias por puesto
La empresa puede listar tareas donde la IA ya es útil y asignar un nivel de competencia esperado. Un administrativo puede necesitar resumir y estructurar documentos; un comercial, investigar cuentas y preparar seguimientos; un desarrollador, evaluar código y construir integraciones. Esta matriz evita enviar a todos al mismo curso y ayuda a priorizar formación según retorno. También permite identificar puestos donde el uso todavía aporta poco y no merece forzar adopción.
Formación para mandos intermedios
Los responsables de equipo son decisivos porque convierten la política en práctica. Necesitan saber qué usos aprobar, cómo revisar resultados y cómo detectar cuando un empleado automatiza una tarea sensible sin control. Si solo se forma a usuarios finales y a dirección, el mando intermedio puede convertirse en cuello de botella o, al contrario, permitir prácticas inseguras. Una ruta específica debería incluir evaluación de casos de uso, métricas y gestión del cambio.
Ejercicios con documentos reales pero anonimizados
La formación mejora cuando utiliza materiales parecidos al trabajo cotidiano. Se pueden crear versiones anonimizadas de contratos, tickets, informes o campañas y pedir que el empleado resuelva una tarea completa. Esto enseña a preparar contexto, revisar salida y documentar decisiones sin exponer información real. Los mejores ejercicios incluyen un error intencionado del modelo para comprobar si el participante lo detecta.
Política de citación y verificación
Los usuarios deben aprender cuándo una respuesta necesita fuente. Una idea creativa no exige el mismo control que una cifra fiscal o una norma. La formación puede establecer una regla sencilla: cualquier hecho externo que pueda cambiar o afectar una decisión se verifica en fuente fiable. Esta disciplina reduce el principal problema de usuarios novatos: confundir una respuesta fluida con una respuesta comprobada.
Shadow AI y por qué aparece
Cuando la herramienta corporativa es lenta, limitada o desconocida, empleados recurren a servicios personales. Prohibir sin ofrecer alternativa suele ocultar el uso en lugar de eliminarlo. La formación debe explicar qué herramientas están aprobadas y por qué, y permitir solicitar nuevas capacidades. Medir shadow AI mediante encuestas y soporte puede revelar necesidades que la política actual no cubre.
Formación para trabajar con agentes
Un agente que ejecuta tareas requiere habilidades distintas a un chat. El usuario debe definir objetivo, límites, fuentes y condiciones de parada. También necesita revisar un registro de acciones y saber cancelar. Enseñar solo prompting puede dejar a la plantilla mal preparada para la nueva generación de sistemas autónomos. Las rutas deberían evolucionar desde asistencia hasta delegación controlada.
Cómo crear campeones internos sin generar dependencia
Seleccionar personas avanzadas por departamento acelera adopción. Pueden compartir plantillas, resolver dudas y detectar casos útiles. Pero el conocimiento no debería quedarse en ellas. Documentar flujos y rotar sesiones evita crear una nueva dependencia de un ‘gurú de IA’. El campeón facilita la transferencia, no sustituye al sistema de soporte y formación.
Medir productividad de forma ética
El objetivo es mejorar procesos, no vigilar cada prompt de un empleado. Las métricas pueden agregarse por equipo y centrarse en tiempo de ciclo o calidad. Monitorizar contenido individual sin necesidad puede deteriorar confianza y crear problemas de privacidad. La formación debería explicar qué datos de uso registra la empresa y para qué se utilizarán.
Reciclaje de roles afectados por automatización
Cuando una tarea se automatiza parcialmente, la formación debe preparar a la persona para el trabajo que queda: revisión, relación con cliente, análisis o coordinación. Limitarse a enseñar la herramienta sin rediseñar responsabilidades puede aumentar ansiedad. Un plan de adopción serio conecta tecnología, habilidades y evolución del puesto.
Biblioteca interna de patrones
Los mejores casos de uso pueden convertirse en fichas con objetivo, prompt o flujo, ejemplos, riesgos y métrica. Esta biblioteca reduce reinventar soluciones y permite que los nuevos empleados empiecen desde prácticas probadas. Debería tener propietario y fecha de revisión para evitar que instrucciones antiguas sigan circulando cuando cambian modelos o políticas.
Fotografía: Mikael Blomkvist / Pexels.
