La IA puede explicar cómo dar feedback, preparar una conversación difícil o estructurar una presentación. Puede hacerlo rápido y con bastante fiabilidad, pero utilizar IA en aprendizaje y desarrollo plantea una pregunta diferente a la de productividad: ¿la herramienta está ayudando a la persona a desarrollar una capacidad o simplemente está resolviendo la tarea por ella?
Una persona que realmente nos ayuda en el trabajo suele combinar conocimiento y contexto. Sabe del tema, pero también entiende qué tenemos entre manos, qué queremos conseguir y qué condiciona la situación, por lo que puede adaptar su ayuda a algo más específico que una respuesta correcta en abstracto.
La IA ya ha resuelto buena parte del primer problema porque tiene acceso a una enorme cantidad de conocimiento. El reto para L&D empieza en el segundo: cuánto sabe de nosotros, de la situación concreta en la que necesitamos actuar y de la capacidad que queremos desarrollar.
La IA en L&D ya se utiliza para mucho más que ejecutar tareas
La conversación sobre IA en el trabajo sigue muy ligada a automatización y productividad. Redactar, resumir, buscar información o procesar documentos son casos evidentes, pero representan solo una parte del uso real y dicen poco sobre el papel que puede tener la IA en aprendizaje y desarrollo.
El Work Trend Index 2026 de Microsoft analizó más de 100.000 conversaciones anonimizadas de Microsoft 365 Copilot. El 49 % de las interacciones correspondía a actividades relacionadas con razonar y decidir, y otro 19 % tenía que ver con relacionarse con otras personas.
Si agrupamos esas dos categorías, aproximadamente el 68 % de las interacciones se sitúa en terrenos donde intervienen el criterio, la comunicación o la relación con otras personas. Esa agrupación es una interpretación de los datos para analizar sus implicaciones en el desarrollo profesional, no una categoría creada por Microsoft.
En esos casos, el contexto pesa mucho más. Buscar una cifra puede requerir poco más que una buena pregunta, mientras que decidir cómo dar feedback a alguien del equipo depende de lo ocurrido antes, de la relación entre las personas y del resultado que se quiere conseguir.
Preparar una conversación exige entender la situación, no solo conocer buenas prácticas de forma abstracta. Para L&D, esa diferencia separa a una IA que produce respuestas de una IA capaz de participar en una experiencia de desarrollo relevante.
Cuatro niveles de uso de la IA en aprendizaje y desarrollo
Podemos ordenar el uso de la IA en cuatro niveles: responder, contextualizar, practicar y anticipar. En los tres primeros, la persona inicia la interacción; en el cuarto, el sistema dispone de suficiente contexto para detectar cuándo una intervención puede resultar pertinente.
En el primer nivel, la persona hace una pregunta general y recibe una respuesta general. Si pregunta “¿Cómo se da un buen feedback?”, la IA puede responder con principios correctos sobre hechos observables, impacto o lenguaje adecuado.
La información puede ser válida, pero sirve para prácticamente cualquiera. La herramienta sabe del tema, aunque todavía no conoce suficientemente a la persona ni la situación en la que tendrá que utilizar esa información.
En el segundo nivel, la persona aporta contexto. Puede explicar que acaba de asumir su primer equipo, que su compañero Marco lleva tres entregas con retraso y que quiere abordar el problema sin ponerle a la defensiva.
La respuesta mejora porque la IA ya puede adaptar el lenguaje, proponer una apertura concreta o sugerir un enfoque más próximo a esa situación. Hay personalización, pero seguimos ante una respuesta preparada para la persona.
Una buena respuesta de IA no equivale a desarrollar una habilidad
Resolver una tarea y desarrollar una capacidad no son lo mismo. Si la IA le dice exactamente a una persona qué debe decir en una conversación difícil, probablemente haya resuelto su necesidad inmediata, pero eso no demuestra que esa persona esté aprendiendo a gestionar mejor este tipo de conversaciones.
Puede limitarse a transmitir una respuesta preparada por la herramienta. No ha tenido que construir el mensaje, interpretar una reacción o decidir cómo continuar cuando la otra persona responde de una manera inesperada.
Aquí aparece el tercer nivel: práctica y coaching. En lugar de pedir a la IA que redacte la conversación, podemos utilizarla para ensayar, hacer que represente a la otra persona y obligarnos a responder a distintas reacciones antes de enfrentarnos a la situación real.
La diferencia tecnológica puede parecer pequeña, pero desde la perspectiva del aprendizaje cambia el papel de la persona. En un caso recibe información; en el otro utiliza activamente la capacidad que quiere desarrollar y puede ajustar su respuesta durante la práctica.
