Cómo desarrollar una verdadera fluidez en IA en todo tu equipo

Galen Low: En estos días, casi todo el mundo tiene algo acertado que decir sobre la IA. Tienen el vocabulario adecuado, las herramientas correctas en la pantalla de inicio y todas las certificaciones colgadas en la pared de su fondo virtual. Pero ¿cómo podemos saber, como líderes, quién domina realmente la IA, quién está fingiendo y quién simplemente se siente demasiado intimidado para pedir ayuda?

Y más allá de eso, ¿cómo sabemos si realmente estamos desarrollando la fluidez en IA dentro de nuestros equipos y en nosotros mismos? Y, en realidad, ¿qué significa exactamente tener fluidez en IA? Para responder a eso, he invitado a un referente y formador en dirección de proyectos, con un doctorado en gestión de operaciones, para que nos explique el retorno de la inversión de una verdadera alfabetización en IA y cómo desarrollarla.

Hablaremos de por qué es tan importante crear una capa operativa dirigida por personas sobre la capa de ejecución que la IA gestiona cada vez más, y también analizaremos qué hace que una carrera profesional sea duradera ahora que las habilidades técnicas se están convirtiendo en productos básicos. Espero que disfrutes del episodio.

Bienvenidos al pódcast de The Digital Project Manager, el programa que ayuda a los líderes de entrega a trabajar de forma más inteligente, entregar con mayor fluidez y liderar sus equipos con confianza en la era de la IA. Soy Galen y cada semana exploramos estrategias del mundo real, tendencias emergentes, marcos de trabajo probados y alguna que otra historia de guerra desde las trincheras de los proyectos.

Tanto si estás dirigiendo enormes proyectos de transformación, gestionando flujos de trabajo con IA o simplemente intentando mantener el caos bajo control, estás en el lugar adecuado. Ah, y si te ha gustado lo que has estado escuchando últimamente, considera seguirnos allí donde escuches o veas el programa, y quizá incluso dejarnos una reseña. Muy bien, entremos en materia.

Hoy hablaremos de lo que realmente significa la alfabetización en IA en la gestión de proyectos y operaciones, y de por qué no basta con que los empleadores esperen que sus mejores talentos aprendan IA por su cuenta y en su tiempo libre. Hablaremos del valor de la formación práctica dirigida por expertos para desarrollar la alfabetización en IA. También hablaremos del retorno de la inversión de contar con responsables que dominan la IA y entienden el ciclo de negocio, y de cómo los líderes pueden distinguir entre el talento que realmente domina la IA y quienes fingen saber para avanzar.

Hoy me acompaña Justin Bateh, director ejecutivo y fundador de AI Operators Lab, además de editor jefe de Tactical Memo. Justin lleva más de dos décadas dirigiendo equipos, gestionando proyectos y operaciones, y liderando implementaciones de IA. No solo ha ocupado puestos de director de operaciones y director ejecutivo, sino que literalmente tiene un doctorado en gestión de operaciones. Como profesor con 16 años de experiencia en el aula, ha enseñado a más de 13.000 estudiantes y profesionales a liderar, operar y construir carreras duraderas.

Cada semana, su boletín gratuito, Tactical Memo, ofrece manuales tácticos sobre IA, liderazgo de proyectos y crecimiento profesional a más de 18.000 líderes de operaciones de empresas como Amazon, Deloitte y Google. Y si te gusta lo que escuchas hoy, es el mejor lugar para recibir más contenido de Justin en tu bandeja de entrada cada semana.

Justin, muchas gracias por acompañarme hoy.

Justin Bateh: Hola, Galen. Gracias por invitarme. Te lo agradezco. Desde hace mucho tiempo soy un gran admirador de lo que haces aquí en Digital Project Manager, y sé que he colaborado con algunos artículos en el pasado. Creo que este episodio va a ser muy divertido para mí.

Galen Low: Sí, estoy muy ilusionado también.

Siempre me entusiasma hablar con otros formadores. Creo que es un nivel completamente distinto de conversación y de oficio. Como decías, has colaborado con nosotros. Me encanta todo lo que haces con nosotros. Eres un activo de gran valor para Digital Project Manager y, sinceramente, aportas muchísimo.

Justin Bateh: Déjame advertirte: soy formador y estoy acostumbrado a enseñar, así que quizá tengas que interrumpirme, porque a veces puedo extenderme y extenderme sobre temas que me apasionan. Pero no me ofendería si me dices: «De acuerdo, Justin, ya es suficiente. Pasemos al siguiente tema».

Galen Low: Te lo agradezco, pero también…

Creo que me entusiasma dejarte divagar, porque explicas la información tan bien que probablemente no tenga que interrumpirte. Podría simplemente sentarme, tomarme el café y escucharte.

Justin Bateh: Sí, ya veremos.

Galen Low: Muy bien. Empecemos con una pregunta un tanto polémica. En los titulares de hoy se está haciendo evidente que el coste de las herramientas de IA, tanto las licencias como los tokens, es un factor importante que está acelerando los planes de las empresas para reducir significativamente sus plantillas.

