Gerente general, si su equipo no sabe usar la IA que usted compró, el problema no es la herramienta

La escena se repite en directorios de todo Chile. Hace seis meses la empresa aprobó el presupuesto, contrató las licencias de una plataforma de inteligencia artificial y anunció con orgullo en la reunión de gerencia que la compañía "ya estaba en la carrera de la IA". Hoy, cuando el gerente general pregunta en el comité cuánto se está usando esa herramienta, las respuestas son evasivas. Marketing la usa para redactar borradores. Finanzas apenas la toca. El área de operaciones, la que en teoría más se iba a beneficiar, ni siquiera recuerda la contraseña.

No es un problema de la tecnología. La plataforma funciona igual de bien que el día en que se firmó el contrato. El problema es que nadie preparó a las personas que debían usarla, y esa omisión, silenciosa y poco glamorosa, es hoy el obstáculo más citado por las propias empresas chilenas cuando se les pregunta por qué la IA no avanza más rápido dentro de su operación.

Lo que dice el diagnóstico, no la intuición

El estudio "Adopción de IA en las empresas chilenas", elaborado por Entel Digital junto al Centro Nacional de Inteligencia Artificial (CENIA) y un grupo de instituciones como SOFOFA, ACTI y el Centro de Innovación UC, encuestó a más de 526 dueños, directores y gerentes de empresas de todo el país. La cifra que más debería incomodar a un gerente general es esta, un 40% de las empresas identifica la falta de capacitación de sus trabajadores como el principal obstáculo para adoptar IA, por encima de las limitaciones presupuestarias y de la resistencia al cambio.

El dato no aparece aislado. El mismo estudio muestra que solo un 39% de las pymes chilenas contaba en 2024 con planes de formación digital permanentes, frente a un 55% de las grandes empresas. Y hay una brecha todavía más incómoda dentro de una misma organización, entre generaciones. Según el estudio anterior de Entel Digital, "Digitalización del Trabajo en Chile", un 73% de los trabajadores de entre 18 y 34 años se siente competente o avanzado en habilidades digitales, mientras que entre los trabajadores de 35 a 65 años esa cifra cae a un 48%. La misma empresa, el mismo software, dos niveles de confianza completamente distintos conviviendo en los mismos pasillos.

Julián San Martín, vicepresidente de Entel Digital, lo resume con una frase que cualquier gerente general debería anotar, "resulta fundamental abordar los temas de capacitación y gobernanza, si no, la IA profundizará las desigualdades ya existentes". No es una advertencia menor. Una empresa que compra IA sin resolver la capacitación no solo pierde el retorno de la inversión, además amplía la distancia entre los equipos que ya sabían adaptarse a herramientas nuevas y los que no.

Por qué un curso de dos horas no alcanza

La respuesta reflejo de muchas empresas frente a este diagnóstico es programar una capacitación. Un webinar de dos horas, un manual en PDF, quizás una certificación externa para el equipo de sistemas. El problema es que ese enfoque trata la IA como si fuera Excel o un nuevo CRM, un programa que se aprende una vez y se domina para siempre.

La inteligencia artificial no funciona así. Cambia de versión cada pocos meses, exige que el trabajador entienda qué preguntas hacer y no solo qué botones apretar, y su valor real aparece cuando se conecta con la información específica de la empresa, no con ejemplos genéricos de un curso online. Pedirle a un supervisor de bodega de 52 años, con treinta años de experiencia operativa y cero horas de entrenamiento en modelos de lenguaje, que se vuelva un usuario fluido de IA generativa en una sesión de capacitación es una expectativa que la mayoría de las empresas termina abandonando en silencio.

Además, la carga de sostener esa adopción rara vez recae en quien diseñó la estrategia. Un estudio de Harvard Business Review publicado en 2026, basado en entrevistas con socios, gerentes y consultores junior de dos firmas de consultoría, encontró que mientras los niveles ejecutivos experimentan la IA como una ventaja estratégica, son los mandos medios quienes terminan validando resultados, corrigiendo errores y capacitando a sus equipos día a día, muchas veces sin soporte formal y con la misma presión de entrega de siempre. La capacitación, en la práctica, termina siendo un problema que cada jefatura resuelve como puede, con el tiempo que le sobra entre reuniones.

El error de diseño detrás de la brecha

El error de fondo no es que los trabajadores chilenos sean reacios a aprender. El mismo estudio de Entel Digital muestra que un 93% de ellos cree que adquirir competencias digitales será esencial para seguir trabajando en la próxima década. La disposición existe. Lo que falla es el diseño de la solución, exigirle a cada persona de la organización que se vuelva experta en escribir instrucciones a un modelo de lenguaje, en vez de construir herramientas que ya vengan preparadas para trabajar con el conocimiento específico de esa empresa.

Es la diferencia entre entregarle a un nuevo contratado un manual de 200 páginas sobre la política de la empresa y sentar a alguien a su lado cada vez que tiene una duda. La primera opción exige capacitación. La segunda simplemente responde. Ese es el cambio de enfoque que empieza a marcar la diferencia entre empresas que compraron IA y empresas que efectivamente la usan.