Para una organización que quiere desarrollar liderazgo, feedback, presentaciones o comunicación, esta distinción es más útil que contar cuántas respuestas genera una herramienta. El valor de la IA en L&D no depende solo de lo que produce, sino del tipo de actividad que deja en manos de la persona.
Qué tener en cuenta a la hora de elegir una herramienta basada en IA para el desarrollo de tu plantilla.
El contexto determina la calidad de la práctica con IA
La calidad de esa práctica depende de la información que tenga la IA. Podemos explicar que acabamos de asumir un equipo y que existe un problema de rendimiento, pero lo más probable es que no describamos también el tamaño del equipo, las pautas internas de feedback, el idioma de trabajo, la experiencia previa o lo que ya hemos practicado.
Nadie escribe todo su contexto cada vez que abre una herramienta. Ese límite afecta a la relevancia de la respuesta y aumenta el esfuerzo necesario para conseguir una experiencia de aprendizaje realmente contextualizada.
Dar más contexto por voz ayuda porque podemos contar más información en menos tiempo. Aun así, seguimos reconstruyendo parte de nuestra situación cada vez que cambiamos de conversación o de herramienta.
En una empresa, mucha de esa información ya existe, aunque está repartida entre diferentes sistemas. Un HRIS puede conocer el rol de una persona o un cambio reciente de puesto, mientras que las plataformas de aprendizaje contienen información sobre su desarrollo y otras herramientas gestionan objetivos o datos pertinentes para una necesidad concreta.
Para L&D, el objetivo no consiste en conectar todos los datos disponibles sobre una persona. Consiste en identificar qué información permite a la IA ofrecer una práctica más útil y definir cómo utilizarla de forma adecuada.
Las integraciones permiten pasar de personalizar a anticipar
Los tres primeros niveles tienen algo en común: la persona tiene que iniciar la interacción. El cuarto parte de un sistema que dispone de suficiente contexto para reconocer cuándo una experiencia de desarrollo puede ser relevante.
Imaginemos que alguien acaba de asumir por primera vez la responsabilidad de un equipo. Un sistema con el contexto adecuado podría reconocer ese cambio y proponer una práctica de feedback antes de que aparezca una conversación problemática.
La diferencia no está en que la IA “sepa más”, sino en que conozca suficiente de la situación para determinar cuándo una intervención puede tener sentido. Ese cambio acerca el aprendizaje al momento en el que probablemente va a utilizarse una capacidad.
Hoy seguimos dependiendo mucho de que cada persona identifique una necesidad, sepa dónde buscar ayuda y formule una pregunta suficientemente buena. Para alguien que entra en un rol nuevo, esa secuencia puede producirse tarde o no producirse.
Las integraciones entre IA, HRIS y sistemas de aprendizaje abren la posibilidad de trabajar con señales ya existentes en la organización. Por ello, el salto hacia una IA más proactiva depende tanto del modelo como de la arquitectura que le proporciona contexto y de las decisiones de gobernanza que determinan qué información puede utilizar.
L&D tiene que decidir qué trabajo cognitivo merece la pena conservar
Hay tareas que tiene sentido delegar en la IA, especialmente cuando el objetivo consiste en acelerar trabajo repetitivo o producir un primer borrador. El problema aparece cuando delegamos precisamente aquello que queremos aprender a hacer.
Si la IA redacta las conversaciones difíciles, prepara cada argumento y decide cómo responder en toda situación interpersonal, puede hacernos más rápidos. Pero también puede retirar parte del trabajo mental mediante el que desarrollamos criterio y aprendemos a responder ante situaciones nuevas.
La pregunta que debe hacerse L&D no es solo cuánto trabajo ahorra la IA. También tenemos que decidir qué parte del esfuerzo cognitivo forma parte de la capacidad que queremos desarrollar y, por tanto, merece seguir recayendo en la persona.
Por eso resulta más interesante utilizar la IA para practicar que limitarla a proporcionar la frase correcta. Para Speexx, esta dirección conecta el coaching y la práctica con IA con datos de desarrollo e integraciones empresariales, dentro de una visión más amplia de las capacidades de comunicación.
La IA ya tiene acceso a una enorme cantidad de conocimiento y seguirá mejorando en la generación de respuestas. El reto para L&D es darle el contexto suficiente para ayudar a las personas a practicar las capacidades adecuadas, en lugar de quitarles precisamente la parte del trabajo mediante la que pueden desarrollarla.
