Adopción de la IA: Habilidades y estrategias para Latinoamérica

Adopción de la IA: Habilidades y estrategias necesarias para Latinoamérica

La Inteligencia Artificial no es solo una tecnología del futuro, es una realidad que está redefiniendo las formas en que trabajamos y aprendemos, ¿pero cómo impacta realmente la IA en el ámbito laboral y en el desarrollo de habilidades en las organizaciones de América Latina?

Esta pregunta que cada vez es más frecuente es parte de las realidad que afrontamos en Ingenia diariamente, y que generalmente abordo en mi rol de Team Dynamics Architect, acompañando a las personas y a las organizaciones para estar preparados para los cambios que se vienen.

A partir de una reciente investigación sobre percepciones, usos y barreras vinculadas a la adopción de Inteligencia Artificial en contextos laborales reales, realizada por estudiantes de la carrera de Psicopedagogía en el marco de la Cátedra de Intervención en Organizaciones de la Universidad del Salvador (Buenos Aires, Argentina) donde soy docente, nos propusimos analizar los resultados obtenidos para esbozar una respuesta a esta pregunta, basándome en modelo de adopción gradual propuesto por Melissa Webster y George Westerman, expertos del MIT Sloan Management Review, en su artículo “Generate Value From GenAI With ‘Small t’ Transformations”.

Este enfoque me permitió evaluar el nivel de implementación de la IA generativa en la región, identificando no sólo oportunidades, sino también las brechas y barreras específicas que enfrentan las organizaciones, contemplando las habilidades técnicas y blandas requeridas, marcos éticos presentes, y condiciones organizacionales que favorecen o dificultan el aprendizaje y la apropiación tecnológica. Este estudio brinda una visión clara de los desafíos y las oportunidades que las empresas latinoamericanas tienen por delante para aprovechar el potencial de la IA.

A través de entrevistas abiertas a colaboradores, líderes de equipos y profesionales de Recursos Humanos, se recopiló información clave sobre:

• Necesidades de formación: ¿Qué habilidades necesitan desarrollar los equipos para trabajar con IA?
• Percepciones sobre la IA: ¿Cómo ven los empleados esta tecnología? ¿La perciben como una ayuda o una amenaza?
• Condiciones organizacionales: ¿Qué factores facilitan o dificultan la integración de la IA en la rutina diaria de aprendizaje?

Marco de trabajo

El Modelo “Small t”

El modelo de “small t” transformations propuesto por Webster y Westerman plantea que la mayoría de las organizaciones están generando valor con Inteligencia Artificial Generativa (GenAI) no a través de grandes disrupciones, sino mediante mejoras incrementales que reducen riesgos y permiten construir capacidades organizacionales de forma gradual. Este enfoque reconoce que las transformaciones masivas requieren tiempo, inversión en datos e infraestructura, y un marco ético sólido, por lo que las empresas optan por comenzar con aplicaciones de bajo riesgo y alto impacto inmediato.

El marco distingue tres niveles de adopción, que escalan en complejidad y riesgo. Esta clasificación permite a las organizaciones mapear sus iniciativas actuales y planificar un crecimiento escalonado en el uso de la IA.

• Primero: tareas individuales comunes a muchos roles (como redacción, síntesis y generación de contenido)
• Segundo: herramientas especializadas por rol o proceso (como asistentes de programación o analistas de datos con IA)
• Tercero: la integración de GenAI en productos e interacciones con clientes, donde se requiere mayor precisión, control y cumplimiento normativo.

Factores críticos de éxito

• El involucramiento temprano de usuarios clave
• El desarrollo de pilotos con valor tangible
• La construcción de capacidades internas
• La inversión progresiva en escalabilidad y gobernanza.

Las organizaciones más avanzadas combinan GenAI con otros recursos tecnológicos y humanos, diseñando transformaciones que no dependen exclusivamente de la tecnología, sino de una estrategia organizacional deliberada, ética y sostenible.

Hallazgos de la investigación

La adopción de GenAI es desigual entre los distintos públicos organizacionales, con niveles, necesidades y barreras específicas por rol. La ausencia de estrategias segmentadas de formación, el temor al reemplazo y la falta de marcos de gobernanza limitan el impacto transformador de la tecnología.

Al mismo tiempo, se observa una tendencia clara: quienes experimentan con GenAI desde la práctica, con cierto nivel de autonomía, suelen liderar el cambio desde abajo, en paralelo a la estrategia formal. Esto refuerza la necesidad de diseñar intervenciones diferenciadas por perfil, promover comunidades de aprendizaje y construir capacidades internas que permitan escalar el valor de la IA de forma segura, éticay sostenida.

