El RR.HH. corporativo tiene un problema medible: la formación se evalúa habitualmente con métricas que no dicen casi nada. "Horas impartidas", "tasa de asistencia", "satisfacción 4.2/5". Ninguna de las tres mide si la formación cambió el comportamiento del equipo en el trabajo real.
Para formación en IA el problema es aún mayor porque la tentación de inflar números es alta. "Productividad aumentada un 32%". Pocas veces hay base sólida para esas cifras.
Este artículo lista las métricas honestas que sí miden si la formación está aportando. Y las que solo justifican el presupuesto.
Las 4 métricas honestas de impacto
Métrica 1 — Tasa de adopción real a 3 y 6 meses
Pregunta: ¿qué porcentaje de los participantes usa IA regularmente en su trabajo después de la formación?
Cómo medirla. Encuesta a 3 meses con preguntas concretas: "¿Cuántas veces a la semana usaste IA en tareas laborales el último mes?". Tres respuestas posibles: 0 veces, 1-3 veces, 4+ veces. La métrica honesta es el porcentaje de participantes en la categoría 4+. Repetir a 6 meses para validar la persistencia.
Benchmark realista. Una buena formación lleva a un 50-70% del equipo en categoría 4+ a los 3 meses. Excepcional: más del 70%. Por debajo del 30%: la formación no ha cuajado.
Métrica 2 — Tiempo medio de tareas candidatas antes y después
Identificar durante el diagnóstico previo 3-5 tareas concretas que cada participante hace habitualmente y que son candidatas a ser asistidas por IA (redactar un email comercial, preparar el informe semanal, responder un ticket de soporte estándar).
Medir el tiempo medio de esas tareas antes de la formación. Repetir la medición a los 3 meses post-formación.
Una buena formación acorta el tiempo medio de las tareas candidatas. Cuánto es exactamente lo que hay que medir en tu caso: por eso se toma la referencia antes de empezar. Mejor llegar a un 30-40% consistente que a un "60%" sospechoso.
Métrica 3 — Calidad subjetiva del output
Reducir tiempo no sirve si la calidad baja. Esta métrica complementa la anterior.
Cómo medirla. El manager evalúa muestras aleatorias de entregables del equipo: 10 antes de la formación, 10 después (3 meses). Sin saber cuál es cuál. Puntuación de calidad por criterios consensuados.
Una buena formación mantiene la calidad igual o ligeramente mayor que antes. Si la calidad baja, la formación enseñó a usar IA pero no a supervisarla.
Métrica 4 — Cumplimiento de la política IA interna
¿El equipo respeta lo que la política dice? ¿O usa herramientas no autorizadas, mete datos confidenciales sin autorización, salta los flujos de revisión definidos?
Cómo medirla. Auditoría aleatoria de uso (en herramientas que lo permitan) o autoevaluación honesta del equipo con incentivo de mejora, no de castigo.
Si el cumplimiento es bajo, la política está mal diseñada o la formación no fue clara en ese aspecto.
Las métricas de vanidad que no miden
"Satisfacción del participante"
Útil para mejorar el formato del curso. Inútil para medir impacto. Los participantes salen contentos de formaciones entretenidas que no cambian comportamiento. Y salen frustrados de formaciones exigentes que sí lo cambian.
"Productividad aumentada un X%"
Casi siempre es inventado o está medido mal. Para que esta cifra sea real, hay que medir la productividad antes con metodología seria, mantener todo lo demás constante durante la formación y medir después. En el 99% de los casos no se hace así.
"Horas formativas impartidas"
Indicador de actividad, no de impacto. Una formación de 40 horas mal hecha es peor que una de 12 horas bien hecha.
"Número de certificados emitidos"
Mide el cumplimiento del trámite, no la utilidad. En la mayoría de empresas los certificados se imprimen automáticamente al final del programa.
"Tasa de finalización"
Si la formación es presencial y obligatoria, será del 100%. No aporta información.