Tener tanto talento de primer nivel, talento caro, talento costoso… en fin, talento en general, además de herramientas, se está volviendo demasiado caro. Mientras tanto, sigo encontrándome con focos de resistencia en los que profesionales que están al principio, a mitad o incluso al final de sus carreras se niegan a utilizar la IA, o sabotean activamente y en ocasiones incluso obstaculizan la estrategia de transformación de IA de su organización.

Así que mi pregunta es la siguiente: ¿qué tiene más probabilidades de sobrevivir en 2026/2027? ¿Una empresa con todas las herramientas de IA, pero sin personas capacitadas para utilizarlas bien, o una empresa con todas las personas capacitadas, pero sin herramientas de IA?

Justin Bateh: Vaya. Entiendo por qué llamas a eso la pregunta candente. Pero te lo digo de inmediato: personas capacitadas sin herramientas. Y, sinceramente, no hay comparación.

Las herramientas sin personas capacitadas serán simplemente otro centro de costes que tendremos que gestionar, probablemente mediante una gran suscripción. Así que pagas dos veces: una por las licencias y otra por el desorden. Y una de las formas en que me gusta describirlo es como coger a un nadador y lanzarlo al agua para una carrera.

Un buen nadador puede rendir bien por sí mismo. Uno malo no puede: se hundirá. Ahora digamos que cogemos a ese mal nadador y le añadimos gafas, aletas y un buen bañador. El buen nadador nadará mejor, pero el malo seguirá siendo malo y se hundirá.

Por eso creo que las personas capacitadas sin herramientas también representan un problema temporal. En cuanto las empresas sigan adelante con la asignación del presupuesto, entenderán que el trabajo humano es donde realmente está el valor, y las herramientas llegarán después de forma natural. Por eso creo que plantear la cuestión como herramientas frente a personas es incorrecto.

Creo que los ganadores serán las personas que no se limiten a comprar herramientas o recibir formación, sino que construyan la capa operativa: personas más criterio.

Galen Low: Eso me encanta. Y me gusta mucho la analogía de la natación porque es una pregunta deliberadamente provocadora en la que probablemente no haya una respuesta correcta.

Pero lo que dices sobre un buen nadador con herramientas adecuadas, con las gafas correctas, el bañador apropiado y las aletas, es que está listo para competir. Le irá muy bien. Y tiene un coste esperar que alguien que no sabe nadar adopte de repente estas herramientas: conseguir el equipo adecuado y aprender a utilizarlo.

Y quizá con el tiempo se convierta en un nadador bastante decente, aunque no necesariamente gracias al equipo. El equipo puede ayudar, pero es costoso. De hecho, podría resultar más caro que la alternativa porque vuelves a pagar dos veces, quizá incluso tres: el esfuerzo de descubrirlo por tu cuenta, el coste de la licencia y los tokens.

Sí, es una propuesta bastante cara.

Justin Bateh: Durante un tiempo dirigí como voluntario un equipo de natación, y una de las partes más difíciles eran los padres. Cualquiera que haya participado en deportes juveniles lo entenderá. En esencia, era decirles: «Miren, están comprando a su hijo todo este equipo sofisticado, pero todavía no puede nadar 25 yardas de un lado al otro de la piscina».

Nada de eso va a ayudar. Hay que hacer las repeticiones, practicar y todo lo demás. Solo quería explicar de dónde viene la analogía.

Galen Low: Me gusta. Es gracioso porque la analogía continúa cuando tienes un consejo de administración o algo parecido, donde la presión del consejo recae sobre los equipos directivos.

Los equipos directivos intentan conseguir que su personal nade muy bien. Pero desde arriba se espera algo como: «¿Por qué no habéis conseguido que el equipo nade perfectamente?». Ya sé que ayer no sabían nadar, pero a estas alturas deberían ser nadadores olímpicos.

Justin Bateh: Lo veo continuamente.

Galen Low: La analogía continúa. Gracias por seguirme el juego con esa pregunta. Evidentemente, las cosas no son tan blancas o negras. Existe un punto intermedio. Has mencionado la capa operativa, y eso es precisamente de lo que quiero hablar hoy. En mis notas te he puesto cariñosamente el apodo de Doc Ops, porque tienes un doctorado en gestión de operaciones, eres profesor en activo y, además, lo que más me interesa de ti es que dedicas tiempo a dirigir un programa de aprendizaje basado en cohortes que ayuda a líderes de proyectos, operadores y responsables a desarrollar fluidez en IA y también las habilidades ejecutivas necesarias para generar impacto.

Mientras preparábamos este episodio, hablábamos de la idea de una capa de operaciones y del concepto de que un retorno de la inversión significativo procede de la IA no solo por las propias herramientas, sino por la forma en que se utilizan, por cómo el talento moviliza sus propias habilidades y las incorpora encima, y no solo mediante formación sobre las herramientas, sino también mediante la comprensión empresarial necesaria para movilizar la IA de manera que realmente aporte valor al negocio.

