Claude y Copilot en el trabajo. ¿Saben los equipos cómo utilizarlos al máximo?
Hoy en día todas las organizaciones sumaron inteligencia artificial a su día a día. Licencias de Copilot dentro de Microsoft 365, cuentas de Claude para los equipos, asistentes integrados en cada herramienta. Acceder a la IA dejó de ser un desafío.
El problema es otro, y es más incómodo: tener la herramienta no significa saber usarla. Una licencia activa no dice nada sobre si la persona la aprovecha para pensar mejor, decidir más rápido o resolver problemas reales del puesto.
Por eso sumamos a nuestro diagnóstico de habilidades una nueva familia de tests enfocados en IA. Este artículo explica qué miden, por qué importan y cómo usarlos para que la inversión en IA deje de ser un costo y empiece a ser una ventaja.
La promesa de la IA en el trabajo es concreta: equipos que producen más en menos tiempo. Pero esa promesa depende de una variable que pocas organizaciones miden: qué tan bien sabe usarla cada persona.
Sin formación, la herramienta queda subutilizada y el retorno de esas licencias nunca aparece. Y el contexto no ayuda, porque solo el 36% de los empleados recibe formación efectiva. El resto aprende a usar la IA por ensayo y error, sin criterio y sin acompañamiento.
El resultado es una brecha silenciosa: dos personas con la misma licencia de Copilot pueden tener niveles de uso completamente distintos. Una la usa para redactar un correo; la otra, para analizar datos, automatizar tareas y decidir mejor. Esa diferencia no aparece en la factura de las licencias. Aparece en los resultados.
La idea es simple: antes de capacitar, medir. Para eso, las nuevas evaluaciones diagnostican el nivel real de tu equipo en los frentes que hoy marcan la diferencia:
- Uso de Claude: qué tan bien aprovecha cada persona el asistente para tareas reales del puesto.
- Uso de Copilot: dominio práctico dentro del ecosistema de trabajo diario.
- Alfabetización en IA: comprensión de cómo funciona, qué puede y qué no puede hacer.
- Ética de la IA: uso responsable, manejo de datos y límites del criterio automatizado.
- Pensamiento crítico aplicado a la IA: capacidad de cuestionar, validar y decidir sobre lo que la IA propone.
## Por qué medir antes de entrenar
Capacitar sin medir es invertir a ciegas. Sin un diagnóstico, las organizaciones terminan dando el mismo curso genérico a personas con niveles muy distintos: aburren a quienes ya saben y dejan atrás a quienes recién empiezan.
El 40% de las competencias actuales será obsoleta para 2030. Por eso el upskilling en IA no es un evento único, sino un proceso continuo, y todo proceso continuo necesita un punto de partida claro. Medir primero permite armar planes de formación segmentados por nivel, priorizar a los equipos con mayor brecha y mostrar avances con datos en lugar de intuiciones.
La IA cambia el trabajo todos los meses. Lo que no puede cambiar es la forma de incorporarla: con criterio y con datos. Saber qué tan preparado está tu equipo es el primer paso para convertir las licencias que ya pagas en una ventaja real.
En Alkemy trabajamos exactamente así: medimos, diseñamos y entrenamos. Primero diagnosticamos el nivel de IA del equipo, después diseñamos el plan de formación según las brechas y entrenamos las habilidades en escenarios reales.