Cómo se diseña la medición de impacto
Tres pasos antes de la formación.
Paso 1 — Línea base. Antes de cualquier sesión, medir el estado actual: tiempo medio en tareas candidatas, frecuencia de uso de IA por participante, calidad subjetiva con muestreo. Sin línea base, la medición posterior compara contra el recuerdo (inexacto).
Paso 2 — Identificar las tareas a medir. El diagnóstico operativo previo identifica 3-5 tareas por nivel de participante donde se espera mayor impacto. Esas son las que se miden.
Paso 3 — Definir el umbral de éxito. "Reducir el tiempo medio de las tareas X en un 25%+" o "Llegar al 60% del equipo usando IA regularmente". Definirlo antes para no acomodar la métrica al resultado obtenido después.
Cómo se hace seguimiento
Cadencia recomendada.
- A 30 días: primera encuesta corta para detectar early warnings. ¿Hay problemas de adopción? ¿Necesitan refuerzo?
- A 90 días: medición completa contra línea base. Tasa de adopción, tiempo medio, calidad, cumplimiento de política.
- A 180 días: medición de persistencia. Sin esta segunda medición no se sabe si el cambio se mantuvo o fue efímero.
- A 365 días (opcional): si se renueva el ciclo de formación, comparar con el primer ciclo para mejorar.
Coste del seguimiento
Para una empresa B2B mid-market, presupuesto de un seguimiento de impacto bien hecho:
- Línea base + diseño: 3.000-5.000€ (incluido en el coste del diseño del programa formativo).
- Mediciones a 30, 90 y 180 días: 4.000-7.000€ totales.
- Análisis y entrega del dossier de impacto: 2.000-4.000€.
Total seguimiento: 9.000-16.000€. Como porcentaje del coste del programa formativo completo, representa un 15-25%. Por debajo de esto, el seguimiento es superficial. Por encima, suele ser sobreingeniería.
Por qué el seguimiento honesto importa al cliente
Un cliente que ha pagado 50.000€ en formación quiere saber si ha servido. Las métricas inventadas pueden hacer feliz al RR.HH. del cliente a corto plazo. Las métricas honestas son las que le permiten al cliente decidir bien si renovar el ciclo de formación al año siguiente.
En Nexus, el seguimiento de impacto se incluye en el diseño desde el inicio. Si la métrica honesta dice que el programa no funcionó, lo decimos y ajustamos. Si dice que funcionó, hay base para repetir con confianza.
Preguntas frecuentes
¿Cómo se mide si la formación en IA ha funcionado?
Con cuatro métricas: tasa de adopción real a 3 y 6 meses, tiempo medio de tareas candidatas antes y después, calidad subjetiva del output y cumplimiento de la política de IA interna. Miden cambio de comportamiento en el trabajo real, a diferencia de las horas impartidas o la satisfacción, que solo describen actividad.
¿Qué métricas de formación en IA no sirven para medir impacto?
Las métricas de vanidad: la satisfacción del participante, útil para mejorar el formato pero no para medir impacto; la productividad aumentada un X por ciento, casi siempre inventada o mal medida; las horas formativas impartidas; el número de certificados emitidos; y la tasa de finalización, que será del 100% si la formación es presencial y obligatoria.
¿Qué adopción es razonable esperar tras una formación en IA?
Este análisis considera que una buena formación lleva a entre el 50 y el 70% del equipo a usar IA cuatro o más veces por semana a los 3 meses. Más del 70% es excepcional y por debajo del 30% indica que la formación no ha cuajado. La medición se repite a los 6 meses para validar la persistencia.
¿Cuánto cuesta el seguimiento del impacto de una formación en IA?
Para una empresa B2B mid-market, el seguimiento completo suma entre 9.000 y 16.000 euros: línea base y diseño de 3.000 a 5.000, mediciones a 30, 90 y 180 días de 4.000 a 7.000, y análisis con dossier de impacto de 2.000 a 4.000. Equivale a un 15-25% del coste del programa formativo completo.