Estoy actualizando uno de mis cursos más exitosos: 10 Power Skills para el trabajo. El curso sigue teniendo muy buen feedback y hay muchas clases que todavía funcionan. Pero el contexto en el que esas habilidades se aplican cambió.
La comunicación ahora convive con borradores generados por IA. Delegar ya no significa solamente distribuir tareas entre personas. Aprender incluye decidir cuándo usar una herramienta para acelerar y cuándo conviene hacer el esfuerzo cognitivo sin asistencia. Colaborar también implica revisar lo que produce una IA antes de llevarlo al equipo.
Podría agregar una clase sobre ChatGPT, cambiar la fecha de actualización y dar el trabajo por terminado. Sería rápido, pero no resolvería el problema. Cuando cambia la forma de trabajar, no alcanza con sumar contenido. Hay que revisar qué necesita poder hacer una persona, qué problemas enfrenta y qué partes del aprendizaje siguen siendo útiles.
Esa tensión no aparece solamente al actualizar un curso. Está en casi todas las áreas de Capacitación y Desarrollo: el trabajo cambia mientras todavía estamos diseñando cómo ayudar a las personas a adaptarse.
La brecha no se resuelve con más contenido
El Future of Jobs Report 2025 estima que 59 de cada 100 personas van a necesitar formación antes de 2030. Además, el 63% de las organizaciones consultadas identifica la brecha de habilidades como una barrera importante para transformar el negocio y el 85% planea priorizar el desarrollo de su fuerza laboral.
La demanda de aprendizaje es enorme. La capacidad disponible para responder no lo es.
Microsoft encontró otra parte del problema en su Work Trend Index 2026. Después de analizar señales de productividad y encuestar a 20.000 personas que usan IA en diez países, concluyó que muchas organizaciones avanzan más lento que sus integrantes. Solamente el 19% se encuentra en una situación donde la capacidad individual y la preparación organizacional se refuerzan mutuamente. Hay personas listas para trabajar de otra manera, pero sin reglas, apoyo de sus líderes o sistemas que les permitan hacerlo.
Ese dato cambia el diagnóstico. La respuesta no puede ser simplemente publicar otro curso en el LMS. La formación importa, pero no compensa por sí sola un entorno que sigue premiando la forma anterior de trabajar.
Microsoft también encontró que factores organizacionales como la cultura, el apoyo de quienes lideran y las prácticas de talento explican más del doble del impacto reportado de la IA que los factores individuales. Es decir, desarrollar habilidades sin modificar las condiciones donde deberían aplicarse deja buena parte del aprendizaje bloqueado.
Un programa puede estar actualizado y llegar tarde
En L&D solemos cuidar mucho la calidad del contenido, como corresponde. Investigamos, diseñamos objetivos, validamos con personas expertas, producimos recursos y coordinamos el lanzamiento. El problema aparece cuando tratamos cada programa como una pieza cerrada que debe estar completa antes de llegar a quienes la necesitan.
Mientras avanza ese ciclo, el problema puede cambiar. Aparece una herramienta nueva, se redefine un proceso, cambia una prioridad del negocio o el equipo descubre que la dificultad real no era la que figuraba en el relevamiento inicial.
Un contenido puede ser correcto y, aun así, llegar tarde.
Por eso, para mí, capacitación ágil no significa producir cursos apurados ni llenar el catálogo de videos cortos. Significa diseñar un sistema que pueda aprender de la práctica, ajustar prioridades y actualizarse sin reconstruir todo desde cero.
Cuatro movimientos para diseñar a la velocidad del trabajo
No hay una única metodología que sirva para todas las organizaciones. Sí hay cuatro cambios de lógica que pueden acortar la distancia entre una necesidad y una respuesta útil.
1. Empezá por el problema actual, no por el contenido disponible
Cuando aparece una necesidad, la primera reacción suele ser buscar qué curso ya existe o qué material podemos adaptar. Eso acelera la producción, pero también puede hacer que resolvamos el problema equivocado.
Antes de diseñar, describí la situación observable. ¿Qué no está pudiendo hacer el equipo? ¿Dónde se traba? ¿Qué decisión, conversación o tarea debería cambiar después de la intervención?
“Necesitamos capacitación en IA” es un tema. “Las personas usan IA para preparar informes, pero no verifican fuentes ni supuestos” es un problema sobre el que se puede diseñar.
