La experiencia y la arquitectura del aprendizaje organizacional en la era de la inteligencia artificial
- feliperivera2
- 16 ene
- 6 Min. de lectura
Actualizado: 21 ene
Autor: Ricardo Tanco - Cofundador y Director de Hemisferio D - CLAP
Un artículo de Deloitte* me ha hecho reflexionar sobre la arquitectura del aprendizaje y los ecosistemas de formación en la era de la inteligencia artificial. El artículo plantea lo que puede ser una tendencia clave para los próximos años: el desplazamiento del enfoque tradicional en el skills gap (brecha de habilidades) hacia el experience gap (brecha de experiencia).
La experiencia ya no se entiende como años acumulados, sino como la capacidad de aplicar juicio humano, conocimiento y habilidades en escenarios reales, bajo restricciones y en entornos cambiantes. Ese es el verdadero diferenciador del talento que crea valor.
Habilidad vs. experiencia: no son lo mismo
Conviene separar con claridad dos conceptos que a menudo tratamos como equivalentes:
Habilidad (skill): capacidad técnica o específica, normalmente adquirida mediante cursos, certificaciones y práctica guiada.
Experiencia: combinación de juicio, lectura de contexto, inteligencia emocional, marcos mentales (frameworks) y capacidad para gestionar ambigüedad organizacional y dilemas reales del trabajo.
También puedes leer: Adopción no es transformación: la gran brecha de la IA y cómo las áreas formación y desarrollo corporativa tienen la respuesta
La paradoja de la experiencia
Actualmente existe un desequilibrio perjudicial, que se verá agravado por la automatización y la inteligencia artificial: muchas organizaciones se rehúsan a contratar talento junior debido a la falta de experiencia, pero paradójicamente carecen de mecanismos efectivos para generar esa experiencia internamente.
Deloitte lo resume a través de una idea que se volvió casi un lema (atribuida a Peter Cappelli): “Todos quieren contratar a alguien con tres años de experiencia, y nadie quiere darle esos tres años.”
De aquí surge otra paradoja: mientras a nivel global existe una escasez de talento o de perfiles cualificados para cubrir las vacantes estratégicas, mientras que en la mayoría de las economías el desempleo de los recién graduados supera el 20%
La gran pregunta que emerge es: ¿Cómo pueden las áreas de formación y desarrollo contribuir a cerrar la brecha entre las habilidades y la experiencia?
A medida que las tareas rutinarias se automatizan y el trabajo se desplaza hacia desafíos que exigen mayor contexto y criterio, se vuelve imperativo desarrollar una verdadera maestría técnica y el saber hacer. Este desarrollo trasciende el simple consumo de contenidos y no puede satisfacerse únicamente a través de la formación tradicional.
Esto genera una gran oportunidad para Aprendizaje y Desarrollo (L&D): acelerar y expandir la adquisición de experiencia, lográndolo de forma más eficiente mediante el apoyo (parcial) de la Inteligencia Artificial (IA).
El punto de partida: el “conocimiento inerte”
Desde CLAP siempre hemos sido críticos de los modelos de capacitación organizacional centrados en cursos, que asume que, si una persona consume los contenidos “correctos”, podrá transferir y aplicar ese conocimiento en el trabajo para lograr los resultados.
Consideremos un caso común: Un líder competente, con un MBA y un curso de liderazgo de 8 horas completado en el LMS, se paraliza cuando su equipo enfrenta una crisis real con un cliente.
Esto ilustra el concepto de conocimiento inerte: se posee la información, pero esta no se activa en el momento de la acción porque no se ha entrenado el juicio mediante una experiencia previa para esa situación específica.
La realidad postpandemia muestra que muchas organizaciones han saturado a sus equipos con contenido, cayendo en el error de asumir que consumir información equivale a desarrollar capacidades. El verdadero cambio no radica en más e-learning o más cursos, sino en acortar la brecha entre el saber y el hacer.
El reto de los modelos de aprendizaje en el trabajo
Arquitecturas como el 70–20–10 (70% aprendizaje en el trabajo, 20% social/acompañamiento, 10% formal) son intuitivamente poderosas porque ponen la práctica y la experiencia en el centro.
Sin embargo, en la práctica, la implementación de estos modelos resulta compleja y suele fracasar por factores como:
Carga operativa: el trabajo no deja espacio para aprender con intención.
Disponibilidad de líderes/mentores: acompañar bien consume tiempo y energía.
Seguimiento e impacto: cuesta instrumentar evidencia de progreso y resultados, por lo que el modelo queda como aspiración más que como sistema.
La pregunta necesaria pero incómoda para las áreas de formación y desarrollos es:
¿Estamos realmente proporcionando las herramientas necesarias para forjar experiencia genuina, o el principio de 'se aprende haciendo' es, en realidad, un pretexto para encubrir la escasez de orientación, tiempo y recursos?
