La tesis en una frase: la formación es la partida que nadie mete en el presupuesto de IA, y es exactamente la que decide si la herramienta que compraste se usa o se queda muerta en un cajón caro. Se aprueba la licencia, se celebra el lanzamiento, y seis meses después nadie la usa. No es que la herramienta fuera mala ni que el modelo fuera tonto: es que comprar la licencia es la mitad del trabajo, y la otra mitad —que tu gente la use de verdad, en su trabajo real— es la que se recortó primero porque no lucía en la demo.
La licencia comprada no es la licencia usada
Hay dos números que la gente confunde a propósito porque uno es cómodo y el otro incómodo. El cómodo es cuánta gente tiene acceso a la herramienta: sale en la factura, se enseña en el comité, da la sensación de progreso. El incómodo es cuánta gente la usa de verdad para hacer su trabajo. Entre esos dos números vive el proyecto entero, y casi siempre están a años luz. Pagar por acceso es fácil; conseguir uso es otra cosa, y es la que nadie presupuesta.
Una licencia que nadie usa no es un ahorro pendiente: es un gasto ya hecho que no rinde nada. Cada mes que pasa entre «lo compramos» y «lo usan» es dinero quemado y, peor, es la ventana en la que el equipo decide que «esto de la IA no era para tanto» y vuelve al método manual. Esa decisión, una vez tomada, cuesta mucho más de revertir que lo que habría costado formar bien desde el día uno.
El adoption gap: el 85% puede usarla, el 25% la usa
Esto no es una intuición de consultor: es un patrón medido. Según un estudio de IBM de 2026 sobre directivos, el 85% de los empleados tiene acceso a herramientas de IA, pero solo el 25% las usa de forma habitual. Ese hueco —el adoption gap— es donde se evapora el retorno que se prometió en la propuesta. No se pierde porque el modelo falle; se pierde porque la mayoría de la gente con acceso nunca llega a incorporarlo a su trabajo diario. La herramienta está encendida y sola.
Y aquí está el dato que lo remata: en el mismo tipo de estudios, la mayoría de los empleados dice que la formación que recibe no le ayuda a usar la IA en su puesto. O sea, no es que no haya formación —es que la que hay no sirve—. Se da un curso genérico de «esto es ChatGPT y esto es un prompt», se marca la casilla, y la persona vuelve a su mesa sin la menor idea de cómo aplicar eso a lo que hace cada día. El adoption gap no se cierra con un webinar; se cierra con formación pegada al trabajo real.
Por qué la formación genérica no mueve la aguja
El error de base es tratar la formación en IA como un curso de producto y no como un cambio en cómo se hace el trabajo. Un curso genérico explica la herramienta; lo que la gente necesita es ver su propia tarea hecha con la herramienta. Son cosas distintas, y confundirlas es lo que llena las empresas de licencias muertas.
- Genérica en vez de por rol. El comercial, el de administración y el de soporte no usan la IA para lo mismo. Un curso que vale para todos no le sirve de verdad a ninguno. La formación que engancha parte de la tarea concreta de cada rol, no de la herramienta.
- Sobre teoría en vez de sobre su trabajo. Enseñar qué es un prompt no es enseñar a resolver el email que esa persona escribe veinte veces al día. Cómo desmenuzar una tarea propia en instrucciones que una IA sigue de verdad es la mitad del trabajo, y lo desarrollamos en automatizar tareas con ChatGPT.
- Un evento en vez de un hábito. Una sesión de dos horas el día del lanzamiento no crea un hábito. El uso se instala con práctica repetida, ejemplos del propio equipo y alguien que resuelve dudas cuando aparecen, no antes.
- Sin dueño de la adopción. Si la formación termina y nadie mide quién usa qué ni ayuda al que se atasca, la herramienta se apaga sola. La adopción necesita un responsable, igual que cualquier otro proyecto que se quiera que ocurra.
Qué presupuestar cuando presupuestas IA
Si la formación es la mitad que decide el resultado, tiene que estar en el presupuesto desde el principio, no como un extra que se recorta cuando aprietan los números. Y no cualquier formación: la que cierra el adoption gap tiene una forma concreta.
- Presupuesta formación por rol, no un curso único. Cada función necesita ver su propia tarea resuelta con la herramienta, con los ejemplos y los datos con los que trabaja de verdad.
- Mide uso real por persona, no licencias activas. El número que importa es cuánta gente lo usa cada semana en su trabajo, y ese número es el que te dice si la formación funcionó.
- Nombra un dueño de la adopción. Alguien que resuelva dudas, recoja los casos que funcionan y los reparta, y detecte quién se ha quedado atrás antes de que abandone.
- Empieza por una tarea real y visible, no por todo a la vez. Un caso que la gente ve funcionar —el email repetitivo, el informe de siempre— convence más que cualquier discurso, y sienta la base de cómo usar la IA día a día en la empresa, algo que aterrizamos en usar ChatGPT en la empresa.
- Si lo que montas es un agente con tu información, la formación incluye enseñar al equipo a supervisarlo y corregirlo, no solo a usarlo. Ese traspaso es parte del trabajo, y lo desglosamos en entrenar el agente con tu propia información.
La licencia muerta cuesta más que la que no compraste
La factura de una licencia que nadie usa es la parte barata del problema. Lo caro es lo que no se ve: el equipo que decidió que la IA «no era para tanto» y ahora hay que reconvencer, el proyecto que se presentó como fracaso en el comité cuando en realidad nunca se llegó a usar, y el mes tras mes de coste de oportunidad de un trabajo que se seguía haciendo a mano al lado de una herramienta encendida. Recortar la formación para ahorrar es el ahorro más caro que existe: te ahorras la partida pequeña y pagas la grande.
La conclusión no es «formad más», es «presupuestad la adopción como parte del proyecto, no como un extra». La herramienta es el 50%; que se use es el otro 50%, y ese 50% se compra con formación pegada al trabajo real y un dueño que la sostenga. Si quieres que ese lado —la adopción de IA por tu equipo, no solo su compra— lo lleve alguien que lo trata como el trabajo que es, la adopción de IA para equipos es exactamente eso: no te vendemos la licencia, te dejamos al equipo usándola.