Desafíos y oportunidades: cómo redefinir las métricas de la capacitación moderna con IA

La IA ya no es un concepto lejano en la capacitación y el desarrollo. Ya llegó. El cincuenta y ocho por ciento¹ de los equipos de Recursos Humanos reporta un aumento de ingresos gracias a la adopción de IA.

A medida que adoptamos la evolución tecnológica en el ámbito de la capacitación y el desarrollo, la analítica de datos impulsada por IA se convierte en un motor clave de las iniciativas modernas. Hoy la analítica ya no es solo una forma de medir el impacto del aprendizaje corporativo (aunque la IA también transforma la analítica del aprendizaje), sino la base de rutas de aprendizaje guiadas por datos.

Veamos cómo la analítica impulsada por IA está transformando la forma en que interpretamos y usamos los datos, y por qué es decisiva en 2024.

Desafíos y limitaciones de los métodos tradicionales para medir la eficacia del aprendizaje

Los métodos tradicionales de analítica de capacitación y desarrollo no están a la altura de las necesidades y los objetivos cambiantes de las organizaciones modernas, por lo que hay que redefinir las estrategias para medir el impacto del aprendizaje.

Las métricas no coinciden con los objetivos modernos de capacitación y desarrollo

Los profesionales de capacitación y desarrollo de hoy siguen usando métricas de vanidad para medir el impacto de la capacitación de los colaboradores. Entre los principales indicadores² para evaluar el éxito están la satisfacción de los colaboradores, el número de colaboradores que participan en la capacitación, las calificaciones de las evaluaciones posteriores y el número de cursos completados.

El problema es que, si bien la analítica del aprendizaje puede ayudar a entender el involucramiento de los colaboradores en los programas, no refleja la contribución de la capacitación y el desarrollo al desempeño del negocio.

Ante la dificultad de medir el impacto de la capacitación de los colaboradores, el 95% de los líderes de capacitación y desarrollo³ quiere poder rastrear la correlación entre la mejora de los colaboradores y el desempeño del negocio. Dado que los métodos tradicionales de análisis de datos no ayudan a cerrar esa brecha, la analítica impulsada por IA tiene un gran potencial para cambiar nuestro enfoque de medición del impacto.

“Creo que el tema más importante es que la capacitación y el desarrollo parecen enfocar el potencial de la IA sobre todo como un mecanismo para producir más contenido de aprendizaje formal.
Se aprovecharía mucho mejor la IA si la aplicáramos a unir el aprendizaje y el trabajo, y a usar la analítica del negocio como motor, no la analítica del aprendizaje.
El enorme potencial de la IA para impulsar un ‘apoyo al desempeño con esteroides’ y llevar el aprendizaje y la mejora continua al flujo de trabajo (adoptando una mentalidad de desempeño en lugar de una mentalidad de aprendizaje) es inmenso. Será mucho mayor que usarla simplemente como un motor de contenido y analítica dentro de un modelo de capacitación y desarrollo del siglo XX centrado en el contenido.”
Charles Jennings
Managing Director | Duntroon Consultants

Demasiados datos, muy pocos recursos

Cada día reunimos mucha información de los sistemas de Recursos Humanos, las encuestas a colaboradores y los reportes del sistema de gestión del aprendizaje (LMS). Sin embargo, poco podemos hacer con todos esos datos; así que los dejamos acumulando polvo y nos centramos en las métricas de vanidad (porque son fáciles de interpretar).

Una de las formas más comunes de interpretar grandes volúmenes de datos es construir paneles que deben contar algo sobre el desempeño de la capacitación y el desarrollo. Pero muchos no logran convertir la analítica de datos en una historia que impulse a los interesados a actuar.

“Los equipos de datos y analítica siempre han creado paneles y visualizaciones, pero muchos no están acostumbrados a envolver esos productos en una narrativa.”
James Richardson
Senior Director Analyst | Gartner⁴

Datos accesibles ≠ datos significativos

¿Qué nos impide recopilar los datos que reflejan los resultados reales de la capacitación impartida? No es que los equipos de capacitación y desarrollo elijan a propósito las métricas equivocadas. Es la accesibilidad de los datos lo que nos empuja a tomar malas decisiones.

“[...] cuando dependemos de datos fáciles de recopilar en lugar de datos significativos de recopilar, nos metemos en problemas.
Como estudiante de MBA, conocí el problema clásico del vendedor: recopilamos datos sobre los ingresos que aporta un vendedor y olvidamos medir la utilidad que genera. Al medir una cosa y no la otra, premiamos las ventas mientras esperamos utilidades. ¿Sería de mala educación señalar que su compensación probablemente está ligada a cosas más fáciles de medir (como las utilidades actuales o el precio de la acción) en lugar de otras que son importantes de medir (como la solidez y la capacidad de innovación de su equipo de I+D)?”
Will Thalheimer
Consultant, Speaker, and Researcher | Work-Learning Research⁵

La IA cambia la forma de educar y de evaluar

Como las soluciones tradicionales no pueden resolver los grandes desafíos de la capacitación y el desarrollo, la IA aporta nuevos medios de analítica de datos (muy oportunos).