¿Podrías explicarnos cómo la verdadera alfabetización en IA crea esta capa operativa que se sitúa por encima de las herramientas? ¿Qué pueden hacer los directores de proyectos, operadores y responsables humanos que quizá no pueda hacer una orquesta completa de herramientas de IA?

Justin Bateh: Claro. La IA es lo que yo llamaría la capa de ejecución. Redacta, resume, señala riesgos y genera muchísimas opciones entre las que podemos elegir. Es realmente excelente en eso, probablemente mejor que todos nosotros, y cada día es más barata.

La capa operativa es todo lo que se sitúa por encima de ella. Se reduce a cuatro cosas que las herramientas no pueden hacer. La primera es decidir qué merece la pena hacer. La IA puede generar diez planes de proyecto en 60 segundos, pero no podrá decirnos cuál debemos financiar.

La segunda es asumir las compensaciones: alcance frente a calendario frente a la política de todo lo que está ocurriendo. La IA no podrá asistir a la reunión que tiene lugar después de la reunión, donde realmente se toman las decisiones. La tercera es la responsabilidad. Es muy sencillo: no se puede despedir a la IA, así que no se le puede confiar la decisión final.

El nombre de alguien tiene que figurar en la decisión. Y la cuarta, dentro de esta capa operativa, es la traducción: convertir una petición ejecutiva críptica en trabajo real y después convertir ese trabajo en una historia que el ejecutivo pueda repetir hacia arriba. Eso es la mitad de la gestión de proyectos.

Ninguna herramienta hace eso. Por ejemplo, enseño a las personas a empezar cada proyecto pegando el alcance en la IA y preguntando qué puede salir mal. En 60 segundos tienes un excelente registro de riesgos. Pero saber cuál de esos 15 riesgos será el que realmente destruya el proyecto porque has observado el comportamiento de esa persona interesada durante los últimos dos años: eso es la capa operativa.

Las herramientas son cada vez más baratas cada trimestre. La capa operativa es cada vez más valiosa cada trimestre, y las empresas y las personas deberían invertir en consecuencia.

Galen Low: Me gusta mucho, especialmente por el coste de oportunidad. Y es curioso cuando hablas de las herramientas, porque creo que tienes razón.

En algunos casos de uso, a cierto nivel, la capa de ejecución es mejor que la mayoría de las personas. Es fácil incluso para mí pensar: «Bueno, supongo que ahora es mejor que yo en todo». Y a menudo olvido que todavía existe mucho contexto del mundo real. La gente usa la palabra matiz, pero se trata simplemente de información que aún no hemos proporcionado a las máquinas, además de cómo funcionan las organizaciones y cómo interactúan las personas.

Me gusta mucho lo de la traducción porque, aunque mucha gente utiliza sus modelos de lenguaje para decir: «Actúa como un director de tecnología muy exigente y critica esto», eso no es lo mismo que haber trabajado con esa persona durante meses o años, conocer su personalidad, conocer las demás prioridades del negocio y saber qué merece la pena hacer, qué hay que seleccionar y cuáles son las compensaciones.

Cuando lo planteas así, es enorme para una organización. Como hablábamos antes, puedes tener a dos docenas de personas que no saben nadar para salvar la vida, con todo el equipo de natación del mundo, y lanzarlas a una piscina. Llegado un momento, con todo ese ajetreo, habrías avanzado más decidiendo hacer una sola cosa para la que sí tienes el talento adecuado, capaz de realizar el trabajo con las herramientas correctas, avanzando rápidamente en lugar de intentar abordarlo todo a la vez y no llegar realmente a ninguna parte.

Justin Bateh: Sí, estoy completamente de acuerdo.

Galen Low: Entonces, más allá de eso, hablamos de alfabetización en IA y de esta capa operativa. Algunas de las cosas que has mencionado no consisten necesariamente en saber sobre IA. Por supuesto, hablamos de aquello en lo que la IA es buena frente a aquello en lo que las personas son buenas, pero muchas de esas cosas no se pueden aprender simplemente en un curso introductorio de IA.

Me cuesta imaginar una oportunidad en la que pudiera entrar y decir: «Sí, déjame aprender la tecnología», pero también aprender, en el contexto de las personas con las que trabajo, los mecanismos del negocio y cuáles deberían ser nuestras prioridades.

Quizá debería abordar esto porque el espacio de la formación en IA se está saturando bastante. Incluso en nichos muy específicos como la gestión de proyectos o la gestión de operaciones, sé que tienes este programa basado en cohortes. No intento promocionarlo; simplemente me gusta mucho la idea porque conecta con algo que me importa: aprender juntos, no aprender solos en Udemy.

¿Cómo pueden los empleadores distinguir entre las personas que simplemente han visto unos vídeos y obtenido un certificado y aquellas que realmente entienden el negocio y pueden coordinar la tecnología de manera que genere impacto?

Justin Bateh: Recuerda esto mientras respondo: la fluidez tiene evidencias; la familiaridad tiene vocabulario. Esa es toda la prueba. Es una de mis preguntas favoritas de todo este espacio porque tiene una respuesta de una sola palabra: pruebas.

