La capacitación en IA para empresas es el proceso de enseñar a cada equipo a usar herramientas de inteligencia artificial en las tareas concretas de su puesto, y no solo en teoría. El caso de Realpage, difundido por OpenAI el 23 de octubre de 2026, muestra un enfoque práctico: tomar las ideas, notas y materiales fuente de una persona y convertirlos en paquetes completos de capacitación con ChatGPT Work, adaptados a distintos equipos, roles y niveles de habilidad.
Lo interesante del caso no es la herramienta, sino el problema que resuelve. En la mayoría de las empresas, la adopción de IA se atasca en un punto muy concreto: nadie sabe cómo aplicarla a su trabajo específico. El gerente de ventas no necesita lo mismo que la contadora ni que el jefe de TI, y armar un material distinto para cada uno era, hasta hace poco, un trabajo enorme.
Austin Bram, director de AI enablement en Realpage, describe su rol como ayudar a los miembros del equipo a entender cómo usar la IA de forma práctica para mejorar su trabajo diario. Para eso produce materiales de capacitación personalizados de manera constante. En este artículo veremos cómo funciona ese enfoque, qué límites tiene y cómo se traduce a una empresa mediana en Perú o Latinoamérica.
¿Qué hace exactamente un director de AI enablement?
El título suena nuevo, y lo es. Bram explica que una parte central de su trabajo consiste en ayudar a los miembros del equipo a comprender cómo usar la IA en formas prácticas que mejoren su día a día. No se trata de dar una charla anual sobre inteligencia artificial, sino de producir materiales de capacitación personalizados para diferentes equipos, diferentes roles y todos los niveles de habilidad.
Ese detalle es el que suele pasarse por alto. La adopción de IA no falla porque la herramienta sea difícil, sino porque el contenido de aprendizaje no está segmentado. Un vendedor necesita saber redactar una propuesta comercial asistida; un analista de operaciones necesita saber resumir un reporte largo; un líder necesita saber evaluar cuándo la respuesta de un modelo no es confiable. Si todos reciben el mismo manual genérico, casi nadie lo aplica.
Bram lo resuelve produciendo ese material de forma continua y por audiencia. La consecuencia que él mismo destaca es doble: una educación en IA más relevante y más consistente. Relevante porque habla del puesto real de cada persona; consistente porque todas las áreas reciben el mismo criterio, aunque el ejemplo cambie.
¿Cómo se convierte una nota suelta en un paquete de capacitación?
El flujo que describe Bram es simple de enunciar y poderoso en la práctica. Toma sus ideas, sus notas y sus materiales fuente, y con ChatGPT Work los transforma en paquetes completos de enablement. Es decir, no parte de una página en blanco: parte de materia prima que ya tenía, dispersa y sin formato.
Ahí está la diferencia frente al enfoque tradicional. Antes, convertir una idea en un módulo de capacitación implicaba redactar, estructurar, buscar ejemplos y maquetar. Ese trabajo es el que ahora se comprime. Los materiales de capacitación dejan de ser un proyecto que compite con otras prioridades y pasan a ser una tarea que se puede repetir cada vez que cambia un proceso o entra una herramienta nueva.
Para una empresa que recién empieza con IA, la receta es trasladable casi tal cual. Reúne lo que ya existe: los procedimientos internos, las preguntas frecuentes del área, los correos que explican cómo se hace algo. Eso es tu material fuente. Luego define la audiencia: no "el equipo", sino "el analista de cobranzas" o "el jefe de almacén". Y recién entonces pide una versión adaptada.
Aquí conviene una advertencia. El caso de Realpage no demuestra que el material generado esté listo para publicarse sin revisión, ni mide cuánto tiempo ahorra, ni cuánto mejora el desempeño de los equipos. Es un testimonio de uso, no un estudio con resultados medidos. Tampoco dice qué tan bueno es el material resultante frente a uno hecho por un especialista humano. Lo que sí muestra es un método de trabajo: partir de material propio, segmentar por rol y usar el modelo como redactor, no como fuente de verdad. Ese límite importa, sobre todo cuando el contenido toca procesos internos, datos de clientes o decisiones regulatorias.
¿Qué significa esto para una empresa en Perú o Latinoamérica?
En una PYME peruana el problema es más agudo que en una empresa grande. Una compañía de software con veinte desarrolladores tiene perfiles muy distintos entre sí: el que hace backend con .NET Core, el que hace móvil con Flutter, el que atiende clientes. Cada uno necesita un ejemplo de IA distinto para que la herramienta le sirva. Producir veinte materiales a mano es inviable; producir uno solo y repartirlo no sirve.
Ahí es donde este enfoque cambia la ecuación. La jefa de TI puede partir de sus propias notas sobre cómo se documenta un requerimiento y generar una guía para el equipo de desarrollo, otra para el de pruebas y otra para el de soporte, con el mismo criterio y ejemplos distintos. La contadora puede convertir el procedimiento de cierre mensual en una guía de uso de IA para su área. El gerente de ventas puede transformar su método de calificación de prospectos en material para su equipo comercial.