En lugar de medir solo el involucramiento de los participantes, la analítica impulsada por IA abre el acceso a conjuntos de datos complejos, big data y algoritmos de aprendizaje automático. Con ellos en nuestro arsenal, reduciremos el trabajo manual, obtendremos insights significativos sobre la eficacia de nuestros esfuerzos de capacitación y mejoraremos la personalización de los programas de capacitación y desarrollo.

Casos de uso de la IA en la capacitación y el desarrollo en 2024

La analítica impulsada por IA está transformando la capacitación y el desarrollo en 2024, y los profesionales del área tendrán mucho trabajo implementando estas siete aplicaciones de la IA en el aprendizaje organizacional. Así es como.

1. Creación de contenido de capacitación

A menos de un año del debut de la tecnología de IA generativa, un tercio⁶ de las organizaciones reporta que al menos una de sus funciones de negocio usa IA generativa con regularidad.

Las herramientas de IA generativa pueden analizar enormes cantidades de datos para generar materiales de capacitación en un instante. Desde convertir PDF en contenido atractivo hasta traducir programas de capacitación a varios idiomas o dar voz con IA a textos escritos: todas estas tareas ya las resuelve la IA en los productos de Attensi.

Con la ayuda de la solución de capacitación en sistemas de TI de Attensi, Equiniti creó 15 módulos de capacitación jugables y logró un retorno de la inversión de 3x gracias a la reducción de los tiempos de capacitación y de la rotación de personal. Conozca más en el caso de éxito.

2. Búsqueda de información con IA generativa

El cuarenta y siete por ciento⁷ de los trabajadores digitales tiene dificultades para encontrar la información necesaria para cumplir sus tareas con éxito. Entre tanta información y tantas aplicaciones en el lugar de trabajo, los colaboradores pierden horas buscando los datos que necesitan. La búsqueda impulsada por IA va a resolverlo.

McKinsey lanzó recientemente “Lilli”,⁸ su propia solución de IA generativa que identifica la información necesaria dentro del extenso conocimiento de la firma y acelera la investigación. Cuando un usuario escribe una pregunta, Lilli recorre toda la base de conocimiento de McKinsey e identifica de cinco a siete piezas de contenido. Luego entrega los puntos clave, con enlaces e incluso expertos en las áreas correspondientes, en el archivo resultante, lo que evita revisar miles de documentos manualmente.

Y sí, en Attensi también puede acceder a respuestas generadas por IA.

3. Evaluación de brechas de habilidades con IA

Aunque llevamos bastante tiempo usando tecnología de Recursos Humanos para analizar brechas de habilidades, todavía exige mucho esfuerzo manual. La analítica con IA ayuda a automatizar las tareas manuales de mapeo de habilidades y a cerrar esas brechas con mayor eficacia.

Al analizar grandes conjuntos de datos de distintas fuentes, la IA asegura un análisis integral de las habilidades en los diferentes puestos y funciones, lo que permite a los especialistas en capacitación y desarrollo no solo atender las brechas de habilidades, sino anticiparlas.

4. Interpretación de datos

Con el auge de la IA generativa, los profesionales de capacitación y desarrollo acceden a insights accionables sin tener que abrirse paso entre gráficos, gráficos circulares y diagramas de dispersión. Gracias a su capacidad de transformar los datos en narrativas ricas y útiles, la IA nos permite por fin convertir grandes conjuntos de datos en planes de acción.

5. Movilidad interna y desarrollo de los colaboradores

Las soluciones de IA modernas pueden adaptar recursos y rutas de aprendizaje para impulsar el crecimiento profesional de los colaboradores y apoyar la movilidad interna. Con datos históricos, la IA puede predecir posibles trayectorias profesionales según el desempeño y las aspiraciones de cada colaborador. Los algoritmos de IA también pueden analizar los requisitos de los puestos y compararlos con los perfiles de los colaboradores, y sugerir vacantes internas adecuadas a quienes tienen las habilidades necesarias.

Por ejemplo, para ofrecer oportunidades de crecimiento a sus colaboradores, Spotify lanzó el Internal Talent Marketplace, llamado Echo.⁹ La tecnología impulsada por IA ayuda a los colaboradores a desarrollar sus habilidades durante su paso por Spotify, a construir su portafolio profesional y a encontrar oportunidades de avance de carrera a través de ese marketplace.

6. Análisis de la retroalimentación

Las puntuaciones de satisfacción de los participantes sirven poco para medir la eficacia de la capacitación de los colaboradores. En lugar de depender solo de impresiones subjetivas, el análisis de retroalimentación impulsado por IA profundiza en los aspectos cualitativos de lo que dicen los participantes.

