¿Queda alguien que no empiece escribiendo un prompt para diseñar una formación? En apenas unos minutos la IA nos devuelve un índice, nos redacta los contenidos, nos propone las actividades y los test de evaluación y, por si fuera poco, nos genera las imágenes y elementos gráficos que necesitamos. La barrera para crear formación ha bajado hasta casi desaparecer y surge, a la par, un problema nuevo: cuando diseñar cursos deja de ser difícil, decidir qué curso merece existir se vuelve más importante.
La IA puede generar un curso completo, pero no decidir qué error necesita cometer o experimentar el alumno para aprender, y este escenario cambia el diseño instruccional con IA, porque si producir contenidos deja de ser problemático, el punto de partida ya no puede ser qué información queremos transmitir, sino qué decisión queremos mejorar, qué comportamiento queremos cambiar y qué experiencia necesita vivir una persona para modificar su criterio.
Con IA conviene invertir el orden del diseño de un curso. Antes de ella, el proceso habitual era empezar por el contenido, reuniendo información, estructurando el temario, preparando los materiales y planteando ejercicios o actividades para comprobar si ese contenido se había entendido. El foco estaba en lo que la empresa quería transmitir, no necesariamente en lo que la persona necesita ser capaz de hacer. En cambio, con IA, esa lógica pierde sentido porque producir contenidos deja de ser el cuello de botella, y consecuentemente el punto de partida pasa a ser lo verdaderamente complejo: qué decisión queremos que el profesional tome mejor, qué error frecuente queremos que deje de cometer y qué situación necesita experimentar para cambiar su criterio. A partir de ahí y no antes, la máquina puede generar los contenidos, escenarios y recursos necesarios para construir esa experiencia.
Ahí empieza el diseño instruccional con IA, no en pedirle a un modelo que cree un curso, sino en diseñar primero la capacidad que queremos desarrollar y utilizar la tecnología para hacerla practicable.
Buena parte de la formación corporativa tradicional está construida alrededor de la transmisión correcta de información y la comprobación posterior: primero se explica la respuesta adecuada y después se verifica si el alumno la recuerda. En cambio, una simulación bien diseñada permite que el alumno tome una decisión, se equivoque en algo concreto y descubra las consecuencias antes de recibir la explicación.
Por ejemplo, en un curso sobre uso responsable de IA generativa:
Un formato tradicional plantea una pregunta: ¿Qué debes hacer si ChatGPT genera información dudosa? La respuesta correcta es conocida: verificar la información. El problema es que conocer la respuesta no garantiza aplicarla cuando hay prisa, presión o exceso de confianza.
Una simulación no pregunta nada, coloca al participante en una situación realista: un asistente de IA devuelve una respuesta impecablemente escrita con una referencia inventada, el profesional la utiliza para preparar un informe y dos escenas después un cliente pregunta dónde está publicado ese estudio. Sólo entonces descubre que no existe tal referencia .
La diferencia no está en que el alumno conozca la regla, sino en que experimente el coste de no aplicarla.
El mismo patrón sirve para otros ámbitos:
- en liderazgo: una conversación difícil cuyas primeras decisiones generan consecuencias inesperadas;
- en cumplimiento normativo: un empleado presionado para saltarse un procedimiento;
- en ventas: una objeción del cliente que obliga a elegir entre cerrar rápido o proteger el valor de la propuesta.
Elegir bien el error es la mitad del diseño y el mejor error es el que es:
específico:no «falta de criterio», sino «dar por buena una referencia que no ha comprobado»;
frecuente:una situación que puede ocurrir realmente en el puesto;
con consecuencias diferidas:suficiente distancia entre la decisión y el resultado para que el alumno tenga que revisar su razonamiento.
Diseñar una simulación consiste, en buena medida, en elegir un error del que merezca la pena aprender.
Una simulación no debería limitarse a decirle al alumno si ha acertado, ya que su valor está precisamente en mostrarle qué ocurre cuando esa decisión se traslada a una situación real. Así, si el participante acepta una respuesta generada por IA sin verificarla, la experiencia no puede terminar con un mensaje de «recuerda comprobar las fuentes», sino que ha de continuar con la historia para que el informe llegue al cliente, éste pregunte por la fuente utilizada y el alumno tenga que responder.
La regla a seguir es que cada decisión debe tener consecuencias visibles. Si todas las respuestas conducen al mismo escenario y la IA solo puntúa al final, en vez de crear una experiencia de aprendizaje has convertido un test tradicional en una interfaz conversacional.
Las buenas experiencias de aprendizaje no empiezan siempre con el problema más difícil. Van aumentando progresivamente en complejidad, introduciendo sucesivos éxitos aparentes que permiten al alumno tomar una decisión y creer que ha resuelto la situación, para unas escenas después descubrir que su decisión ha generado una nueva complicación. Ahí aparece el aprendizaje de verdad, no cuando el sistema corrige al alumno, sino cuando la realidad le contradice porque le obliga a revisar su propio criterio.
Mientras que una experiencia que solo muestra respuestas correctas mide memoria, otra que permite equivocarse y analizar consecuencias desarrolla criterio.
Quita la historia. Si el objetivo se cumple igual, era decoración y estaba gastando la atención del alumno a cambio de nada.
Quita la IA. Si tres pantallas y un test producen el mismo aprendizaje, no necesitas un tutor conversacional.
Responde con frases razonables pero vacías. Si el sistema las acepta todas, no está enseñando, está validando.
¿Qué decisión tendrá que tomar el alumno?
¿Qué error quiero que cometa?
¿Quién le pondrá resistencia?
¿Qué consecuencias verá?
¿Qué hará distinto cuando termine?
¿Qué decisión real del puesto queremos mejorar?
¿Qué error frecuente queremos evitar?
¿Qué situación laboral reproduce la experiencia?
¿Qué evidencia tendremos de que el criterio ha cambiado?
¿Qué parte requiere diseño humano y qué parte puede automatizar la IA?
Las dos listas responden a la misma pregunta desde lados distintos:
- Quien diseña necesita saber qué experiencia construir.
- Quien compra necesita saber si el proveedor ha diseñado una experiencia o simplemente ha generado materiales.
La tecnología permite crear miles de conversaciones y el diseño instruccional decide cuáles merecen ocurrir. La IA escribe cursos, el diseñador define la experiencia y quien decide la inversión debe asegurarse de que esa experiencia cambia algo que importa.
La IA abarata la creación de formación, pero aumenta la importancia de saber qué formación merece la pena crear.
