¿Por qué la capacitación no está cerrando la brecha de retorno de la IA?
Las empresas han invertido mucho dinero en inteligencia artificial, pero muchos líderes todavía no pueden señalar un retorno claro de esa inversión. Una nueva encuesta a profesionales de aprendizaje y desarrollo sugiere que el problema no es simplemente una brecha de capacitación. Es que las organizaciones no han acordado qué aspecto tiene el éxito.
El informe anual AI in Learning & Development Report encuestó a más de 800 profesionales de aprendizaje en el lugar de trabajo en más de 25 países. Sus respuestas revelan un patrón conocido. La IA está haciendo que el contenido de capacitación se produzca más rápido, pero muchos menos equipos pueden demostrar que cambia la forma en que las personas desempeñan su trabajo.
La velocidad es el logro que los equipos sí pueden ver
Tres de cada cuatro encuestados, es decir, el 75%, mencionaron la creación más rápida de contenido como uno de los impactos más claros de la adopción de la IA. Eso significa tiempos de producción más cortos para nueva capacitación y más material saliendo al mercado. Solo el 11% señaló una mejora en el desempeño laboral.
Esa brecha importa porque la mayor parte de la capacitación en el lugar de trabajo existe para mejorar el desempeño. Sin embargo, solo el 35% de los equipos de L&D mide de forma consistente el desempeño laboral, frente al 72% que sigue de manera consistente la participación y la finalización de cursos. El informe dice que esto sugiere que los líderes no están recompensando a L&D según las métricas de desempeño, o que nadie ha acordado qué debería ser el éxito. Las respuestas de la encuesta apuntan a la segunda explicación. Más de uno de cada cinco encuestados mencionó la falta de métricas de éxito acordadas como su mayor obstáculo para demostrar el impacto.
Los vacíos de permisos y datos ralentizan a los equipos
Un mandato de liderazgo para usar la IA no abre automáticamente la puerta a nuevas herramientas. De los equipos de L&D que partieron de un mandato, el 73% todavía necesita permiso departamental o interfuncional para probar una nueva herramienta de IA. Algunos están limitados a herramientas aprobadas por la empresa y no pueden probar nada más allá de ellas.
¿Qué necesitan los equipos de L&D para demostrar el impacto de la IA?
Los datos son otro cuello de botella. La mayoría de los equipos de L&D está convencida de que la IA está generando mejoras, pero les cuesta producir evidencia de esas ganancias. Cuando se les preguntó por el mayor obstáculo para demostrar el impacto, el 53% señaló una restricción organizacional, incluida la falta de métricas de éxito y el acceso limitado a datos o herramientas de medición. En la práctica, los datos necesarios para medir el impacto pueden estar en sistemas desconectados, como un sistema de gestión del aprendizaje, un sistema de información de recursos humanos, una herramienta de encuestas y una plataforma de video con IA.
Sin esa evidencia, los equipos corren el riesgo de convertirse en lo que el informe llama una fábrica de contenido. Si usan la IA para producir capacitación más rápido, pero nunca verifican si cambia el comportamiento, más contenido es todo lo que tienen para mostrar por la inversión.
Hay algo de optimismo en los datos. Cerca de un tercio de los equipos de L&D informa mejoras de desempeño gracias a la IA, como un tiempo más corto para alcanzar la competencia o un mejor desempeño laboral. Esos equipos tienden a compartir ciertos rasgos, entre ellos la libertad para probar o construir soluciones de IA y el uso de la IA para evaluar su propio trabajo. Muchos de esos factores, señala el informe, dependen de decisiones que están fuera del control de L&D.
Tres correcciones estructurales
¿Qué deberían hacer las organizaciones para cerrar la brecha de retorno de la IA?
Con base en sus hallazgos, el informe recomienda tres cambios. Primero, los líderes deben acordar qué se supone que la IA debe lograr y luego decidir cómo se recompensará y medirá su uso. Para L&D, eso significa definir los cambios de desempeño que el negocio quiere antes de diseñar cualquier nueva capacitación, incluida la capacitación sobre la propia IA.
Segundo, las organizaciones deben invertir en la integración de datos antes de escalar nuevas soluciones de IA o automatizar más flujos de trabajo. Los equipos de todas las áreas necesitan acceso a los datos requeridos para medir el impacto de la IA.
Tercero, los líderes deben incluir a L&D en la conversación estratégica sobre la IA. Si el objetivo de la IA es automatizar el trabajo manual, el tiempo que libere debería destinarse a desarrollar habilidades más estratégicas, como cómo usar la IA para cambiar la forma en que se hace el trabajo. L&D está bien posicionado para liderar ese esfuerzo, dice el informe, porque puede identificar dónde la capacitación puede ser parte de la solución y dónde no.
La capacitación puede ayudar a cerrar la brecha entre la adopción de la IA y el retorno de la inversión, concluye el informe, pero solo una vez que estas condiciones estén en marcha.
This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.