Cómo medir el nivel de competencia en IA de tu equipo

Cada vez que una empresa me contacta para una capacitación en IA, lo primero que les pregunto es: “¿sabes en qué nivel está tu equipo hoy?”. La respuesta, casi siempre, es un silencio incómodo.

No es un reproche. Es una realidad. La mayoría de las empresas no tiene un framework para medir la competencia en IA de sus equipos. Miden competencia en Excel, en idiomas, en habilidades técnicas específicas — pero cuando se trata de IA, la evaluación suele ser un vago “algunos lo usan, otros no”.

Hoy quiero darte un framework práctico, el mismo que uso en mis diagnósticos corporativos, para que puedas evaluar dónde está tu equipo y diseñar una ruta de desarrollo coherente.

Por qué necesitas medir antes de capacitar

Imagina que eres médico y un paciente llega con dolor de cabeza. ¿Le recetas medicamento sin hacerle preguntas, sin tomarle la presión, sin entender el contexto? Claro que no. Primero diagnosticas, luego tratas.

Con la competencia en IA es exactamente igual. He visto empresas que contratan talleres de prompt engineering para equipos que ni siquiera han abierto ChatGPT. He visto empresas que invierten en cursos avanzados de análisis de datos cuando su equipo todavía no sabe interpretar un gráfico de barras.

El resultado siempre es el mismo: frustración, baja adopción y dinero perdido.

Cuando trabajé en Falabella durante 3 años como Head of Operations, una de las primeras cosas que hice fue diagnosticar las competencias analíticas del equipo. Eso nos permitió diseñar una ruta de formación que realmente funcionó — y que contribuyó a recuperar S/8M y mejorar la eficiencia en más del 20%. No fue casualidad. Fue diagnóstico.

Los 4 niveles del framework de competencia en IA

El framework que utilizo divide la competencia en IA en cuatro niveles claros. Cada nivel tiene indicadores observables — no necesitas un test sofisticado para identificarlos.

Nivel 1: Desconocimiento

Características: La persona sabe que la IA existe pero no la ha usado de forma profesional. Puede haber probado ChatGPT por curiosidad, pero no ve la conexión con su trabajo. Cuando hablas de automatización o análisis con IA, su reacción es escepticismo o indiferencia.

Preguntas diagnósticas:
- ¿Has usado alguna herramienta de IA en tu trabajo este mes?
- ¿Podrías nombrar tres formas en que la IA podría ayudarte en tu rol?
- ¿Sabes qué es un prompt?

Si las respuestas son “no”, “no se me ocurre” y “más o menos”, estás en nivel 1.

Lo que necesitan: Awareness. Necesitan ver ejemplos concretos de cómo la IA aplica a su rol específico. Necesitan un workshop que conecte la tecnología con su realidad laboral.

Nivel 2: Exploración

Características: La persona ya usa herramientas de IA ocasionalmente. Ha experimentado con ChatGPT, Copilot o alguna herramienta similar. Sabe hacer preguntas básicas pero no ha integrado la IA en su flujo de trabajo regular. El uso es esporádico, no sistemático.

Preguntas diagnósticas:
- ¿Con qué frecuencia usas IA en tu trabajo? ¿Diario, semanal, ocasional?
- ¿Puedes darme un ejemplo de un resultado concreto que obtuviste con IA?
- ¿Has compartido algún proceso con IA con tu equipo?

Si el uso es ocasional, los resultados son anecdóticos y no ha compartido con el equipo, estás en nivel 2.

Lo que necesitan: Estructura. Un programa que les enseñe a usar IA de forma consistente y aplicada a sus procesos reales. Aquí es donde un programa de capacitación en IA para empresas hace la mayor diferencia.

Nivel 3: Aplicación

Características: La persona usa IA de forma regular y productiva. Ha integrado herramientas en su flujo de trabajo diario. Puede automatizar tareas, crear prompts efectivos, analizar datos con IA y generar resultados medibles. Empieza a enseñar a otros.

Preguntas diagnósticas:
- ¿Cuántas horas a la semana estimas que te ahorra la IA?
- ¿Has automatizado algún proceso de tu área con IA?
- ¿Puedes explicarle a un colega cómo usar IA para una tarea específica?

Si puede cuantificar el ahorro, ha automatizado al menos un proceso y puede enseñar a otros, estás en nivel 3.

Lo que necesitan: Especialización. Herramientas más avanzadas, integraciones, y mentorship para convertirse en champions que impulsen la adopción en su área.

Nivel 4: Liderazgo

Características: La persona no solo usa IA — lidera la adopción. Entiende el panorama estratégico, puede evaluar herramientas, diseñar planes de implementación y medir ROI. Impulsa la cultura data-driven en su equipo y conecta la IA con los objetivos del negocio.

