La capacitación en IA para empresas consiste en convertir el conocimiento disperso de la organización —notas, documentos internos, ideas sueltas— en materiales de entrenamiento adaptados a cada equipo, rol y nivel de habilidad, usando herramientas de IA generativa. El caso más citado hoy es el de RealPage, donde su director de AI enablement usa ChatGPT Work para transformar sus notas y materiales de origen en paquetes de capacitación completos, según la presentación publicada por OpenAI en su canal de YouTube.
Suena simple y probablemente por eso funciona. La mayoría de los programas de IA en empresas medianas no fracasan porque el modelo no sepa escribir. Fracasan porque la gente no sabe qué preguntar, dónde están los límites ni cómo encaja la herramienta en su trabajo real. Ese es el cuello de botella, y es justo donde la IA puede aportar algo concreto.
En este artículo vamos a ver qué hace exactamente RealPage, por qué este patrón es más útil que otro demo de chatbot, cómo se traduce a una empresa peruana y qué advierte el propio análisis del caso sobre sus límites.
¿Qué hace exactamente RealPage con ChatGPT Work?
Austin Bram es director de AI enablement en RealPage. Su rol, según su propia descripción en el video de OpenAI, es ayudar a los miembros de su equipo a entender cómo usar IA de manera práctica para mejorar su trabajo diario. Eso implica crear constantemente materiales de capacitación personalizados para distintos equipos, distintos roles y todos los niveles de habilidad.
El flujo es directo: toma sus ideas, sus notas y sus materiales de origen, y con ChatGPT Work los convierte en paquetes de capacitación completos. El objetivo declarado es ofrecer una educación en IA más relevante y consistente, para que los equipos de RealPage usen la herramienta con más eficacia y generen mejores resultados para sus clientes y para el negocio.
El análisis del caso publicado por kenashe.ai lo resume bien: no hay enjambre de agentes autónomos, no hay afirmación de que la empresa reemplazó un departamento, no hay gráfico gigante de benchmarks. Es una persona responsable de la adopción interna de IA usando ChatGPT para empaquetar conocimiento más rápido.
Y hay un detalle que suele pasarse por alto: Bram no está produciendo contenido genérico de "alfabetización en IA". Está construyendo materiales para equipos y roles específicos. La capacitación genérica enseña qué es la IA. La capacitación por rol enseña qué hacer el lunes por la mañana. Esa diferencia es la que decide si hay adopción de IA o si el curso queda archivado en una carpeta compartida.
¿Por qué este patrón importa más que otro demo de chatbot?
La capacitación tiene tres características que la IA maneja bien: entradas desordenadas, estructura repetible y mucha variación de audiencia. Un grupo necesita una introducción general, otro necesita ejemplos prácticos, otro necesita límites claros. Un nuevo colaborador necesita contexto; un gerente necesita un marco para decidir. El mismo material de origen puede convertirse en muchas versiones, siempre que alguien competente esté dirigiendo el proceso.
Ese es el punto central del análisis de kenashe.ai: el humano no se elimina, se amplifica en la parte menos glamorosa del trabajo, que es convertir conocimiento disperso en algo que los colegas puedan usar. Y si ChatGPT ayuda a una sola persona de enablement a producir esas variantes sin empezar de cero cada vez, eso ya es apalancamiento operativo real, aunque no aparezca en una diapositiva de keynote.
Aquí conviene ser honesto sobre lo que este caso no demuestra. El video no reporta resultados duros: no hay tiempo ahorrado, ni tasas de finalización, ni puntajes de calidad, ni mejora en adopción, ni reducción de errores. Así que no deberíamos tratarlo como prueba de que una herramienta garantiza mejor capacitación. Es mejor entenderlo como un patrón de trabajo replicable.
El riesgo también es evidente y vale decirlo: la IA puede hacer más rápida una capacitación mediocre. Si las entradas son vagas, la guía de políticas está desactualizada o quien revisa no conoce el trabajo de cerca, el resultado puede verse pulido mientras enseña lo incorrecto. Eso es peor que un documento interno tosco, porque el acabado baja la guardia del lector. La verificación humana no es un trámite: es el control de calidad del proceso.
Para que los materiales de capacitación generados con IA sean confiables, el propio análisis recomienda usar fuentes aprobadas, conservar enlaces hacia las políticas y documentos internos, pedir a expertos de la materia que revisen los ejemplos, probar el material con un grupo pequeño antes de desplegarlo y medir si la gente puede ejecutar la tarea después de tomarlo. También sugiere mantener una biblioteca de prompts y formatos, no porque los prompts sean mágicos, sino porque la consistencia ayuda a producir artefactos reconocibles: guías de inicio rápido, ejercicios de escenario, puntos de conversación para gerentes y listas de verificación de riesgos.
¿Qué significa esto para una empresa en Perú?
Pensemos en una empresa mediana en Perú, del sector servicios o manufactura, con 80 o 150 colaboradores. Tiene un jefe de TI o un jefe de sistemas que además hace de todo un poco. Nadie tiene el cargo de "director de AI enablement", y probablemente nadie lo tendrá pronto. Pero la función existe igual, aunque esté repartida entre tres personas sin nombre formal.
Hoy esa función se cubre mandando un PDF genérico por correo y esperando que la gente lo lea. El resultado típico es que el área de ventas no entiende los ejemplos, contabilidad los encuentra irrelevantes y los nuevos se pierden en la primera semana. No es falta de voluntad del equipo: es falta de traducción del material al trabajo real de cada rol.
