Qué aprendimos en el primer piloto

Antes de las cifras, el contenido

En Resultados contamos los números del primer piloto de LearnIA: 8 personas de administración y servicios de una institución de educación superior, 3 sesiones presenciales (16,5 horas) más trabajo autónomo en la plataforma. Esta pieza no repite esa tabla. Cuenta lo que falta en una tabla: qué se enseñó de verdad, dónde se atascó el grupo al empezar, y qué hizo LearnIA que la sala por sí sola no podía hacer.

Antes de empezar, ya sabíamos qué les preocupaba

Una semana antes de la primera sesión, el grupo respondió una encuesta corta. Las respuestas dibujaban un grupo que no partía de cero — usaban IA a diario o casi todos, con una soltura autodeclarada de 3 sobre 5 — pero con dos miedos muy concretos por delante de cualquier otra duda: que la herramienta se invente cosas con total aplomo, y qué pasa con la privacidad de los datos que manejan a diario (expedientes, documentos con datos personales de terceros).

La expectativa número uno, compartida por las ocho personas sin excepción, no era “aprender a usar ChatGPT”. Era tener criterio para saber cuándo fiarse y cuándo no. Dos personas admitían directamente no saber por dónde empezar; otras dos, que la parte técnica les daba respeto. Ese retrato — hecho con sus propias respuestas, no con suposiciones del formador — fue lo primero que se proyectó el primer día: devolverles su propia foto antes de dar ninguna teoría.

Ese diagnóstico cambió el diseño del curso antes de que empezara. El bloque de apertura, pensado al principio como “panorama de herramientas”, se rehízo como un mapa de idoneidad — qué herramienta conviene para qué, incluyendo el gestor corporativo que ya usaban a diario y una introducción a los modelos que se ejecutan en el propio ordenador, sin salir a internet, para el caso de datos verdaderamente sensibles. La fiabilidad y la privacidad no quedaron como un aviso legal al margen: fueron el punto de partida de la primera hora de clase.

Lo que se enseñó, sesión a sesión

Sesión 1 — herramientas, prompting y documentos. Arrancó con el mapa de idoneidad: qué herramienta conviene para qué tarea, y una escalera de privacidad de cuatro peldaños para decidir en segundos si un dato puede subirse a una cuenta gratuita, necesita anonimizarse antes, o no debe salir del ordenador. Le siguió la anatomía de un buen prompt — Rol, Contexto, Tarea, Formato — con ejercicios sobre correos y textos administrativos reales de cada persona, no ejemplos genéricos. La sesión cerró con dos bloques prácticos densos: extraer datos de documentos Word extensos con verificación obligatoria de al menos dos cifras contra el original, y trabajar con PDFs largos —convocatorias, normativa— pidiendo siempre la cita exacta del pasaje en que se basa la respuesta.

Todo el bloque teórico se apoyó en una sola imagen: un cocinero prodigioso que ha memorizado prácticamente todas las recetas del mundo, cocina rapidísimo, pero tiene una manía peligrosa —si le falta un ingrediente, se lo inventa y sirve el plato igualmente, con total seguridad. Esa escena única explicó conceptos que suelen enredarse (qué es un modelo, qué es un LLM, qué es la ventana de contexto) y dejó anclado el mensaje central del curso: la alucinación y la verificación son las dos caras de la misma moneda, y la última palabra siempre es de quien usa la herramienta, no de la herramienta.

Sesión 2 — datos, plantillas, Learnia, agentes y proyecto propio. Empezó revisando qué había funcionado y qué no de los deberes de la semana — los fallos, tratados como el material didáctico más valioso del día, porque casi siempre revelaban el mismo patrón: faltaba contexto o formato en el prompt. Siguió con Excel (pedir fórmulas y que las explique, limpiar listas, convertir una tabla en un informe encadenado) y con la construcción de una plantilla propia y reutilizable para la tarea más repetitiva de cada persona, que quedó recogida en una biblioteca de prompts compartida del equipo.

A media mañana, un bloque breve revisó en positivo el itinerario que el grupo ya había empezado en LearnIA antes de llegar a clase, y presentó el plan para lo que quedaba por delante: el itinerario “antes del curso” pasó de 9 a 20 conceptos, con evaluación integrada, pensado para completarse ya sin sesiones presenciales de por medio. Después llegó una demostración de hacia dónde va esto —un agente de IA trabajando sobre una carpeta de documentos desordenada, con el encargo de leer cuatro convocatorias en PDF y devolver una tabla comparativa en Excel sin que nadie subiera un fichero a mano— y, por último, el bloque que sostenía todo lo anterior: cada persona dedicó la última hora a resolver, con lo aprendido, una tarea real y propia de su puesto de trabajo.

Sesión 3 — presentaciones y diploma. Dos semanas después, con el itinerario de LearnIA ya cerrado por las ocho personas, el grupo se reunió una tercera vez para presentar en dos minutos cada uno su proyecto: el objetivo con el que había llegado al curso, cómo lo resolvió y una demostración del resultado. No se evaluó — se celebró y se copió entre compañeros. Al final de esa sesión se entregó el diploma, que no acredita asistencia sino trabajo medido: horas presenciales, itinerario completado y proyecto presentado.

Dónde se atascaron de verdad

Lo interesante no es que el grupo tuviera dificultades — las tuvo, y es sano que las tuviera — sino cuáles fueron exactamente, porque casi ninguna coincide con la intuición de “les cuesta la tecnología”.