El beneficio de negocio es directo y medible en adopción, no en promesas. Menos tiempo de una persona senior armando manuales, más áreas usando la herramienta con criterio propio, y menos dependencia de que una sola persona "sepa de IA". En una organización donde el conocimiento suele quedar en la cabeza de dos o tres personas, eso es una diferencia real.
También hay una ventaja de consistencia que suele subestimarse. Cuando cada área arma su propio material sin coordinación, terminan conviviendo criterios distintos sobre qué datos se pueden pegar en una herramienta externa, qué respuestas hay que verificar y qué tareas no se delegan. Un paquete de capacitación centralizado, aunque se adapte por rol, fija ese criterio común desde el inicio.
¿Cómo aplica esto en tu empresa?
Antes de elegir cualquier herramienta, define quién será el responsable de que cada área sepa usar la IA en su puesto. En muchas organizaciones ese rol simplemente no existe, y por eso la adopción se queda en intentos individuales. Puede ser una persona a tiempo parcial, pero tiene que ser alguien con nombre.
Después, haz un inventario de material fuente. Procedimientos, manuales internos, preguntas frecuentes, correos que explican procesos. Casi siempre ya existe y está disperso. Ese inventario es tu punto de partida, no una página en blanco.
Luego segmenta por rol y no por departamento. Un paquete para "ventas" es demasiado amplio; uno para "ejecutivo de cuenta que prepara propuestas" es útil. La regla práctica es que la persona que lee el material debe reconocer su propia semana en los ejemplos.
Finalmente, establece un paso de revisión obligatorio antes de publicar. Alguien con criterio técnico o de negocio debe leer el material, corregir lo que no aplica a la realidad de la empresa y validar los procesos. La velocidad de generación no reemplaza esa validación; la hace más necesaria, porque ahora se produce más contenido en menos tiempo.
Si quieres revisar cómo se vería este esquema en tu operación, puedes conversar con nosotros sobre tu caso. También puedes conocer ContentFlow, nuestro enfoque de generación de contenido, o revisar más artículos en el blog de Consultoría TI.
Preguntas Frecuentes
¿Qué es ChatGPT Work y para qué sirve en una empresa?
ChatGPT Work es la modalidad de ChatGPT orientada a uso laboral. En el caso descrito por OpenAI, el director de AI enablement de Realpage la usa para convertir sus ideas, notas y materiales fuente en paquetes completos de capacitación para distintos equipos, roles y niveles de habilidad. Sirve, entonces, para producir material interno de aprendizaje a partir de contenido que la empresa ya tiene, en lugar de partir de cero.
¿Cómo empiezo una capacitación en IA para empresas si no tengo un área de tecnología?
Empieza por lo que ya existe. Reúne los procedimientos y preguntas frecuentes de un solo rol, por ejemplo el equipo de ventas o el de cobranzas, y define con esa área tres tareas concretas donde la IA pueda apoyar. Con ese material fuente y esos casos, genera una primera guía corta, revísala con la persona que hoy hace ese trabajo y publícala. La capacitación en IA para empresas no requiere un área de tecnología: requiere un responsable con nombre y material de partida real.
¿Cuánto tiempo toma implementar este enfoque en una PYME?
El caso de Realpage no publica cifras de tiempo, así que no corresponde inventarlas. Lo que sí se puede afirmar es que el método reduce el trabajo de redacción, porque parte de notas y materiales existentes en lugar de una página en blanco. En la práctica, la duración depende de cuánto material fuente tengas ordenado y de cuántos roles quieras cubrir en la primera iteración. Empezar con un solo rol y una sola guía es la forma más rápida de validar si el enfoque funciona en tu empresa.
Conclusión: ¿por qué la capacitación es el cuello de botella de la IA?
El caso de Realpage apunta a algo que se repite en muchas organizaciones: la herramienta rara vez es el obstáculo. El obstáculo es que nadie sabe cómo usarla en su puesto específico. Cuando el material de capacitación se produce rápido, segmentado por rol y con un criterio común, la adopción deja de depender de la buena voluntad de unos pocos entusiastas.
La lección trasladable a una empresa peruana es simple: nombra un responsable, ordena el material que ya tienes, segmenta por rol y revisa antes de publicar. No hace falta un estudio con métricas para empezar; hace falta método.
Si quieres evaluar cómo aplicar este enfoque en tu equipo, conversemos sobre tu caso.
Por Edgar Vásquez, Consultoría TI · actualizado el domingo, 25 de octubre de 2026
Fuentes y Referencias
- OpenAI — How Realpage. builds AI training with ChatGPT Work
- vortak.net — Resumen del caso Realpage
- subsrank.com — Estadísticas del video en YouTube
✨ Contenido generado con ContentFlow — Consultoría-Ti