Una base de conocimiento que absorbe la curva de aprendizaje

Uno de los agentes del marketplace de AgentLayer está diseñado exactamente para este problema. Atlas se carga con la documentación interna de la empresa, políticas, organigrama, catálogo de productos y contratos vigentes, y la aprende de verdad, no se limita a indexarla como un buscador. Cuando un trabajador le pregunta algo, Atlas no lo redirige a una carpeta de Drive con cuarenta archivos, le da la respuesta directa y, si corresponde, el link exacto al documento.

La diferencia práctica es enorme para el problema de capacitación que describe el estudio de Entel Digital. Un supervisor de bodega no necesita aprender a escribir prompts sofisticados, solo necesita escribir su pregunta en lenguaje natural, tal como se la haría a un colega. Un nuevo contratado que llega su primer día puede preguntarle a Atlas cómo se solicitan las vacaciones o a quién debe escribirle para una duda de un contrato, y recibe una respuesta clara con el documento de respaldo, sin esperar a que alguien de RRHH tenga tiempo para atenderlo. Un vendedor frente a un cliente que pide un sensor industrial con especificaciones técnicas complejas puede preguntarle a Atlas cuál de los productos del catálogo calza mejor, y la herramienta compara opciones y justifica la recomendación con la ficha técnica correspondiente.

Ese diseño responde directamente a la brecha generacional que muestra el estudio. No importa si quien pregunta tiene 24 o 58 años, ni si se siente cómodo o no frente a una pantalla de comandos, porque la interacción es una conversación, no un curso de sintaxis. Atlas también resuelve la otra mitad de la advertencia de Entel Digital, la gobernanza. La herramienta respeta la jerarquía de la empresa y protege información sensible por diseño, de modo que gerencia general ve todo, el equipo comercial ve el catálogo y los clientes, y un nuevo contratado solo accede a lo que es público hasta que se le asignen permisos adicionales. Cada consulta queda registrada, así que el administrador tiene visibilidad completa de quién preguntó qué y cuándo. Capacitación y gobernanza, las dos banderas que el estudio identifica como urgentes, resueltas por el mismo agente.

Cómo se valida esto antes de comprometer a toda la empresa

Ningún gerente general debería tomar la decisión de incorporar un agente de IA sobre la base de una demo bonita. AgentLayer trabaja con una metodología de cuatro fases pensada justamente para reducir el riesgo de comprar algo que el equipo termine abandonando al mes siguiente. La primera fase es de diagnóstico y validación, donde se mapea el flujo de trabajo real, se identifica quién realiza cada tarea y se confirma si algún agente del marketplace resuelve ese proceso específico. La segunda fase es de implementación, donde el agente se conecta con los sistemas que la empresa ya usa, desde Google Drive y Notion hasta SharePoint o Confluence, para que empiece a trabajar sobre información real desde el primer día, sin pedirle a nadie que migre nada.

La tercera fase es la más relevante para el problema de la capacitación, porque durante una a dos semanas el equipo usa el agente en su operación diaria mientras se incorporan ajustes sobre casos reales, no sobre ejemplos hipotéticos de un manual. Si el tono de las respuestas no calza, si falta un dato en el dashboard, si un flujo de trabajo necesita otro orden, eso se corrige ahí, con la gente que realmente lo va a usar todos los días. La cuarta fase es la entrega final, con un manual de uso claro y soporte continuo, de modo que la organización no queda sola después de la firma del contrato. El objetivo declarado de esta metodología es llevar un agente de piloto a producción en 30 días, un plazo pensado para que la validación no se eternice ni tampoco se salte pasos.

Lo que un gerente general debería preguntar en su próxima reunión de IA

La próxima vez que el equipo de tecnología presente resultados de un proyecto de inteligencia artificial, la pregunta más útil no es cuántas licencias se compraron ni cuántas integraciones técnicas se completaron. La pregunta es más simple y más incómoda, quién de nuestro equipo usó esta herramienta la semana pasada, para qué la usó, y qué le impidió usarla más. Si la respuesta revela que solo un puñado de personas jóvenes y con formación técnica la está aprovechando, mientras el resto de la organización sigue trabajando exactamente igual que antes, el problema no es la tecnología que se compró. Es que nadie diseñó el puente entre esa tecnología y las personas que debían cruzarlo todos los días.

La brecha de capacitación en IA no se cierra con más cursos genéricos ni con la esperanza de que la próxima generación de trabajadores resuelva el problema por sí sola. Se cierra eligiendo herramientas que absorban la complejidad en vez de trasladarla al usuario final, y validándolas con el equipo real antes de escalarlas a toda la empresa. Esa es la diferencia entre otro proyecto de IA que termina en una carpeta olvidada y una herramienta que la organización sigue usando, sin excepción, seis meses después de la primera demo.