Brecha de habilidades IA: lo que reportan vs. lo que saben

La brecha entre habilidades IA declaradas y verificadas sacude a las áreas de talento

Nuevos datos publicados esta semana por la plataforma de habilidades Workera revelan una divergencia significativa entre las competencias de inteligencia artificial que los empleados dicen tener y las que pueden acreditar mediante evaluaciones objetivas. El hallazgo, extraído del AI Skills Enterprise Benchmark Report con base en 88.753 evaluaciones, representa una alerta directa para los departamentos de recursos humanos que diseñan estrategias de formación y contratación apoyándose en autoevaluaciones ^[8].

Según el reporte, las organizaciones que están avanzando más rápido en capacidad de IA son precisamente las que midieron primero, antes de asumir qué sabía su fuerza laboral ^[8].

Contexto: autopercepción versus evidencia

La tendencia de declarar habilidades digitales sin respaldo verificable no es nueva, pero la masificación de herramientas de IA generativa la ha amplificado. En un entorno donde completar un curso en línea o experimentar con un chatbot se traduce fácilmente en "habilidades de IA" en un perfil, la distancia entre lo declarado y lo demostrable se ensancha.

El benchmark de Workera quantifica esa distancia a escala empresarial. No se trata de un estudio académico con muestra limitada: son casi 90.000 evaluaciones aplicadas en entornos corporativos reales ^[8].

Análisis: por qué esto importa ahora

El problema no es solo de honestidad individual. Las autoevaluaciones están sesgadas estructuralmente: quienes menos saben tienden a sobreestimar su nivel (efecto Dunning-Kruger), mientras que perfiles más avanzados a veces lo subestiman. Cuando RRHH usa esos datos para asignar presupuestos de capacitación, armar equipos o tomar decisiones de promoción, el error se multiplica.

Hay tres consecuencias operativas concretas:

• Programas de formación mal calibrados: Si el diagnóstico de partida es incorrecto, los recursos de capacitación se asignan a quienes ya dominan lo básico o se omiten quienes tienen brechas críticas.
• Riesgo en proyectos estratégicos: Equipos constituidos sobre la base de habilidades autoreportadas pueden fallar en fases de ejecución que requieren competencias técnicas reales.
• Indicadores de desempeño distorsionados: Las métricas de "adopción de IA" que se nutren de encuestas internas pueden mostrar avances que no existen sobre el terreno.

Esta semana también se publicó información paralela sobre el sector salud: casi tres cuartas partes de los clínicos encuestados —el 74%— identificaron la pérdida de pensamiento crítico como uno de los principales riesgos de adoptar IA ^[5]. El denominador común es el mismo: la tecnología avanza, pero la gestión del conocimiento humano no sigue el mismo ritmo.

Implicaciones para equipos de RRHH en Latinoamérica

En la región, la presión por mostrar avances en transformación digital es alta, lo que incentiva a reportar capacidades antes de que estén consolidadas. Los departamentos de RRHH enfrentan así una doble presión: rendir cuentas ante la dirección sobre la madurez digital de la plantilla y, al mismo tiempo, garantizar que esos reportes sean confiables.

Algunas acciones que los datos del benchmark sugieren:

• Incorporar evaluaciones verificadas antes de diseñar rutas de aprendizaje en IA, en lugar de partir de encuestas de autopercepción.
• Separar "exposición a herramientas" de "dominio de competencias": usar una plataforma no equivale a tener la habilidad.
• Establecer líneas base medibles que permitan comparar el avance real a lo largo del tiempo, no solo declaraciones periódicas.
• Comunicar internamente que la brecha no es un problema de actitud, sino de metodología de medición, para reducir resistencias al proceso de evaluación.
• Ajustar los criterios de selección cuando se contrata para roles con componente de IA: pedir demostraciones prácticas o pruebas específicas en lugar de basarse en certificados o descripciones del CV.

Conclusión

El reporte de Workera pone sobre la mesa un problema que muchas organizaciones ya intuían pero pocos habían cuantificado a esta escala ^[8]. Para los equipos de RRHH en Latinoamérica, el mensaje es operativo: confiar en lo que los empleados dicen saber sobre IA no es una estrategia de talento, es un punto ciego. Medir primero no es burocracia; es la base para cualquier decisión de capacitación, contratación o desarrollo que aspire a ser efectiva.

La ventaja competitiva en la adopción de IA no la tendrán las empresas con más herramientas, sino las que sepan exactamente en qué punto está su gente.