La inteligencia artificial dejó de ser un experimento para convertirse en una nueva capa de operación dentro de las empresas. Ya está entrando en procesos de reclutamiento, servicio, análisis de datos, automatización y toma de decisiones. Pero mientras las organizaciones aceleran la adopción tecnológica, aparece un desafío menos visible y mucho más complejo: lograr que las personas aprendan al mismo ritmo.
Durante el panel “La industrialización de la IA y el desafío del aprendizaje continuo”, líderes de CSOFTMTY, United Auto, The Home Depot, Time to Hire e inDrive coincidieron en que la discusión ya no debería centrarse únicamente en qué herramientas comprar. La verdadera pregunta es cómo construir organizaciones capaces de aprender continuamente, aprovechar la tecnología sin depender de ella y mantener el criterio humano en un entorno donde las habilidades cambian cada vez más rápido.
La brecha ya no será de acceso, sino de capacidades
Los datos compartidos durante el panel muestran que la adopción todavía tiene un largo camino por recorrer. En México, la demanda de talento con habilidades de IA se habría duplicado en 2025, pasando de alrededor de 33 mil a 68 mil ofertas de empleo. Al mismo tiempo, apenas 4.8% de las empresas manufactureras mexicanas de más de 10 trabajadores utilizaba inteligencia artificial, según los datos presentados durante la sesión.
La paradoja es clara: mientras aumenta la demanda de personas capaces de trabajar con IA, una parte importante de las organizaciones todavía está construyendo las capacidades necesarias para adoptarla.
Y el reto no es únicamente técnico. Los mismos datos compartidos en el panel apuntaron hacia una transformación de las habilidades: pensamiento creativo, resiliencia, flexibilidad, agilidad y liderazgo tendrán cada vez mayor peso. La revolución de la IA, bajo esta perspectiva, no consiste solamente en automatizar tareas; consiste en cambiar aquello que las organizaciones necesitan de las personas.
Por eso, aprender IA una sola vez no será suficiente. Cuando las herramientas, los procesos y los puestos cambian continuamente, la capacitación tradicional pierde parte de su sentido. La capacidad relevante será aprender de manera permanente.
El CV pierde peso frente a la capacidad de aprender
Durante años, la experiencia acumulada funcionó como uno de los principales indicadores para identificar talento. Más años en una posición, más conocimientos técnicos y un currículum más extenso parecían ofrecer una aproximación razonable al valor de una persona.
La IA está comenzando a alterar esa lógica.
Pablo Estevez, CEO de Time to Hire, planteó durante el panel que algunas tareas técnicas que antes requerían años de experiencia ahora pueden apoyarse en herramientas de inteligencia artificial. Esto abre la puerta a perfiles más jóvenes que, aun con menor experiencia, pueden alcanzar resultados que antes parecían reservados para profesionales senior.
El cambio obliga a Recursos Humanos a reconsiderar qué busca cuando contrata. Si una parte del conocimiento técnico puede estar disponible para prácticamente cualquier colaborador con las herramientas adecuadas, adquieren mayor valor características como curiosidad, actitud, capacidad de colaboración, criterio y disposición para aprender.
Incluso dentro de los equipos que ya trabajan con IA, el conocimiento individual comienza a competir con otra capacidad: aprender colectivamente. La experiencia de inDrive mostró cómo los casos de uso desarrollados por early adopters pueden convertirse en una fuente de aprendizaje para otros colaboradores, creando una dinámica donde las mejores prácticas se comparten y evolucionan dentro de la organización.
La pregunta, entonces, deja de ser quién sabe más hoy y comienza a ser quién tiene mayor capacidad para aprender mañana.
Comprar IA no significa saber utilizarla
Uno de los riesgos de la adopción acelerada es confundir acceso con capacidad.
Tener licencias de herramientas de IA no garantiza que una organización sepa aprovecharlas. David Niven, Sr. Manager Human Resources de The Home Depot, compartió una experiencia que ilustra el problema: la empresa había habilitado herramientas como Copilot, Claude y Gemini, pero algunos colaboradores no sabían cómo utilizarlas adecuadamente.
La solución no consiste simplemente en añadir más cursos. También implica preguntarse para qué se está utilizando la tecnología.
En The Home Depot, la conversación parte del propósito: si la IA se utiliza para engagement, cultura o performance, debe existir una conexión clara con la intención de mejorar la experiencia de los asociados y del cliente. Esto lleva la discusión de “qué puede hacer la IA” a “qué problema queremos resolver con ella”.