Un certificado demuestra que asististe a algo. Una prueba demuestra que realmente has cambiado tu forma de trabajar. Una persona fluida puede mostrarte un flujo de trabajo que ha reconstruido. Si le preguntas, responde de inmediato y con precisión: «Esto fue lo que delegué a la IA, esto fue lo que conservé y esto fue lo que se rompió cuando lo intenté».

Esta última parte importa. Si nada se rompió, es posible que realmente no lo haya hecho. Quien acumula certificados describe las herramientas en términos generales. Dirá cosas como: «He estado utilizando la IA para impulsar la eficiencia». Como empleador, esa frase sería una señal de alarma.

Los usuarios reales dirán: «Dejé de redactar las actualizaciones de estado desde cero. Organizo en viñetas las actualizaciones sin procesar y hago que la IA las ordene por riesgo». Si estás contratando o decidiendo quién dirigirá tus iniciativas de IA, no preguntes: «¿Sabes de IA?». Todo el mundo dirá que sí. Pregunta en cambio: «Explícame lo último que dejaste de hacer manualmente».

La persona competente se iluminará; quien finge se quedará bloqueado. Eso es lo que quiero decir cuando afirmo que la fluidez tiene evidencias, no solo vocabulario.

Galen Low: Me gusta mucho. Me gusta la idea de las pruebas y, sobre todo, que describan lo que salió mal.

Creo que eso no se destaca en nuestro imaginario actual sobre la IA, especialmente no en mi feed de LinkedIn. Durante un tiempo todo era: «Así conseguí multiplicar por diez esto», con un lenguaje lleno de palabras de moda, como si todo fuera a salir perfecto desde el primer día.

Pero después llega el segundo día y la complejidad aumenta. Hay que esforzarse y ya no es tan sencillo obtener un resultado gratificante. Surgen problemas. Me gusta mucho eso como prueba, hasta el punto de que alguien que diga: «No conseguí ponerlo en marcha porque estas cosas estaban fallando y todavía estoy resolviendo esos problemas» puede ser una señal mucho mejor que alguien que afirma: «Optimizo mi eficiencia todos los días».

Justin Bateh: Exacto.

Galen Low: Es simplemente… de acuerdo.

Justin Bateh: Me recuerda a cuando estaba aprendiendo a entrevistar a otras personas y me di cuenta rápidamente de que la pregunta no debía ser: «Dime cómo harías esto en esta situación», porque cualquiera puede inventarse un escenario perfecto con una solución. Lo importante es profundizar en el contexto histórico: qué has hecho en esta situación y cuáles fueron los detalles. Eso realmente te da mucha información.

Galen Low: Evidencias, no solo vocabulario. Como dices, se aplica a mucho más que la IA. También sirve para evaluar las capacidades de alguien.

Al decirlo, me doy cuenta de que lo he planteado de forma muy negativa: «quienes fingen frente a quienes realmente saben lo que hacen». Pero también están las personas inseguras. Todo el mundo dirá que sabe de IA: algunos porque quieren ascender y dirán cualquier cosa, y otros porque simplemente intentan no ser despedidos.

Quizá podamos darle la vuelta. Si los líderes observan que algunas personas dicen: «La IA me está haciendo más eficiente», pero se nota que tienen una laguna de conocimiento y se sienten inseguras, no porque intenten parecer mejores que sus compañeros, sino porque tratan de mantenerse al día, ¿qué orientación les darías a esos líderes? Tal vez exista una forma de convertir ese vocabulario en evidencias y haya aprendizaje pendiente.

Justin Bateh: Creo que muchas empresas dudan a la hora de hacerlo porque no confían en la privacidad de los datos que van a introducir. Hay mucho estancamiento: las organizaciones y los responsables dicen: «Tienes que aprender IA. La IA es el futuro, pero no puedes hacer nada con ella en nuestro trabajo». Lo veo constantemente.

En mis cohortes y cursos veo empresas que pagan para que sus empleados participen y les ofrecen reembolso, pero no les permiten compartir nada sobre lo que ocurre en el trabajo. Así que les proporcionamos escenarios y datos de prueba para que aprendan las habilidades y esperamos que puedan aplicarlas a su situación particular.

No sé si esa confianza llegará antes o después, pero sin duda es un factor importante.

En cuanto a la persona que no quiere ser despedida y quiere aprender, creo que tendrá que recurrir a la autoformación. No creo que deba esperar a que su empleador organice la formación. Hace pocos años, ChatGPT no estaba permitido en el entorno laboral. En las universidades en las que enseño ocurre lo mismo: la IA está prohibida. Pero unos años después la IA está dentro. Eso también cambiará. Si ahora no puedes usar Copilot, créeme: dentro de un par de años podrás hacerlo.

Si ahora no puedes usar una herramienta, podrás usarla más adelante, así que aprende ahora y aprende por tu cuenta.

Galen Low: Es muy interesante y un buen apunte sobre los datos confidenciales y sobre quizá no saber siquiera cuáles son las políticas del lugar donde trabajas. Eso puede limitar mucho la capacidad de aprendizaje de un equipo.

