Pasa en casi todas las empresas: alguien del equipo, un líder o la propia dirección dice “necesitamos un curso de IA”. People toma el pedido, busca opciones y, en pocas semanas, hay un programa en marcha. Meses después, una parte del equipo sintió que fue demasiado básico, otra parte que fue demasiado técnico, y casi nadie usa la IA en su trabajo mucho más que antes.

El problema no fue el curso. Fue que nadie diagnosticó antes qué nivel tenía el equipo, con qué herramientas trabaja y qué tareas concretas podía mejorar con IA. En esta guía te mostramos cómo hacer ese diagnóstico de forma simple, para que el programa de capacitación que armes responda a lo que tu equipo realmente necesita.

Qué hay detrás del pedido “queremos un curso de IA”

Ese pedido casi nunca significa lo mismo para todos. Detrás suele haber alguna de estas situaciones:

• Curiosidad o presión del entorno. “Todos hablan de IA y no queremos quedarnos atrás”.

• Un problema concreto. “Tardamos demasiado en armar reportes” o “no damos abasto con las consultas”.

• Una herramienta ya comprada. La empresa contrató licencias y el uso no despega.

• Miedo o desconfianza. Parte del equipo no sabe qué puede hacer con la IA o teme usarla mal.

Cada situación pide una respuesta distinta. Por eso, el primer paso del diagnóstico es volver a quien hizo el pedido y preguntar: ¿qué tendría que pasar en el trabajo para que esta capacitación valga la pena?

Las tres dimensiones del diagnóstico: nivel, stack y casos de uso

Una buena detección de necesidades de capacitación en IA mira tres cosas a la vez. Si te falta una, el programa queda desbalanceado.

1. Nivel actual de uso

No alcanza con preguntar “¿sabés usar IA?”. Conviene ubicar a cada persona en una escala simple:

1. No la usa: nunca probó herramientas de IA generativa en el trabajo.

2. Uso ocasional: hace consultas sueltas a un asistente, sin un método.

3. Uso integrado: la usa de forma habitual en tareas concretas de su rol y revisa los resultados con criterio.

4. Uso avanzado: arma flujos, automatizaciones o asistentes que usan otras personas.

Es muy común encontrar personas en los cuatro niveles dentro del mismo equipo. Ese dato solo ya te dice que un único curso para todos difícilmente funcione.

2. Stack: herramientas, datos y reglas

El stack es el contexto tecnológico en el que el equipo va a usar la IA. Relevá:

• Qué herramientas de IA tiene licenciadas la empresa (por ejemplo, Microsoft Copilot, Gemini en Google Workspace o ChatGPT) y cuáles usa la gente por su cuenta.

• Qué herramientas de trabajo diario usa cada área: planillas, CRM, plataformas de diseño, repositorios de código, herramientas de BI.

• Qué políticas existen sobre el uso de datos de clientes o información confidencial en herramientas de IA.

• Qué restricciones pone IT: accesos, integraciones permitidas, herramientas bloqueadas.

Capacitar en una herramienta que el equipo no puede usar en su trabajo, o sin reglas claras sobre datos, es uno de los errores más caros.

3. Casos de uso por rol

La tercera dimensión es la más importante: qué tareas concretas de cada rol podrían hacerse mejor o más rápido con IA. Una persona de análisis de datos, alguien de atención al cliente y un líder de marketing van a necesitar cosas muy distintas. Si querés profundizar en cómo cambia el aprendizaje según el rol, en este roadmap de AI literacy por rol lo desarrollamos paso a paso.

Cómo hacer el diagnóstico en cuatro pasos

No necesitás meses de relevamiento. Con un proceso corto y ordenado alcanza para diseñar mucho mejor.

1. Entrevistá a los líderes de cada área. Preguntales qué problemas de negocio les gustaría resolver, qué tareas consumen más tiempo a su equipo y qué esperan ver después de la capacitación.

