Aprendizaje en el lugar de trabajo

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

Aprendizaje en el lugar de trabajo — el uso de la IA para el desarrollo de la fuerza laboral, el aprendizaje corporativo y la adquisición de habilidades profesionales. La formación profesional extiende la IA en la educación más allá de la escolarización formal hacia contextos de trabajo y de aprendizaje a lo largo de la vida.

Preguntas para reflexionar

• Piense en una habilidad que aprendió en el trabajo y no en un aula. ¿Qué hizo eficaz ese aprendizaje en el lugar de trabajo, y cómo podría un entrenador de IA replicarlo o mejorarlo?
• El marco de niveles de Preparación para la Fuerza Laboral de esta página (preparación para la carrera profesional) sugiere que las etapas de competencia más altas están «condicionadas por la experiencia integrada en la industria y no por los cursos». ¿Qué implica eso para cómo deberíamos formar a las personas, y para los límites de la simulación con IA?
• Los pacientes virtuales y los simuladores de formación permiten a los profesionales practicar de forma segura. ¿Qué tipos de juicio y de habilidades interpersonales podría costarle capturar a un simulador, por muy realista que sea?
• El «problema del doble tren» es la tensión entre unas habilidades de IA que cambian rápidamente y el ritmo más lento de la política y el diseño curricular. Si pudiera elegir competencias duraderas que priorizar hoy para quienes aprenden, ¿cuáles serían?
• Quienes aprenden siendo adultos compaginan trabajo y estudio, a menudo a través de pantallas. ¿Cómo podría la formación profesional impulsada por IA facilitar y a la vez complicar ese equilibrio, sobre todo en lo relativo a los datos, la confianza y el tiempo?

Introducción

La IA en la formación profesional

• Simulación y práctica: la formación con pacientes virtuales y los simuladores de formación para controladores de tráfico aéreo crean entornos de práctica profesional impulsados por IA. En la formación docente, la simulación de juego de roles con IA extiende esto a la enseñanza basada en la práctica: Student GPT simulaba a un estudiante de matemáticas de secundaria con ideas erróneas para que el futuro profesorado pudiera practicar el diagnóstico y la corrección de los errores del estudiantado, en línea con las «aproximaciones a la práctica» del aprendizaje docente basado en la práctica como complemento asequible de plataformas costosas como TeachLivE.

• Integración con el aprendizaje a lo largo de la vida: la investigación sobre el aprendizaje a lo largo de la vida y el aprendizaje de personas adultas conecta la formación profesional con la educación continua.

• Sector público: la adopción de la IA en el sector público examina la formación en contextos gubernamentales.

• Marcos de preparación para la fuerza laboral: Smith et al. proponen un marco de Niveles de Preparación para la Fuerza Laboral (WRL) que adapta la escala de Niveles de Preparación Tecnológica a nueve etapas de competencia puntuadas en cuatro pilares (alfabetización digital y en IA, fluidez ciberfísica, colaboración persona-máquina y toma de decisiones basada en datos), bajo una regla de «ningún pilar débil». La evidencia de proyectos finales de fabricación inteligente muestra que las etapas de preparación más altas están condicionadas por la experiencia integrada en la industria y no por los cursos, lo que apunta al aprendizaje integrado en el trabajo como algo esencial para la formación profesional en IA.

• La evidencia de desarrollo profesional específico de cada disciplina es escasa. Una revisión sistemática sobre docentes de lenguas (Li et al. 2026) encontró que solo tres de 23 estudios informaban de desarrollo profesional estructurado, aunque los que lo hacían coincidían en ganancias de conocimiento, confianza e identidad: evidencia de que la formación estructurada y específica de la disciplina (que une la habilidad técnica con la sabiduría práctica) es a la vez escasa y eficaz, y de que el desarrollo profesional debería pasar de la sensibilización y la ética al dominio práctico de las herramientas y al codiseño de clases mejoradas con IA.