Pablo Estevez planteó una lógica similar desde la inversión: en lugar de intentar transformar toda la organización con un presupuesto enorme desde el principio, resulta más efectivo identificar problemas concretos, comenzar con proyectos pequeños, demostrar resultados y aumentar gradualmente la adopción y la inversión.
La industrialización de la IA, paradójicamente, puede comenzar de manera bastante menos espectacular: resolviendo bien un problema a la vez.
Gobernanza: ni libertad total ni prohibición
Conforme aumenta el uso de IA, también crece otro desafío: cómo permitir que las personas experimenten sin poner en riesgo información, clientes o decisiones críticas.
Olga Aristova, Macroregional HR Manager Americas de inDrive, planteó una aproximación basada en tres elementos: reglas claras, límites técnicos y una comunidad que aprende en conjunto. La organización, explicó, establece herramientas aprobadas, restringe accesos y protege datos personales; pero al mismo tiempo busca que las personas cuestionen, experimenten y compartan casos de uso.
La clave está en no convertir la gobernanza en una barrera para la adopción. Una política demasiado rígida puede provocar que las personas utilicen IA a escondidas; pero capacitación sin controles puede producir colaboradores más rápidos y, al mismo tiempo, más expuestos.
El objetivo es construir un espacio donde experimentar sea posible, pero dentro de límites conocidos.
El mayor riesgo: dejar que la IA piense por nosotros
Quizá uno de los desafíos más importantes del aprendizaje continuo no sea aprender a utilizar IA, sino evitar que la tecnología termine sustituyendo capacidades que las personas necesitan conservar.
inDrive utiliza IA para analizar grandes volúmenes de información, predecir tiempos de llegada, identificar patrones y detectar posibles fraudes. Sin embargo, la decisión final continúa requiriendo intervención humana.
La lógica es especialmente relevante: primero debería existir una hipótesis o un criterio humano y después utilizar la IA para contrastarlo, enriquecerlo o detectar algo que pudo pasar desapercibido. De esa manera, la herramienta aumenta la capacidad de decisión sin atrofiar el pensamiento crítico.
Esto también cambia la manera de capacitar. El panel planteó ejercicios donde las personas resuelven casos reales sin acceso a las automatizaciones que normalmente tienen disponibles, precisamente para mantener activo ese músculo de juicio.
En una organización altamente automatizada, saber cuándo no confiar ciegamente en la máquina puede ser tan importante como saber utilizarla.
El nuevo trabajo de los líderes
Si los puestos cambian más rápido que los títulos profesionales, el liderazgo también tiene que cambiar.
David Niven señaló que los líderes ya no deberían medirse únicamente por los resultados de sus equipos, sino también por su capacidad para desarrollar personas, generar nuevos líderes y construir las condiciones para que sus equipos aprendan. En The Home Depot, esto incluye medir aspectos culturales y realizar pulsos periódicos sobre valores y cultura.
Rubén López llevó la idea al sector automotriz: cuando la tecnología evoluciona a una velocidad que hace imposible que una organización avance exactamente al mismo ritmo, la ventaja está en desarrollar personas capaces de adaptarse rápidamente a nuevos procesos y tecnologías.
Eso significa que el liderazgo deja de ser únicamente administración de resultados. También es diseño de capacidades.
La ventaja competitiva será una organización que aprende
La inteligencia artificial continuará evolucionando mucho más rápido que la mayoría de las estructuras organizacionales. Las empresas no pueden esperar a que cada nueva herramienta llegue acompañada de un curso, un manual y una ruta de capacitación formal.
Necesitan construir algo más profundo: una cultura donde aprender sea parte de operar.
Eso implica identificar early adopters, compartir casos de uso, crear espacios para experimentar, establecer reglas claras, proteger el criterio humano y medir a los líderes también por la cantidad de talento que son capaces de desarrollar.
La brecha de IA ya no será solamente una cuestión de quién tiene acceso a la tecnología. Será una cuestión de quién sabe convertir ese acceso en capacidades.
Porque cuando la tecnología se vuelve cada vez más accesible, la verdadera ventaja deja de estar en tener la mejor herramienta.
Está en tener a las personas capaces de hacer mejores preguntas, aprender más rápido, cuestionar lo que produce una máquina y convertir todo eso en mejores decisiones.
La IA puede acelerar una organización. Pero solamente una organización que aprende continuamente puede decidir hacia dónde acelerar.