El patrón de RealPage se puede aplicar sin comprar nada nuevo. La inteligencia artificial en Perú ya está al alcance de una PYME a través de herramientas de uso general, y el cuello de botella no es la licencia, es el criterio. Si el jefe de TI reúne las notas y procedimientos que ya existen —los correos con instrucciones, el manual de la intranet, las respuestas que los supervisores repiten cada semana— y los convierte en tres versiones del mismo material, ya está haciendo lo que hace RealPage, a otra escala.
La diferencia entre una empresa peruana que adopta IA y otra que solo la menciona en reuniones suele estar en este tipo de tareas aburridas. Nadie va a publicar un comunicado por haber reescrito el manual de inducción. Pero es exactamente ahí donde el equipo empieza a usar la herramienta con criterio propio, porque por fin tiene ejemplos de su propio trabajo y no de una empresa de Silicon Valley.
También conviene medir algo. Si vas a invertir tiempo en armar paquetes de capacitación, elige una conducta observable: que el equipo de soporte redacte mejores respuestas a clientes, que ventas resuma el historial de una cuenta antes de una reunión, que administración redacte informes de estado sin pedir plantilla. Un rol, un flujo, una conducta medible. Esa es la recomendación práctica que aparece en el análisis del caso y es la que mejor sobrevive al paso del tiempo.
¿Cómo aplica esto en tu empresa?
Empieza por elegir un solo rol y un solo flujo de trabajo. No intentes cubrir a toda la empresa en el primer intento, porque vas a terminar con un documento promedio que no le sirve a nadie en particular. Escoge el área donde hoy hay más preguntas repetidas: normalmente es soporte, ventas o inducción de personal nuevo.
Luego reúne el material de origen real. No escribas contenido nuevo desde cero: junta los correos que ya enviaste explicando el proceso, el manual que nadie lee, las respuestas que tus supervisores dan de memoria. Ese material desordenado es la materia prima, y es justamente lo que la IA procesa bien.
Después define qué significa "buen trabajo" en ese rol. Este paso no lo puede hacer la herramienta. Solo el negocio puede decidir qué es una buena respuesta a un cliente, un buen resumen de cuenta o un buen informe. Si no tienes esa definición escrita, la IA va a producir algo pulido y probablemente equivocado.
Con eso listo, genera las versiones por nivel: una para quien recién empieza, con límites claros y ejemplos simples; otra para quien ya usa la herramienta, con patrones y errores frecuentes. Haz que el dueño del proceso revise cada versión antes de publicarla, y pruébala con un grupo pequeño de diez personas antes de lanzarla a toda el área.
Finalmente, mide si la gente puede ejecutar la tarea después de la capacitación. No midas si les gustó el material, mide si el trabajo salió mejor o más rápido. Si quieres revisar cómo se vería este flujo en tu operación, puedes conversar con nosotros sobre tu caso y ver qué parte de tu conocimiento interno ya está lista para convertirse en capacitación.
Preguntas Frecuentes
¿Qué es la capacitación en IA para empresas?
Es el proceso de formar a los colaboradores en el uso práctico de herramientas de inteligencia artificial aplicadas a su trabajo diario, con materiales adaptados a cada rol y nivel. No se trata de enseñar qué es un modelo de lenguaje, sino de que cada persona sepa qué hacer con la herramienta en sus tareas concretas, como redactar una respuesta a un cliente o resumir un historial de cuenta.
¿Se puede hacer capacitación en IA sin contratar a un especialista?
Sí, si alguien dentro de la empresa asume la función de reunir el conocimiento interno y convertirlo en materiales por rol. El caso de RealPage muestra a una persona dedicada a eso, pero en una PYME peruana la misma tarea puede repartirse entre el jefe de TI y los líderes de área. Lo indispensable no es el cargo, es el criterio para definir qué es un buen resultado y la disciplina para revisar lo que genera la herramienta.
¿Qué riesgos tiene generar materiales de capacitación con IA?
El principal es producir contenido que se ve profesional pero enseña algo incorrecto, por ejemplo si las fuentes están desactualizadas o quien revisa no conoce el proceso de cerca. El acabado pulido reduce la desconfianza del lector, así que el error pasa más fácil. La mitigación es usar solo material aprobado, conservar enlaces a las políticas internas, hacer que un experto de la materia revise los ejemplos y probar el material con un grupo pequeño antes de desplegarlo.
Conclusión: ¿por qué el caso menos espectacular es el más replicable?
El caso de RealPage no promete una revolución. Muestra a una persona usando una herramienta de IA para hacer más rápido algo que ya hacía: convertir notas dispersas en capacitación útil para distintos equipos y niveles. Sin agentes autónomos, sin departamentos reemplazados y sin métricas espectaculares, según el análisis publicado por kenashe.ai.
Para una empresa en Perú o Latinoamérica, eso es una buena noticia. Significa que el primer caso de uso valioso de IA no requiere una inversión grande ni un equipo nuevo. Requiere elegir un rol, reunir el material que ya existe, definir qué es un buen resultado y revisar con criterio lo que la herramienta produce. Es aburrido, es útil y es replicable esta misma semana.
Si quieres identificar en qué área de tu empresa este patrón daría resultado más rápido, puedes escribirnos desde la página de contacto de Consultoría TI. También puedes revisar más análisis en el blog de Consultoría TI.
Por Edgar Vásquez, Consultoría TI · actualizado el domingo, 25 de octubre de 2026
Fuentes y Referencias
- OpenAI (YouTube) — From notes to AI training with ChatGPT Work | Realpage.
- kenashe.ai — RealPage's AI training workflow is the useful kind of boring
- aicrier.com — ChatGPT Work Tailors RealPage AI Training
✨ Contenido generado con ContentFlow — Consultoría-Ti