• El desarrollo profesional del formador de docentes como construcción de modelos: Eyal (2025) impartió un curso de un año y 180 horas en el que 22 formadores de docentes de educación superior codiseñaron el Modelo Adaptativo de Alfabetización en Inteligencia Artificial, sustituyendo las escaleras de competencias fijas por tres ejes interrelacionados (ajuste al contexto, necesidades profesionales y desarrollo dinámico) y un cuestionario reflexivo de autoevaluación de 20 ítems. La premisa de diseño es que la alfabetización en IA es situacional: un futuro docente en un contexto con pocos recursos, un docente de una materia y un director necesitan competencias distintas, así que el desarrollo profesional debería apuntar al juicio específico del rol y no a una rúbrica estandarizada.

• Qué debería tener como objetivo la formación: la base de medición del campo va por detrás de la tecnología que describe. En una revisión sistemática de 33 instrumentos de alfabetización en IA para el profesorado, Zainal, Mohd Matore y Maat (2026) encontraron que 29 (87,9%) se centraban en conceptos generales de IA, mientras que solo cuatro (12,1%), todos publicados en 2025, abordaban la IA generativa. Si los instrumentos siguen lo que la formación pretende construir, esa distribución marca la competencia en IA generativa para la enseñanza como el objetivo menos medido y más urgente del desarrollo profesional.

• Prospectiva sobre la fuerza laboral: Fletcher et al. revisan la literatura gris estadounidense sobre la IA y la fuerza laboral de ingeniería e informática, enmarcan el «problema del doble tren» (cambio rápido frente a política urgente) y recomiendan que la educación superior priorice competencias duraderas en IA, la ética y la gobernanza, y credenciales basadas en habilidades alineadas con roles emergentes (por ejemplo, la ingeniería de prompts, la auditoría de IA o la política sobre IA) para sostener el trabajo centrado en las personas en una economía automatizada.

• Evaluación oral para la capacidad profesional. Un estudio de diseño de FP aborda el desajuste histórico entre una evaluación muy textual y las capacidades verbales y situacionales que certifican las cualificaciones profesionales, usando un LLM para apoyar una evaluación oral interactiva. En cuatro cohortes, el formato de voz fue valorado como realista por 21 de 33 estudiantes, sin ninguna respuesta discrepante sobre su ventaja frente a un portafolio escrito, y el sistema funcionó totalmente sin conexión en un portátil para hasta 12 estudiantes simultáneos, eliminando las grabaciones a los 90 días y dejando la puntuación a quienes evalúan (Designing AI-Supported Oral Assessment in TVET). Es un ejemplo concreto de cómo la IA amplía el rango de competencias evaluables en la formación profesional en lugar de limitarse a automatizar formatos escritos existentes. Sus cohortes, sin embargo, eran clases de automoción e ingeniería de nivel 3, así que la evidencia se sitúa en la oferta de formación profesional inicial y no en el reciclaje profesional en el lugar de trabajo que cubre esta página.

• Las condiciones institucionales, y no el contexto nacional, explican las brechas de preparación. Una encuesta comparativa de 568 docentes universitarios de centros de desarrollo del profesorado de China (n = 340) y Kazajistán (n = 228) (Bi, Araily, Lyu y Xiu, 2026) encontró que el profesorado kazajo iba por delante en las siete dimensiones de preparación para la IA generativa en la línea base, con las mayores brechas en transferencia disciplinar, diseño de prompts y evaluación asistida por IA. La regresión jerárquica desmontó la explicación nacional: la diferencia entre países cayó bruscamente cuando entraron en el modelo el uso previo de IA generativa y la formación reciente, y dejó de ser significativa —una reducción del 80%— una vez añadidos el apoyo institucional, el permiso percibido para experimentar, el acceso a recursos multilingües, la claridad de las políticas y la sensibilidad al riesgo. La exposición estaba distribuida de forma desigual (una clara mayoría del profesorado kazajo había recibido formación en IA en los seis meses anteriores, frente a alrededor de una cuarta parte del profesorado chino), y el profesorado chino declaró a la vez mayor claridad de políticas y mayor sensibilidad al riesgo. La formación estructurada en tareas de prompts superó con un margen amplio a la familiarización convencional con la IA generativa en el diseño de prompts posterior a la prueba. La preparación del profesorado, según esta evidencia, la producen la oferta y el permiso —lo que un centro ofrece y lo que permite— y no el sistema nacional en el que se inserta.