Sigo encontrándome con sectores y contextos laborales en los que la IA no está permitida o se desaconseja, salvo para algunos casos de uso, hasta que se pueda generar confianza y establecer políticas. Coincido en que muchas personas dicen que se les da bien la IA, pero en realidad no han podido practicar porque no está claro qué pueden hacer con ella.

No se trata solo de las capacidades, sino también de qué datos pueden utilizar, cuáles son los casos de uso y cómo pueden aplicar las restricciones específicas de su empresa de una forma significativa. Las organizaciones tienen la responsabilidad de establecer límites y directrices claros sobre cómo debe utilizarse.

Pero también planteas un punto muy bueno sobre el autoaprendizaje. Te obliga a practicar y utilizar las herramientas y la tecnología fuera de las restricciones del lugar en el que se encuentre tu organización. Además, estás invirtiendo en ti mismo porque las cosas van a cambiar. Quizá no sigas trabajando en la misma organización hasta recibir un reloj de oro al final. Hay mucha inestabilidad ahora mismo, y es mejor poder utilizar la tecnología en un contexto en el que puedas practicar, ganar confianza y reunir pruebas de lo que realmente has construido.

Creo que es muy interesante.

Justin Bateh: También has mencionado que no se trata solo de las capacidades. Creo que parte del problema es que las personas no saben todo lo que la IA puede hacer. Yo tampoco lo sé todo, pero sé bastante más que mi amigo que el otro día me preguntó: «¿Ya has empezado a usar Claude? Es muy bueno». Y pensé: «Amigo, tengo archivos MD, flujos de trabajo automatizados y todo tipo de cosas, y tú apenas estás descubriendo el chatbot de Claude».

O la persona con la que hablaría en un restaurante y que diría: «Todavía no estoy seguro de confiar en la IA. No sé hacia dónde va». Está muy atrás. Mucho depende de entender cuáles son sus capacidades. Dentro de tu entorno restringido, diría que el 70 % de mis estudiantes trabaja en entornos restringidos. La mitad del trabajo consiste en averiguar cuáles son las reglas, y nadie lo sabe realmente. Simplemente está restringido.

Galen Low: Lo que me gusta de eso es que, cuando conversas con otras personas, es fácil estar aislado, especialmente cuando miras mi feed de LinkedIn. Sería muy fácil pensar: «Dios mío, ¿me estoy quedando atrás?». Parece que todo el mundo está muy avanzado, pero dialogar con otras personas demuestra que ahora mismo existe una gran variedad de niveles.

Y por buenas razones. Algunas empresas todavía no lo han resuelto; otras dicen: «No lo utilices todavía, tenemos que entenderlo». Algunas han decidido activamente no utilizar IA en su negocio por ahora. Esto crea diferencias entre industrias y roles, y las cosas cambian tan deprisa que no todos estarán al mismo nivel.

Me gusta la idea de dialogar y compartir consejos. Aunque alguien pueda pensar: «¿Ahora estás empezando a usar Claude? Yo ya tengo mi Markdown configurado», ¿qué se están perdiendo esas personas? O, dicho de otra manera, ¿qué valor tiene para ti el aprendizaje basado en cohortes?

Justin Bateh: Durante años enseñé en Udemy y tengo allí más de 35.000 estudiantes. Ya no utilizo activamente esa plataforma, aunque todavía hay cosas que funcionan automáticamente sin mí. Hice pequeños tutoriales en vídeo por los que la gente paga 9 dólares y la tasa de finalización es casi nula. La gente simplemente acumula cursos.

Puedes aprender por tu cuenta las funciones de las herramientas. Los vídeos y las bibliotecas de instrucciones están bien si el objetivo es saber qué hace cada botón. Pero las funciones no son fluidez, y debemos distinguir ambas cosas.

La fluidez es criterio, y el criterio solo se desarrolla de una manera, igual que con el nadador: práctica con retroalimentación. Los estudiantes individuales no reciben eso y se pierden varias cosas.

Galen Low: Me gusta eso: práctica con retroalimentación. Es muy acertado. No se trata solo de aprender las capacidades de la tecnología y mantenerse al día con las actualizaciones de los modelos.

Se trata de poder liderar en un contexto de IA, un contexto que cambia constantemente. Para conseguir esas pruebas hay que solucionar problemas, enfrentarse a errores y superar aquello que no funciona. Una persona puede aprender mucho por su cuenta, pero aprender en grupo y recibir comentarios mientras practica es una forma excelente de aprender más rápido y no limitarse a una única perspectiva.

Puedes observarlo desde tu propio punto de vista y avanzar, pero dialogar con otras personas y recibir sus aportaciones amplía la perspectiva. Ahí está gran parte del valor.

Justin Bateh: Quiero añadir algo porque creo que faltan tres elementos clave en los métodos de autoaprendizaje y en los cursos y bibliotecas de instrucciones que la gente descarga: contexto, calibración y compromiso.

Puedes descargar gratuitamente una biblioteca de instrucciones, pero responderá a las preguntas de otra persona, no necesariamente a las tuyas. En una cohorte o en una formación práctica en directo trabajas en tu proyecto real.