Los algoritmos de procesamiento del lenguaje natural (PLN) pueden analizar automáticamente las respuestas de los participantes y revelar no solo qué les gustó o no, sino también por qué ciertos aspectos tuvieron buena acogida o les resultaron difíciles.

7. Personalización de las experiencias de aprendizaje

Como los métodos de capacitación tradicionales, iguales para todos, no logran satisfacer las necesidades individuales de los participantes, la IA llega al rescate.

La capacidad distintiva de la IA de adaptarse sin esfuerzo a las necesidades específicas de cada participante ayuda a crear rutas de aprendizaje personalizadas, para que cada colaborador alcance su propio potencial y atienda sus propios intereses. La personalización impulsada por IA empodera a los participantes para que asuman la responsabilidad de su desarrollo de nuevas habilidades (upskilling) o de su reconversión (reskilling) y exploren sus propias trayectorias de aprendizaje a lo largo de la vida.

Entre los ejemplos más comunes de experiencias de aprendizaje impulsadas por IA en acción están el microaprendizaje, las simulaciones de RA y RV, los minijuegos y las personalidades impulsadas por IA.

Los escenarios de aprendizaje inmersivo de Attensi animan a los colaboradores a aprender haciendo, con una capacitación realista y de alto impacto adaptada a sus necesidades. Con IA, creamos rutas de aprendizaje personalizadas que responden a las necesidades individuales, optimizan la retención del conocimiento y facilitan la aplicación práctica de las habilidades. La experiencia de aprendizaje resultante contribuye de inmediato a mejoras medibles en las métricas de desempeño.

Consideraciones para implementar analítica impulsada por IA

Al confiar datos a la IA, tenga presentes las responsabilidades éticas y regulatorias:

1. Implicaciones éticas del uso de la IA

Aunque la IA tiene un enorme potencial para la capacitación y el desarrollo corporativos, su implementación también trae el riesgo de sesgos y de problemas éticos. Debemos recordar que esta tecnología está diseñada para complementar las habilidades humanas, no para reemplazarlas.

La IA no está aquí para tomar decisiones sin supervisión, sino para ayudarnos a recopilar y optimizar datos que podamos combinar con consideraciones éticas, morales y de otro tipo antes de actuar.

Bryan Hancock, socio de McKinsey, ha contado¹⁰ que, en su rol de evaluador en McKinsey, combina la IA con la inteligencia humana en las evaluaciones de desempeño:

“Uno de mis usos favoritos de la IA generativa en el ámbito de las personas es, en realidad, para las evaluaciones de desempeño. Escúchenme bien: no quiero que la IA generativa genere la evaluación de desempeño de nadie. Eso necesita a la persona en el circuito, necesita juicio humano, necesita empatía.”

Hancock explica que la IA generativa le ayuda a convertir los comentarios escritos sobre cada persona en un primer borrador, a partir del cual inicia un proceso de revisión manual. Esa síntesis le ahorra tiempo en la organización manual de datos y le permite “llegar más rápido a lo que realmente necesito explorar para el desarrollo y el crecimiento de esa persona”.

2. Regulaciones de privacidad e IA

Combinar la IA con la inteligencia humana no solo es beneficioso: pronto será obligatorio en todo el mundo. Por primera vez en la historia, el uso de la IA estará regulado por ley. El Parlamento Europeo aprobó la Ley de IA (AI Act), que establece directrices y requisitos de transparencia para todas las partes involucradas en el desarrollo o el uso de la IA.

La nueva regulación establece que “los sistemas de IA deben ser supervisados por personas, y no por la automatización, para evitar resultados perjudiciales”.

La Unión Europea es la primera en anunciar una ley integral de IA, pero todo indica que el resto del mundo se sumará¹¹ en los próximos años. Y aunque las leyes de IA aún no están vigentes, ya existen otras políticas de privacidad que debemos cumplir:

“Pedirle a la IA generativa, por ejemplo, que resuma datos privados o sensibles y realice estadísticas sobre ellos puede significar infringir la ley (como las leyes HIPAA para datos médicos o las leyes GDPR para datos personales). Como mínimo, compartir información personal probablemente sea poco ético. Si sus datos son privados o sensibles, debe averiguar si puede usar éticamente la IA generativa para los fines que desea.”
Patti Shank
Author and Founder | Learning Peaks

La IA potencia el aprendizaje con analítica de datos

La analítica impulsada por IA no solo le ayuda a medir el impacto de los programas de capacitación y desarrollo, sino que también transforma grandes conjuntos de datos en narrativas accionables y ofrece rutas de aprendizaje personalizadas a quienes se capacitan.

Mientras exploramos los beneficios de la IA, no olvidemos la importancia del juicio humano en la toma de decisiones. La integración equilibrada de la IA con la experiencia y la empatía humanas es la clave para liberar todo el potencial de la capacitación y el desarrollo.

Solicite una demo con Attensi y vea cómo encajarán en su organización los escenarios de aprendizaje impulsados por IA.