• Una formación breve cambia los juicios, no las intenciones. Un piloto pre-post de tres horas con 100 docentes alemanes (Mesenhöller y Böhme, 2026) encontró que la utilidad percibida (d = 0,32) y la facilidad de uso percibida (d = 0,25) aumentaron de forma significativa tras una sesión breve y orientada a la práctica sobre IA para la diferenciación, mientras que la intención conductual no se movió de una línea base ya alta (M = 3,07). Los autores leen la brecha como señal de que la aceptación depende de condiciones que una sesión no puede proporcionar, como el tiempo, la infraestructura y reglas institucionales claras. Merece la pena impartir formatos breves, pero emparejarlos con esas condiciones es lo que convierte un juicio favorable en uso.

• Seguimiento sostenido, y no talleres puntuales, en la formación inicial. Una revisión sistemática de 11 estudios sobre IA en la formación inicial del profesorado de matemáticas de primaria (Pinto et al., 2026) encontró que nueve intervenciones eran una sola sesión o unas pocas sesiones integradas en cursos existentes, que las actitudes solían medirse una sola vez a posteriori y que la ética aparecía en solo tres estudios. Los autores sostienen que la competencia en IA debe desarrollarse a lo largo de toda la secuencia formativa, desde una fase preparatoria hasta el prácticum y los primeros años de práctica, con un seguimiento que acompañe esa progresión.

• La exposición y la repetición, y no los datos demográficos, se asocian a percepciones favorables. En un estudio de métodos mixtos con 302 docentes turcos de matemáticas de primaria (Ciğerci y Uygun, 2026), la formación previa en IA (t = 3,661) y la frecuencia de uso de la IA (F = 41,280) fueron las variables asociadas de forma más consistente con opiniones positivas, mientras que la disposición (M = 3,98) y las actitudes (M = 3,82) se situaban muy por encima de la experiencia personal (M = 3,00). Los autores tratan la formación previa como la palanca más clara sobre la que pueden actuar las escuelas, lo que apunta a un uso repetido y sostenido y no a una única introducción.

• La rotación de roles como estructura portante. Un estudio de diseño con 62 futuros psicólogos educativos en Kazajistán (Kenzhebayeva et al., 2026) hizo rotar al estudiantado por cuatro posiciones profesionales a lo largo de ocho semanas, con la IA generativa aportando ideas preliminares. Los autores sostienen que el valor estaba en la rotación y no en la herramienta, ya que cada rol enmarcaba el mismo caso de forma distinta, y los ciclos posteriores mostraron más peticiones de justificación teórica. Informan de implicación y no de ganancias medidas, ya que no recogieron medidas de competencia antes y después.

Distinto de la educación académica

La formación profesional se distingue de la educación académica por su foco en habilidades aplicadas, su relevancia inmediata para el lugar de trabajo y las características de quien aprende siendo adulto. La teoría del aprendizaje de personas adultas y los principios del aprendizaje de personas adultas informan el diseño de la formación profesional en IA. Su otra frontera es la educación y formación profesional: la FP admite a personas que aún no ejercen la ocupación y termina con una cualificación técnica o de oficio, por lo que conlleva la preparación ocupacional inicial y los marcos de cualificación que la certifican, mientras que la formación profesional parte de un rol ya existente —reciclaje, educación profesional continua o certificación de proveedores— y da por supuesta la competencia que otorga la FP.

La regeneración de la experiencia como preocupación formativa. El marco de los Bienes Comunes Cognitivos (Lovett 2026) sostiene que el desarrollo de recursos humanos debe ir más allá del reciclaje organizativo hacia una custodia a nivel de profesión: eliminar los puestos de desarrollo de nivel inicial en sectores expuestos a la IA puede agotar el fondo compartido de experiencia del que dependen todas las organizaciones, con un efecto retardado que solo aparece al cabo de 5 a 20 años. Esto replantea la formación profesional desde el desarrollo de competencias individuales hacia el mantenimiento de un bien común colectivo.