La calibración es la trampa de la IA: siempre te entrega algo y siempre parece estupendo. No sabes si el resultado es realmente bueno hasta que otra persona que lo ha visto cientos de veces te lo dice. Para eso sirve un profesor: no para transmitir información, sino para calibrar.

Y luego está el compromiso. Los minicursos tienen tasas de finalización cercanas a cero. Seamos realistas: probablemente todos tenemos otros 40 tutoriales sin ver guardados en algún sitio. Las cohortes en directo terminan porque las personas se presentan por otras personas.

He enseñado a más de 13.000 personas durante 16 años, y los patrones son claros. Quienes aprenden nunca son quienes tienen los mejores materiales. Son quienes practican y reciben comentarios. Ver jugar al baloncesto a LeBron James y comprarme las mejores zapatillas no resolverá mi problema. Pero si me envías a un campamento de baloncesto de tres semanas, quizá vuelva un poco mejor.

Galen Low: Es una analogía muy acertada porque se trata literalmente de practicar. También me gusta lo que dijiste sobre el compromiso. Mi curso solía basarse en cohortes y ayudaba mucho a que las personas lo terminaran. No se trataba de mí ni del material, sino del compromiso mutuo, de presentarse y construir relaciones para recibir también comentarios de los compañeros.

La práctica mejora el rendimiento. No se trata solo de tener los mejores materiales, sino del mejor entorno para mejorar. También me gusta la parte de la calibración, porque el resultado de la IA parece tan bueno que genera dudas. La gente piensa: «Supongo que esto es lo que significa que algo sea bueno. Ni siquiera sé si puedo aportar comentarios porque parece tan pulido y terminado. Lo enviaré tal cual».

Necesitamos recibir comentarios y desarrollar el pensamiento crítico para evaluar el resultado de cualquier modelo y preguntarnos: «¿Esto cumple el objetivo? ¿Se ajusta a mis metas? ¿Refleja el impacto y el valor en mi lugar de trabajo? ¿Es realmente bueno o solo un conjunto de palabras que suenan bien?»

Justin Bateh: Los formadores y profesores suelen tener más experiencia en una materia que tú. Cuando he contratado entrenadores o asistido a clases impartidas por personas expertas en algo que desconocía, he acelerado muchísimo el proceso buscando ayuda externa.

Esa es precisamente la función de la calibración. ¿Preferirías aprovechar mis años de experiencia en unas semanas o adquirir esos años de experiencia esperando?

Galen Low: Es un acelerador. Probablemente podrías descubrirlo por tu cuenta tocando la estufa caliente tantas veces como sea posible durante las próximas dos décadas, pero ¿por qué hacerlo si puedes hablar con alguien que ya lo ha hecho?

Justin Bateh: Les digo a mis estudiantes que quizá solo les lleve dos años de ventaja. Esto no lleva tanto tiempo existiendo.

En gestión de proyectos quizá te lleve 20 años de ventaja, pero en el espacio de la IA solo te llevo un par de años. No estoy mucho más avanzado.

Galen Low: Me alegra que lo menciones porque era mi siguiente pregunta. Vemos ofertas que exigen 15 años de experiencia con IA generativa. La mayoría no tenemos esa experiencia, a menos que trabajáramos en un laboratorio antes de que ChatGPT llegara al público.

Justin Bateh: No veo cómo puede ser realista.

Galen Low: Incluso una diferencia de seis meses, un año o dos años puede enseñarse y acelerar a quienes están en una etapa más temprana o diferente de su recorrido. No buscamos expertos en IA con décadas de experiencia. Hablamos de IA generativa y autónoma utilizada en el trabajo, con herramientas concretas para casos de uso concretos.

Justin Bateh: Los casos de uso son la palabra adecuada. Cuando empecé a enseñar el curso de gestión de proyectos impulsada por IA, las primeras cohortes eran principalmente cursos de gestión de proyectos con IA generativa. Después, cuando aparecieron los agentes, todos querían crear uno. Durante un breve periodo casi se convirtió en un curso de ingeniería.

Entonces empezaron a participar ingenieros de sistemas y me hacían preguntas que no sabía responder, porque no tengo ese perfil técnico. Ayudo a las personas a aplicar la IA a sus proyectos u operaciones para hacer mejor su trabajo.

Ahora hemos vuelto completamente a centrarnos en la gestión de proyectos, no en las herramientas de IA. No creamos herramientas de IA; utilizamos las que existen en el mercado y a las que tenemos acceso para hacer mejor nuestro trabajo.

También dejamos de perseguir herramientas. Al principio cubríamos unas dos docenas y la mitad ya no existe. Ahora nos centramos únicamente en Claude, ChatGPT, Copilot y Gemini. Tenemos confianza en que seguirán disponibles dentro de un año, cuentan con respaldo, financiación y desarrollo continuo, y la mayoría de las personas ya tiene acceso a alguna de ellas.

A medida que mejoren, tú también mejorarás. Prefiero vincularme a una herramienta que sé que seguirá existiendo dentro de dos o tres años y continuará mejorando, en lugar de perseguir la novedad de turno.