Imaginemos, para ponerle cara a un patrón real del piloto sin señalar a nadie, a Nuria. Nuria gestiona documentación con datos personales de terceros casi todos los días. Antes de la primera sesión, su duda no era técnica: era si podía subir esos documentos a una cuenta gratuita de IA sin meter la pata. No es una duda menor ni caprichosa — es exactamente la pregunta que el 62% del grupo marcó como su principal freno antes de empezar. El curso la resolvió con una regla simple de cuatro peldaños, no con un permiso genérico: dato público, cualquier herramienta; dato interno sin datos personales, con matices; dato personal de terceros, nunca a una cuenta gratuita — anonimizar antes, usar la vía corporativa, o quedarse en local.

Imaginemos también a Ignacio, que llegaba usando la IA a diario y se había puntuado un 3 sobre 5 en soltura. A mitad del curso empezó a notar que su idea de “cómo funciona esto” era más intuitiva que sólida: sabía usar la herramienta, pero no sabía explicar por qué a veces se inventaba respuestas con total seguridad, ni qué diferencia real hay entre un modelo y el asistente concreto que usa cada día. Ignacio no es un caso aislado inventado para la ocasión: cuatro de cada siete personas del grupo, al terminar el curso, se puntuaron a sí mismas más bajo en retrospectiva de lo que se habían puntuado antes de empezar — ninguna se puntuó más alto. Es el sesgo clásico de quien descubre, al aprender de verdad, que sabía menos de lo que creía. No es un mal dato: es evidencia de que hubo aprendizaje real, no solo confianza reforzada.

La telemetría de la plataforma confirma en cifras dónde estaba el verdadero obstáculo, y no era donde se esperaba: no fue el manejo de las herramientas, sino los conceptos abstractos. La pregunta que peor resultado dio a la primera fue, literalmente, “qué es y qué no es la inteligencia artificial” — dos de cada tres personas la fallaron en su primer intento. Detrás vinieron los modelos que corren en el propio ordenador, las plantillas de prompt reutilizables, la alucinación y la diferencia entre un LLM y el asistente concreto. Con más de cien preguntas distintas analizadas, más de cuarenta no las falló nadie a la primera — la dificultad no estaba repartida al azar: estaba concentrada, con mucha precisión, en el vocabulario nuevo.

Y hubo una dificultad de tiempo, no de comprensión: el bloque más ambicioso del curso —que cada persona resolviera con IA una tarea propia, real, pendiente esa semana— fue también el peor valorado de los ocho bloques del programa. No porque no funcionara: porque sesenta minutos no alcanzan para un objetivo que alguien lleva meses queriendo resolver. Solo dos de ocho lo dieron por completamente resuelto en ese rato; el resto salió con el camino claro pero no terminado, y nadie salió sin saber cómo seguir. Aprender a usar la herramienta fue más rápido que aplicarla del todo a un problema real y propio — una distancia que merece más tiempo, no menos ambición.

LearnIA no fue el curso: fue lo que pasó antes y después de él

Las 16,5 horas presenciales son, por diseño, un espacio corto. LearnIA no sustituyó ese espacio: lo estiró por los dos extremos.

Antes de la primera sesión, el grupo ya había empezado un itinerario propio en la plataforma. Eso permitió abrir el primer día no con una introducción genérica, sino devolviéndoles su propia foto — qué sabían, qué les preocupaba, con qué habían empezado a trabajar ya en la plataforma antes de sentarse en la sala. El formador no adivinó el nivel del grupo: lo midió.

Después de la segunda sesión, el itinerario se amplió de 9 a 20 conceptos — con evaluación integrada en cada uno— y se planteó explícitamente para terminarse ya sin clases presenciales de por medio. Es la pieza que conecta con el resto del contenido de este sitio: un curso online que detecta, nodo a nodo, qué domina cada persona y qué no, en lugar de medir solo si abrió el vídeo o pasó las páginas. Los datos del piloto lo confirman: seis de las ocho personas exploraron conceptos que no eran obligatorios, sin que nadie se lo pidiera y sin que contara para nada.

Esa continuidad autónoma no fue simbólica. El grupo acumuló casi 47 horas de estudio en la plataforma — más de un tercio de eso, fuera de su horario laboral, entre tardes y fines de semana — repartidas en 133 sesiones de trabajo distintas. Y no todas las personas avanzaron igual: dentro del mismo itinerario convivieron perfiles muy distintos, desde quien concentró el esfuerzo en pocas sesiones muy intensas hasta quien avanzó poco a poco en más de diez días separados. El itinerario no impuso un único ritmo — dejó que cada perfil llegara al mismo punto por su propio camino, que es exactamente lo que un temario en PDF no puede ofrecer.

La plataforma cumplió además una función que ninguna encuesta de satisfacción cumple: señalar, con precisión de pregunta y no de impresión general, en qué conceptos concretos el material necesita explicarse mejor. Esa señal —qué nodo cuesta, a quién y en qué intento— es la misma que alimenta el rediseño de cualquier curso que construimos, no solo el de este piloto.

Si tu organización se está planteando algo parecido

Este fue un piloto real, con un grupo real y con datos reales — no un ejercicio de laboratorio. Si quieres ver las cifras completas, están en Resultados. Si tu organización tiene un programa de formación con un problema parecido — gente que ya usa la IA por su cuenta pero sin método, o un temario que se queda en la sala en lugar de seguir después de ella — así es como lo abordamos: Curso a medida en 6 semanas.