Conceptos conectados

• Aprendizaje a lo largo de la vida
• Aprendizaje de adultos
• Educación y formación profesional
• Desarrollo educativo
• Alfabetización en IA
• Simulación
• Educación superior
• IA generativa
• Grandes modelos de lenguaje (LLM)
• Aprendizaje adaptativo
• Aprendizaje personalizado
• Realidad virtual y aumentada — donde la práctica inmersiva está más consolidada

Artículos conectados

• Artificial Intelligence (AI) and the Future of the Engineering and Computing Workforce: A Systematic Review of Gray Literature and Document Analysis of U.S. Reports (2020–2025) — La IA y el futuro de la fuerza laboral de ingeniería e informática
• A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era — Marco de Niveles de Preparación para la Fuerza Laboral para la fabricación inteligente en la era de la IA
• Benchmarking the Pedagogical Knowledge of Large Language Models — Punto de referencia de conocimiento pedagógico de los LLM (CDPK + SEND)
• Artificial Intelligence as Catalyst and Contested Terrain: Transforming Interior Design Practice, Pedagogy, and Professional Regulation in Malaysia
• AI-accelerated End-to-End Framework for Rapid Professional Upskilling
• AI Coaching for Accelerating Human Skill Development with Reinforcement Learning
• The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist
• ASTRA: A Scalable Next-Generation ATCO Training Simulator with Autonomous Simpilots
• The Main Barrier to AI Adoption in the Public Sector is Lack of Training
• Efficacy of an Intensive Generative AI Professional Development Program on Pedagogical Content Knowledge (AI-PCK) and the Comparative Analysis of Learning Gain between Experienced and Pre-service Teachers
• CyberAGENTS: Structured Autonomy for Agentic Gamified Learning in Cybersecurity
• Agentic AI-driven Immersive Simulation: A Knowledge-Aware Virtual Training Platform for High Dose Rate (HDR) Brachytherapy
• ResidencyRL: Reinforcement Learning in Simulated Clinical Environments
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — Marco de habilidades en IA de HiBob, validado con docentes y empleadores
• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — La tragedia de los bienes comunes cognitivos: la IA y la regeneración de la experiencia
• The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development — Modelo del triángulo reflexivo: la IA como mediadora cognitiva
• Perceived Utility Moderates Motivational Intervention Effects in Learning to Teach Responsibly with GenAI — Efectos de una intervención sobre el valor de utilidad al aprender a enseñar de forma responsable con IA generativa (Boos, Eder y Lachner 2026)
• A Systematic Review of Language Educators' Practices and Development with GenAI — Prácticas y desarrollo de los docentes de lenguas con IA generativa
• Integrating ChatGPT in Mathematics Teacher Education: AI-Based Simulation Role-Playing to Support Practice-based Teaching
• Research on the optimization of the training system of university faculty development centers in the context of GenAI: a comparative analysis based on Chinese and Kazakhstani universities — Encuesta comparativa que muestra que las condiciones institucionales, y no el contexto nacional, explican las brechas de preparación del profesorado en IA generativa (Bi et al. 2026)
• Rethinking artificial-intelligence literacy through the lens of teacher educators: The adaptive AI model — Formadores de docentes codiseñan un modelo adaptativo de alfabetización en IA y un cuestionario reflexivo (Eyal 2025)
• Assessing teachers' AI literacy: a systematic review of measurement tools — Revisión que muestra que los instrumentos de alfabetización en IA del profesorado van por detrás de la IA generativa y marca el objetivo de la formación (Zainal et al. 2026)
• Empowering teachers to use AI for differentiation: changes in teachers’ acceptance of AI-based technologies following participation in a short professional development training session — Tres horas de desarrollo profesional elevaron la utilidad y la facilidad de uso percibidas de los docentes alemanes, pero no su intención de usar IA para la diferenciación
• Artificial intelligence in initial teacher training for pre-service primary school teachers in mathematics: a systematic review — Revisión sobre la IA en la formación inicial del profesorado de matemáticas de primaria: una formación breve centrada en herramientas no basta
• Evaluation of primary school teachers’ use and perceptions of artificial intelligence in primary school mathematics instruction: a mixed-methods study — Encuesta que vincula la formación previa en IA y la frecuencia de uso con las percepciones positivas de los docentes turcos de primaria
• Designing an AI-integrated role-rotation pedagogical model to support competence-related learning in pre-service educational psychologists — La rotación de roles como mecanismo estructurante de la preparación profesional apoyada por IA
• Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement — Preguntas abiertas hacia una dependencia que sostenga las habilidades en la implicación reflexiva con la IA