Galen Low: Me encanta. Es un microcosmos del mundo laboral actual: las herramientas cambian muy rápido y perseguirlas todas no es el objetivo. El objetivo es aplicar la tecnología de forma coherente y significativa para aportar más valor.

También me gusta lo que dijiste sobre los ingenieros de sistemas. Existe la pregunta de si todos tenemos que convertirnos en programadores y arquitectos. Puede que sí, pero si nos alejamos demasiado de nuestro oficio —operaciones, entregar bien los proyectos o liderar personas— perdemos la esencia del liderazgo de proyectos. Liderar personas y organizaciones en la era de la IA, así como adaptarse al cambio, es más importante que dominar una herramienta brillante que quizá no exista el año que viene.

Justin Bateh: Eso es exactamente lo que experimentamos. En un momento incorporaba expertos en IA de la NASA y todo tipo de profesionales excelentes, pero el curso se volvió demasiado técnico. Se centraba más en construir herramientas de IA que en utilizarlas como responsable, profesional de negocios o líder.

Por eso volvimos atrás y empezamos a incorporar perfiles más adecuados. Ahora la vida es un poco más sencilla porque no tengo que seguir cada cambio de especificación ni enfrentarme a ingenieros de sistemas técnicamente mucho más avanzados que yo. Hemos recalibrado el curso durante los últimos meses.

Galen Low: Quería retomar el autoaprendizaje. Muchos empleadores dicen: «Aprende IA por tu cuenta; es tu responsabilidad». Publicaste en LinkedIn un artículo cuyo titular era: «Nadie va a venir a formarte». Hablaba de empleadores que esperan que sus empleados aprendan IA en su tiempo libre. ¿Qué deberían hacer los empleadores para no dejar la fluidez en IA al azar?

Justin Bateh: Las dos cosas pueden ser ciertas al mismo tiempo. Los empleados no deberían esperar permiso para mejorar sus habilidades. Pero los empleadores que dejan la fluidez al azar están cometiendo un error matemático.

Primero, deben formar sobre flujos de trabajo y no sobre herramientas. El modelo fallido que veo en la formación corporativa consiste en comprar licencias y organizar sesiones durante el almuerzo. Para la IA funciona mejor tomar los cinco flujos de trabajo recurrentes más costosos y reconstruirlos con las personas que realmente los ejecutan.

Hay que formar sobre el trabajo, no sobre el software. Y hay que medir las pruebas, no las finalizaciones. Completar un curso confirma el cumplimiento, no la experiencia. La métrica importante es: «Galen, ¿cuántos flujos de trabajo has cambiado este trimestre?».

Además, cuando escucho: «Tienes que formarte, pero no vamos a pagarte», me irrita. Debe ser tiempo remunerado, no deberes. Si esperas que la gente aprenda por las noches y los fines de semana, estás seleccionando a quienes tienen fines de semana libres, no su potencial. Tus mejores empleados no harán esos deberes por ti; empezarán a buscar trabajo discretamente en otro lugar.

La conclusión es que el enfrentamiento tiene un perdedor garantizado: quien espera. La persona o la empresa que actúe primero se adelantará a sus compañeros o competidores.

Galen Low: Me gusta que no tenga que ser una cosa o la otra. Si quieres aprender por tu cuenta, hazlo. Si eres un empleador y quieres centrarte en casos de uso y flujos de trabajo prácticos que aporten valor, financiarlos y medirlos también es una buena decisión.

Eso ayuda a recalibrar cómo las personas piensan sobre el trabajo, no solo sobre las herramientas y sus botones. Hay que formar sobre el trabajo, sobre cómo aporta valor y sobre qué flujos se están transformando para alcanzar ese futuro prometido de la IA.

Justin Bateh: Siempre digo que incluso un aumento del 1 % está bien. No quieres gastar 100.000 dólares en formación para ahorrar 5.000 al año. Pero al principio conviene buscar victorias rápidas: algo que puedas mejorar con IA dentro de tu autoridad y tus restricciones. Acumúlalas, crea impulso y ese impulso puede conducir a algo mayor.

Galen Low: Me gustan los incrementos. Es reconfortante saber que no tienes que multiplicar por diez el negocio construyendo el mejor flujo de trabajo del mundo.

Justin Bateh: He visto eso un millón de veces. Alguien lee un libro con un marco de trabajo y al día siguiente todo el mundo tiene que conocerlo y aplicarlo. Luego llega otro jefe que ha leído otro libro o visto un documental y cambia todo el departamento. Es la naturaleza de la gestión.

Galen Low: La transformación no tiene que ser rápida y dramática. Puede ser lenta, pero valiosa.

Justin Bateh: Exactamente.

Galen Low: Para terminar, hemos hablado de líderes, organizaciones y formación, y también de las personas. Sé que te apasiona ayudar a la gente a construir carreras gratificantes. Para quien nos escucha, como un director de proyectos o un responsable de operaciones que observa todo esto, ¿qué hace que una carrera sea duradera ahora mismo? Si las habilidades técnicas se deprecian tan rápido, ¿qué es lo que se acumula o se multiplica?