Cómo puede ayudar la IA a desarrollar experiencia (sin reemplazar líderes)
La idea no es sustituir al líder ni automatizar el aprendizaje. La idea es aumentar el 70–20–10 con IA, para crear más oportunidades de desarrollar la experiencia, con mejor guía y mejor transferencia al trabajo.
Deloitte sugiere (y aquí lo conectamos con arquitectura de L&D) tres grandes vías donde la IA puede acelerar experiencia:
1) Simulaciones y micro-oportunidades para entrenar juicio
La experiencia se acelera cuando hay práctica deliberada en contextos parecidos a los reales, pero en entornos controlados:
simulaciones de conversaciones difíciles
escenarios de crisis con clientes
decisiones con información incompleta
dilemas éticos o de priorización
manejo de desempeño, feedback, conflictos
La IA permite crear micro-oportunidades frecuentes para practicar decisiones y criterio, incluso mediante “digital playgrounds” o entornos seguros para experimentar, y con momentos de reflexión para consolidar aprendizaje.
En clave 70–20–10: esto fortalece el 70 (práctica) sin depender siempre de un caso real que puede o no suceder en el ambiente laboral.
2) RAG y bases de conocimiento para rescatar el conocimiento tácito
El valor diferencial del experto reside en su conocimiento tácito: esa capacidad de interpretar patrones, señales débiles e intuiciones informadas que, aunque no figuran en ningún manual, definen la precisión y calidad de su juicio.
Ese conocimiento es difícil de capturar porque muchas personas expertas no saben explicar del todo cómo saben lo que saben. Deloitte plantea que la IA puede cambiar la ecuación al extraer señales y aprendizajes desde grandes volúmenes de información (documentos, casos, historiales, decisiones, retros, etc.) y convertirlos en guía reutilizable.
En clave 70–20–10: esto refuerza el 20 (aprendizaje social) cuando no hay mentor disponible: el modelo acerca “sabiduría” al momento de necesidad.
3) Copilotos para suplementar la acción del menos experimentado
Un uso especialmente valioso es el copiloto que acompaña mientras el trabajo ocurre:
ayuda a estructurar el análisis
propone preguntas que faltan
alerta riesgos típicos
sugiere alternativas
guía la conversación con un cliente
apoya la síntesis (sin quitar el juicio humano)
Deloitte menciona que organizaciones están experimentando con herramientas que no solo reemplazan tareas de síntesis, sino que aumentan el desempeño y el aprendizaje del trabajador menos experimentado.
Enfoque 70-20-10: Este método mejora significativamente la calidad del 70% (el aprendizaje que ocurre en el flujo de trabajo), al mismo tiempo que minimiza los costos asociados a los errores.
4) IA como coach: acelerar el desarrollo de marcos conceptuales
Una de las diferencias centrales entre junior y senior no es saber más, sino tener marcos o estructuras mentales para evaluar situaciones nuevas rápidamente.
Deloitte destaca una idea importante: muchos trabajadores están encontrando valor en herramientas que hacen preguntas, no solo en las que responden. La IA puede actuar como tutor o coach que impulsa la reflexión, plantea preguntas críticas y promueve el esfuerzo cognitivo, en lugar de aceptación pasiva.
En clave 70–20–10: esto potencia el 10% (formal) y lo conecta con el 70%, porque el aprendizaje ocurre alrededor de casos reales y decisiones reales.
Principio de diseño: todo debe vivir en el flujo de trabajo
El objetivo no es implementar la IA como un proyecto aislado, sino integrarla orgánicamente en el flujo de trabajo:
Antes: Preparación para situaciones complejas (pre-briefing).
Durante: Soporte en tiempo real (checklists inteligentes, copilotos).
Después: Retroalimentación guiada y reflexión estructurada.
Todo esto, acompañado de indicadores con señales claras de progreso basadas en la calidad del criterio y no solo horas completadas.. No buscamos reemplazar al líder o al mentor, sino potenciar el modelo 70-20-10. Queremos que el aprendizaje deje de depender de la suerte o del heroísmo individual para convertirse en un sistema escalable de creación de experiencia.
También puedes leer: Las simulaciones con IA: la nueva frontera de la formación corporativa
Cierre: lo que cambia para L&D (y para líderes)
Si la brecha crítica ya no es solo de habilidades, sino de experiencia, entonces el mandato para L&D cambia:
Pasamos de proveer contenido a diseñar experiencias.
Pasamos de medir la completitud de cursos a evidenciar la aplicación del conocimiento adquirido en contextos laborales.
Pasamos de formación como evento a aprendizaje como ecosistema de desempeño.
El desafío es grande, pero la oportunidad es aún más: construir organizaciones donde el talento pueda ganar experiencia más rápido, con menos riesgo, más guía y más transferencia, y donde los líderes recuperen capacidad de acompañar sin convertirse en cuello de botella.
¿Quieres saber más? Contáctanos haciendo clic aquí
Fuente
Closing the experience gap - https://www.deloitte.com/us/en/insights/topics/talent/human-capital-trends/2025/closing-the-experience-gap-through-talent-development.html
Comentarios