Los líderes muestran un nivel intermedio de adopción, con un enfoque más estratégico y orientado a la mejora de procesos, la toma de decisiones basadas en datos y la exploración de casos de uso con potencial transformador. Se destacan necesidades específicas: comprensión de arquitecturas de IA, evaluación de riesgos, y liderazgo adaptativo en entornos inciertos. Un hallazgo clave es la dualidad entre entusiasmo por la innovación y prudencia frente a los riesgos reputacionales, regulatorios o de escalabilidad. La mayoría aún espera “señales claras de retorno” antes de promover proyectos de mayor envergadura. La tendencia emergente apunta a líderes que funcionan como patrocinadores de pilotos, promoviendo una cultura de experimentación responsable.

El área de Recursos Humanos es identificada como actor clave en la transición hacia una organización habilitada por IA. Su adopción está creciendo, especialmente en funciones de analítica predictiva del talento, automatización de evaluaciones, y rediseño de procesos de selección. Sin embargo, enfrentan desafíos particulares: falta de marcos éticos claros, escasa capacitación específica y un rol aún reactivo frente al cambio. Las necesidades formativas incluyen comprensión de herramientas de IA en el ciclo de vida del talento, gestión del cambio y comunicación interfuncional. Como tendencia, comienzan a emerger redes internas de promotores de IA en RRHH, que funcionan como agentes de aprendizaje y referentes para otras áreas.

Los hallazgos indican que la adopción de GenAI es desigual entre los distintos públicos organizacionales, con niveles, necesidades y barreras específicas por rol. La ausencia de estrategias segmentadas de formación, el temor al reemplazo y la falta de marcos de gobernanza limitan el impacto transformador de la tecnología. Al mismo tiempo, se observa una tendencia clara: quienes experimentan con GenAI desde la práctica, con cierto nivel de autonomía, suelen liderar el cambio desde abajo, en paralelo a la estrategia formal. Esto refuerza la necesidad de diseñar intervenciones diferenciadas por perfil, promover comunidades de aprendizaje y construir capacidades internas que permitan escalar el valor de la IA de forma segura, ética y sostenida.

Final Words

Los resultados evidencian tres conclusiones clave con implicancias prácticas para las organizaciones.

En primer lugar, la adopción de GenAI en el contexto latinoamericano avanza de forma incremental, priorizando la automatización de tareas y la eficiencia operativa antes que una transformación estratégica profunda. Para acelerar la madurez digital, se recomienda impulsar pilotos con objetivos medibles y escalables, acompañados por espacios de reflexión interfuncionales que permitan convertir pequeñas pruebas en aprendizajes organizacionales sostenidos.

En segundo lugar, las barreras al aprendizaje — como la falta de tiempo, la escasa estructuración de programas formativos y el temor al reemplazo laboral — dificultan una apropiación genuina de estas tecnologías. Una estrategia efectiva consiste en diseñar experiencias de capacitación breves y prácticas, integradas al flujo de trabajo (“learning in the flow”), que combinen recursos asincrónicos con dinámicas colaborativas, al tiempo que se comunica con claridad el propósito de la IA como herramienta de apoyo y no de reemplazo.

Por último, se observa que el impacto de la IA varía según el rol. Colaboradores, líderes y áreas de Recursos Humanos presentan niveles de adopción, habilidades requeridas y desafíos específicos. Por eso, es fundamental adoptar un enfoque segmentado: para los colaboradores, ofrecer entrenamiento técnico accesible y comunidades de práctica por perfil; para los líderes, fomentar el liderazgo adaptativo y la toma de decisiones basada en datos; y para RRHH, fortalecer su rol como facilitadores del cambio, desarrollando marcos éticos, políticas de uso y redes internas de referentes que acompañen la transformación desde adentro.

Equipo Participante

Docentes: Natalia Castro, Graciela Monterroso

Alumnas participantes: Greta Blanco, María Constanza Bovera, Daniela Bressan Antonelli, María De Los Milagros Cellilli, Lucía Giuliana Citrullo, Clara María Lavin, Valentina Mijal Levy, María Sol Pizlo Martinez, Catalina Rodriguez Demarchi, Sofía Rosa, Rocio María Sanes, Manuela Schiro, Delfina Tesone, María Tirigall, Catalina Villafañe, Sol Akrich, María Trinidad Kotsias, Julieta Rocio Potel, Nahir Ayelen Sanchez, Marcela Noemí Gomez, Camila Samaniego Esquivel, Carolina Rosa Vigil.