2. Mandá una encuesta corta al equipo. Diez minutos como máximo, con preguntas cerradas sobre uso actual y algunas abiertas sobre tareas.

3. Revisá el stack con IT y legal. Confirmá herramientas disponibles, políticas de datos y qué se puede usar en los ejercicios.

4. Elegí casos de uso prioritarios. Con la información de los tres pasos anteriores, seleccioná pocos casos por área, con impacto claro y viables con las herramientas que ya tienen.

Preguntas que no pueden faltar en la encuesta

• ¿Con qué frecuencia usás herramientas de IA en tu trabajo?

• ¿Qué herramientas usás? ¿Son provistas por la empresa o personales?

• ¿Para qué tareas las usaste en el último mes?

• ¿Qué tarea de tu semana te gustaría resolver más rápido?

• ¿Qué te frena para usar más la IA: falta de tiempo, de conocimiento, de herramientas o dudas sobre qué está permitido?

• ¿Qué tan seguro te sentís revisando un resultado generado con IA antes de usarlo?

La pregunta sobre qué frena el uso es clave: muchas veces el obstáculo no es el conocimiento, sino reglas poco claras o falta de tiempo protegido para practicar.

Cómo leer los resultados y segmentar al equipo

Con los datos en mano, el objetivo es armar grupos con necesidades parecidas. Una segmentación simple puede verse así:

Fijate que la segmentación no tiene por qué seguir el organigrama. Puede haber personas de distintas áreas en el mismo grupo inicial, y líderes que estén en un nivel más bajo que su propio equipo.

Del diagnóstico al programa de capacitación

Con los grupos y los casos de uso definidos, el diseño del programa se vuelve mucho más concreto:

• Objetivos por grupo, escritos en términos de trabajo: “armar el primer borrador de una propuesta comercial con IA y revisarlo con criterio” es mejor que “aprender prompting”.

• Ejercicios sobre el stack real, con las herramientas que el equipo va a poder seguir usando después.

• Un proyecto aplicado por persona o por equipo, vinculado a un caso de uso prioritario.

• Evidencia esperada: qué va a poder mostrar cada grupo al final.

Si tenés que decidir qué áreas o grupos van primero, en esta guía para priorizar upskilling en IA te compartimos un criterio práctico para ordenar la agenda sin frenar al negocio.

Errores comunes al diagnosticar

• Preguntar solo por herramientas. Saber qué herramienta usa alguien no dice nada sobre cómo la usa.

• Confiar en la autoevaluación sin contrastarla. Sumá ejemplos de tareas reales para validar el nivel declarado.

• Dejar afuera a IT y legal. Sin reglas claras, el programa enseña algo que después no se puede aplicar.

• Diagnosticar y no compartir los resultados. Mostrarle al equipo qué encontraste genera compromiso con el programa.

• Elegir demasiados casos de uso. Pocos casos bien resueltos generan más adopción que una lista larga.

Preguntas frecuentes

¿Cuánto tiempo lleva un diagnóstico de necesidades de capacitación en IA?

Depende del tamaño de la empresa, pero en equipos medianos se puede resolver en pocas semanas si las entrevistas y la encuesta se organizan en paralelo.

¿Lo puede hacer People sin ayuda externa?

Sí, sobre todo la parte de encuesta y entrevistas. Donde suele servir apoyo externo es en traducir los resultados a un diseño de programa con ejercicios y proyectos aplicados.

¿Qué hago si los resultados muestran niveles muy distintos dentro del mismo equipo?

Es lo más común. Combiná una base compartida para todos con módulos o clínicas por nivel, así nadie se aburre ni se pierde.

Diseñá el programa a partir de lo que tu equipo necesita

Un buen diagnóstico es la diferencia entre “dimos un curso de IA” y “el equipo trabaja distinto”. Si querés que te acompañemos a relevar nivel, stack y casos de uso para armar un programa a la medida de tu empresa, hablá con el equipo de Coderhouse Empresas y agendá una asesoría gratuita.