Esta diferencia también ayuda a elegir las habilidades que el equipo necesita desarrollar. Tal vez el foco no sea aprender otra herramienta, sino fortalecer pensamiento crítico, comunicación o criterio para delegar.
2. Diseñá la unidad mínima que ya puede ser útil
No todo problema necesita un programa de ocho módulos. A veces, la primera respuesta puede ser una práctica guiada, una simulación, una ayuda para el momento de la tarea o una conversación estructurada con quien lidera.
La unidad mínima útil no es necesariamente un video corto. Un video de tres minutos que no cambia ninguna decisión sigue siendo contenido, no microlearning efectivo. Lo importante es que la pieza tenga un objetivo concreto, pueda aplicarse y produzca información para decidir el siguiente paso.
Después podés ampliar. Lanzás una primera intervención, observás qué ocurre y construís la capa siguiente con evidencia real. Esto permite responder antes sin renunciar a una arquitectura sólida.
También hace que el mantenimiento sea posible. Si el programa está compuesto por piezas con funciones claras, podés actualizar una práctica o un ejemplo sin regrabar todo el recorrido.
3. Usá IA para comprimir el ciclo, no para delegar el criterio
La IA puede acelerar tareas que consumen mucho tiempo: organizar hallazgos, comparar fuentes, proponer una primera estructura, generar variantes de un caso o adaptar un recurso a distintos formatos.
Eso puede llevarnos de una página en blanco a un prototipo mucho más rápido. Pero un prototipo no es una solución validada.
El criterio instruccional sigue siendo necesario para definir el problema, evaluar la calidad de las fuentes, decidir qué práctica tiene sentido y revisar si el resultado representa el contexto de la organización. Si automatizamos una decisión mal planteada, solo llegamos más rápido a una capacitación que no sirve.
La pregunta no es cuánto contenido puede producir la IA. Es qué parte del tiempo liberado vamos a dedicar a entender mejor la necesidad, probar la experiencia y observar la transferencia. También podemos usarla para aprender y no solamente para resolver más rápido, siempre que no le entreguemos el esfuerzo que la persona necesita practicar.
4. Medí aplicación y usá lo que aprendés para actualizar
La finalización responde si una persona llegó al final de un recorrido. No responde si pudo usar lo aprendido.
Para cerrar el ciclo necesitás alguna evidencia cercana al trabajo: una decisión tomada con un criterio nuevo, una conversación realizada de otra manera, una tarea resuelta con menos errores o una práctica observada por quien lidera. No siempre hace falta un tablero sofisticado. Hace falta definir, antes de lanzar, qué cambio concreto debería aparecer.
Esa información no sirve solamente para demostrar impacto. Sirve para mejorar la intervención. Si las personas entienden el concepto pero no pueden aplicarlo, tal vez falte práctica. Si lo aplican pero el proceso interno lo impide, el problema ya no es de formación. Si una pieza dejó de representar el trabajo real, se actualiza esa pieza y no todo el programa.
Ahí la capacitación deja de funcionar como una biblioteca que publica contenido y se convierte en un sistema que aprende.
L&D también tiene que aprender de su propio trabajo
El desafío no es correr detrás de cada cambio ni producir a la velocidad de una herramienta. Es reducir el tiempo entre detectar un problema, probar una respuesta y aprender si funcionó.
Eso requiere intervenciones más modulares, una relación más cercana con el flujo del trabajo y decisiones de diseño que puedan revisarse. También requiere usar IA con criterio: para acelerar tareas de bajo valor y proteger el tiempo humano que necesitamos para comprender el contexto, acompañar la práctica y evaluar resultados.
Actualizar mi curso de Power Skills me recordó algo que aplica a cualquier programa corporativo. No todo lo anterior pierde valor cuando cambia el contexto. Pero tampoco podemos conservarlo solamente porque alguna vez funcionó. Hay que revisar qué sigue siendo útil, qué necesita una nueva capa y qué conviene reconstruir.
La capacitación ágil no consiste en hacer más. Consiste en aprender más rápido de lo que diseñamos y de lo que pasa después.
Fuentes
- World Economic Forum, The Future of Jobs Report 2025: Key Findings
- Microsoft, 2026 Work Trend Index: Agents, human agency, and the opportunity for every organization
Nos leemos,
Ceci Mansilla