Justin Bateh: Esta es probablemente mi pregunta favorita. Todo lo que nos han enseñado sobre las carreras consistía en optimizar un activo: la habilidad. Mejorar, trabajar duro, adquirir habilidades y dejar que la carrera se cuide sola. Pero he observado una y otra vez que la persona con más habilidades de la lista de despidos sigue estando en la lista de despidos. La habilidad nunca fue todo el juego.

Ahora es el precio de entrada. El activo que se deprecia más rápido son tus habilidades, porque la IA hace que la competencia básica sea casi gratuita. Ser bueno ejecutando tareas deja de ser tu elemento diferenciador.

¿Qué se multiplica? Las relaciones se multiplican. Hoy me sorprendería que alguien consiguiera trabajo enviando una solicitud en línea y esperando una respuesta aleatoria. Nadie contrata un currículum; contrata un nombre que alguien pronuncia.

Tu reputación también se multiplica. Lo que se dice de ti en las salas en las que no estás es muy importante. Tu ascenso suele decidirse en una reunión a la que no te invitan. Puedes construir esa narrativa o dejarla al azar.

Tus opciones también se multiplican: los ahorros, el conocimiento del mercado y mantenerte disponible para nuevas oportunidades. No puedes negociar aquello de lo que no puedes alejarte.

Y tu historia también se multiplica. ¿Puedes expresar tu impacto en una frase clara? La excelencia invisible y la ausencia de excelencia reciben exactamente la misma recompensa.

Mi consejo es que mantengas actualizadas tus habilidades, pero entiendas que esa es la parte que todo el mundo ya te ha explicado. La carrera que sobrevivirá a los próximos tres o cinco años se construirá sobre las relaciones, la reputación, las opciones y la capacidad de contar tu historia, además de las habilidades.

Galen Low: Es curioso porque tienes razón. Cuesta escucharlo porque nos han educado para centrarnos en las habilidades técnicas. Cuando dijiste que la excelencia invisible recibe lo mismo que la ausencia de excelencia, muchos oyentes podrán identificarse. En operaciones, liderazgo de proyectos y liderazgo de equipos hay funciones invisibles y poco agradecidas.

Me gusta cómo describiste las relaciones, la reputación y la forma de contar tu historia. Hay un vínculo entre las tres. No se trata de jugar a la política ni de entrar en una especie de Juego de Tronos. Se trata de relaciones, reputación y narración. Es el juego actual: relaciones entre personas, visibilidad del valor, orgullo por el trabajo y capacidad de conseguir que se hable de tu valor en las salas en las que no estás.

Justin Bateh: En el curso de gestión de proyectos impulsada por IA cubrimos una pequeña parte, pero pronto publicaré más contenido sobre los otros activos. Has dado en el clavo: reputación, relaciones y narración. Y no olvides tus opciones; necesitas influencia. Así funciona el mundo laboral si esperas avanzar.

Galen Low: Me gusta esa idea. También me gusta el adelanto. Tendré que invitarte de nuevo cuando puedas hablar de lo que estás preparando. Mientras tanto, Tactical Memo es una referencia imprescindible para mí. Tiene muchísimo valor y refleja lo que comentas semana tras semana a medida que construyes nuevo material. Me entusiasma ver hasta dónde puede llegar.

Justin Bateh: Te lo agradezco. Cuando me dijiste que leías mis correos y que estabas en la secuencia de bienvenida, me sorprendió. Me alegró mucho saberlo.

Galen Low: Enviar un boletín a un agujero negro y esperar, mirando solo las tasas de apertura, es un negocio difícil.

Justin Bateh: Conozco las métricas, pero nunca sé quién está detrás de ellas.

Galen Low: Justin, muchas gracias por dedicarme tu tiempo hoy. Ha sido muy divertido. Hablando de Tactical Memo y de tu curso, ¿dónde puede la gente saber más sobre ti?

Justin Bateh: Tactical Memo se publica semanalmente. Es mi boletín y cubre exactamente lo que hemos hablado hoy: manuales tácticos para el liderazgo de proyectos con IA y para construir carreras que se multipliquen. Puedes visitar tacticalmemo.com/subscribe, buscar Tactical Memo o encontrarme en LinkedIn como Justin Bateh y enviarme un mensaje. El enlace está allí. Suscribirse es gratis y creo que obtendrás mucho valor.

Galen Low: Es realmente bueno. Incluiré todos esos enlaces en las notas del programa para quienes escuchan y ven el episodio, incluido el enlace a tu LinkedIn. Gracias de nuevo. Ha sido estupendo.

Justin Bateh: Gracias, Galen. Ha sido fantástico. Aprecio mucho tus excelentes preguntas.

Galen Low: Muy bien, eso es todo por el episodio de hoy del pódcast de The Digital Project Manager. Si disfrutaste de esta conversación, suscríbete allí donde escuches el programa.

Y si quieres aún más ideas tácticas, estudios de caso y manuales, crea una cuenta gratuita con nosotros en thedigitalprojectmanager.com. Hasta la próxima, gracias por escuchar.