Preguntas diagnósticas:
- ¿Puedes evaluar si una herramienta de IA es adecuada para un caso de uso específico?
- ¿Has diseñado o liderado alguna iniciativa de IA en tu área?
- ¿Puedes estimar el ROI de implementar IA en un proceso?

Si responde afirmativamente a las tres, tienes un líder de IA. Cuídalo, empodéralo y dale recursos.

Lo que necesitan: Visión estratégica, red de contactos y acceso a las últimas tendencias. Son los aliados que necesitas para escalar la IA en toda la organización.

El diagnóstico rápido en 30 minutos

Ahora, ¿cómo aplicas esto en la práctica? Te comparto el proceso exacto que uso cuando hago diagnósticos corporativos.

Paso 1: Selecciona una muestra representativa (5 minutos). No necesitas evaluar a toda la empresa. Toma 3-5 personas de cada área: un gerente, un coordinador y un analista. Eso te da un panorama completo.

Paso 2: Aplica las preguntas diagnósticas (15 minutos). Puedes hacerlo en una reunión grupal o con un formulario rápido. Las preguntas que compartí arriba son suficientes para clasificar a cada persona en un nivel.

Paso 3: Mapea los resultados (5 minutos). Crea una tabla simple: área, persona, nivel. Con esto ya tienes un mapa de competencia en IA de tu organización.

Paso 4: Identifica patrones (5 minutos). ¿Hay áreas enteras en nivel 1? ¿Hay champions aislados en nivel 3 que podrían multiplicar su impacto? ¿Los gerentes están en un nivel inferior al de sus equipos?

Este último punto es crítico. En mi experiencia en más de 50 conferencias y programas corporativos, uno de los patrones más comunes es que los mandos medios y altos están en nivel 1 o 2 mientras sus equipos operativos ya están en nivel 2 o 3. Eso crea un cuello de botella: el equipo quiere avanzar pero el liderazgo no los apoya porque no entiende el valor.

Casos reales de diagnóstico

Déjame contarte lo que pasó con un caso que refleja perfectamente esta dinámica. Cuando trabajamos con REP en su ruta formativa data driven — 8 sesiones, 4 módulos — lo primero que hicimos fue exactamente este diagnóstico. Encontramos que el equipo técnico estaba mayoritariamente en nivel 2 (exploración), pero los líderes estaban en nivel 1 (desconocimiento).

¿Qué hicimos? Diseñamos un programa diferenciado. Para los líderes: sesiones enfocadas en visión estratégica, ROI y casos de negocio. Para el equipo técnico: aplicación práctica con datos reales de la empresa. El resultado fue una adopción real, no superficial.

Errores comunes al medir competencia en IA

Error 1: Medir solo conocimiento teórico. Saber qué es machine learning no te hace competente en IA. La competencia se mide en aplicación, no en definiciones. Asegúrate de que tu evaluación incluya ejercicios prácticos, no solo preguntas teóricas.

Error 2: Usar la misma vara para todos. Un gerente general no necesita el mismo nivel de competencia técnica que un analista de datos. Diferencia los criterios por rol.

Error 3: Medir una vez y olvidar. La competencia en IA es dinámica. Las herramientas cambian, las capacidades evolucionan. Haz evaluaciones cada 6 meses como mínimo.

Error 4: No conectar la medición con acción. El diagnóstico sin plan es solo un dato curioso. Cada resultado debe traducirse en una acción concreta: capacitación, mentoring, práctica guiada.

De la medición al plan de acción

Una vez que tienes el mapa de competencia de tu organización, el siguiente paso es diseñar una ruta de desarrollo. Y aquí es donde la personalización marca la diferencia.

No tiene sentido darle un taller de “introducción a la IA” a alguien que ya está en nivel 3. Tampoco tiene sentido darle un programa avanzado de automatización a alguien en nivel 1. El contenido tiene que estar alineado con el punto de partida de cada persona.

En los programas que diseñamos desde Miss Yera, siempre empezamos por este diagnóstico. Y eso se refleja en los resultados: más del 90% de satisfacción y más del 85% de adopción post-programa. No es magia — es empezar por donde corresponde.

Tu siguiente paso

Si quieres saber dónde está tu equipo hoy, te propongo algo: aplica el diagnóstico rápido que te compartí. Tómate 30 minutos, evalúa a una muestra de tu equipo y mira los resultados.

Si lo que encuentras te preocupa — o si quieres un diagnóstico más profundo con recomendaciones personalizadas — agenda una consultoría en IA conmigo. Hacemos un diagnóstico completo de tu organización y te entregamos un plan de desarrollo a medida.

También puedes explorar nuestros casos de éxito para ver cómo otras empresas han recorrido este camino.

Porque medir es el primer paso para mejorar. Y en IA, mejorar no es opcional.

— Gera (Miss Yera)

Preguntas frecuentes

— Gera (Miss Yera)