Nadie Aprende a Volar con un Manual

Por qué la forma en que entrenamos a los pilotos es la forma en que los profesionales con experiencia deberían aprender IA

En resumen:

• La mayoría de las capacitaciones en IA fallan con los profesionales con experiencia porque el formato —webinarios, listas de instrucciones, demostraciones— no les da nada a lo cual anclar su criterio.
• La evidencia es contundente: más de 200 estudios con más de 10.000 participantes confirman que el aprendizaje basado en simulaciones supera a la instrucción convencional, sobre todo en resolución de problemas y situaciones complejas.
• En mi investigación doctoral, quienes practicaron en una simulación cometieron cerca de 7 veces menos errores y terminaron las tareas reales en menos de la mitad del tiempo que quienes solo recibieron lecciones.
• El hallazgo clave: dentro de una simulación bien diseñada, la ansiedad dejó de traducirse en errores. No desaparece; deja de costarle. S
• u experiencia profesional no es un obstáculo para aprender IA: es la materia prima que hace que la simulación —y la IA misma— funcione de verdad.

Antes de pisar un aula como docente, me formé como ingeniero aeroespacial. Y si hay algo que la aviación comprendió décadas antes que el resto de nosotros, es esto: cuando hay mucho en juego y las situaciones son complejas, no se aprende leyendo sobre el tema. Se aprende practicando primero en un entorno  seguro.

Ninguna aerolínea le entrega un manual a un piloto nuevo, le muestra un par de videos y lo envía a volar con doscientos pasajeros a bordo. Los pilotos pasan horas en simuladores: entornos diseñados para que las decisiones se sientan importantes sin que sean catastróficas. Vuelan a través de tormentas que no existen. Pierden motores que nunca estuvieron encendidos. Cometen los errores, los sienten y los corrigen, mucho antes de que cualquiera de ellos tenga consecuencias reales.

Compare eso ahora con la manera en que se les pide a la mayoría de los profesionales que aprendan IA: un webinar, una lista de instrucciones para el chatbot, quizá una demostración a la hora del almuerzo. Y de vuelta al escritorio, donde se espera que usted sepa, de alguna manera, cuándo confiar en estas herramientas, cuándo cuestionarlas y cómo incorporarlas a un trabajo que le ha tomado veinte años aprender a hacer bien.

Es el equivalente a entregarle a alguien el manual de vuelo y señalarle la pista. Y cuando no funciona —cuando las personas terminan la capacitación más confundidas y más ansiosas que antes— culpamos a las personas, no al método.

El problema no es usted. Es el formato.

Hay algo que he observado a lo largo de años enseñando IA a profesionales sin perfil técnico: quienes más batallan con la capacitación típica en IA suelen ser las personas con más experiencia en la sala. No porque no puedan aprender —sus trayectorias demuestran lo contrario—, sino porque la capacitación típica en IA no les ofrece nada a lo cual anclar su experiencia.

Una lista de instrucciones es genérica por diseño. Una demostración de herramientas le muestra lo que hace el software, no lo que usted debería hacer con él. Y así, la persona con dos décadas de criterio en banca, comercio u operaciones asiste a la sesión y sale con la misma sensación incómoda: entiendo las palabras, pero no sé qué significa esto para mi trabajo.

Vale la pena tomarse en serio esa sensación, porque la investigación dice algo interesante al respecto. Trabajar con IA es lo que los especialistas en aprendizaje llaman un problema mal estructurado: rara vez hay una única respuesta correcta, la situación cambia y el éxito depende del criterio, no de un procedimiento memorizado. Yo mismo planteé este argumento en mi trabajo académico hace años: los formatos de curso tradicionales y lineales sencillamente no están hechos para transmitir ese tipo de complejidad. Son excelentes para transferir datos. Son deficientes para desarrollar el criterio situacional que los profesionales realmente necesitan.

Las simulaciones están diseñadas precisamente para cerrar esa brecha.

Lo que dice la evidencia

Esto no es solo el cariño de un ingeniero por los simuladores de vuelo. Las revisiones a gran escala del aprendizaje basado en simulaciones —que agrupan cientos de estudios en medicina, gestión, formación docente e ingeniería— encuentran de manera consistente mejoras sustanciales en el aprendizaje frente a la instrucción convencional, con los efectos más fuertes justamente donde vive la fluidez en IA: la resolución de problemas, el diagnóstico y el manejo de situaciones en desarrollo (Chernikova et al., 2020; 2024).

Y hay un detalle que me parece particularmente alentador: la investigación reciente sugiere que lo que hace funcionar a una simulación no es el realismo visual ni la tecnología costosa. Es lo que los investigadores llaman correspondencia funcional: que la simulación conserve las decisiones, las disyuntivas y los juicios que importan en la tarea real. Un escenario bien diseñado en su computadora portátil puede superar a un sofisticado equipo de realidad virtual, si las decisiones son las correctas.

También cuento con mis propios datos. En mi investigación doctoral en la Universidad de Concordia, comparé cómo las personas aprendían a usar un software desconocido bajo distintas condiciones: algunas recibieron únicamente lecciones, otras practicaron en un entorno de práctica convencional y otras practicaron dentro de una simulación con formato de juego. Cuando llegó el momento de ejecutar tareas reales en la interfaz verdadera, las diferencias fueron notables. Quienes solo habían recibido lecciones cometieron en promedio más de tres errores por ejercicio y tardaron cerca de dos minutos en terminar. Quienes se habían entrenado en la simulación cometieron en promedio casi cero errores y terminaron en menos de cuarenta segundos.

Hay un matiz de ese estudio que no he olvidado, porque es honesto y porque importa. El grupo de la simulación no obtuvo el mejor puntaje en las preguntas de opción múltiple —la teoría, por así decirlo—. Obtuvo el mejor resultado donde contaba: al ejecutar la tarea, con rapidez y precisión. La simulación no lo hace mejor para hablar de una habilidad. Lo hace mejor en la habilidad.

La cuestión de la ansiedad

Hay un hallazgo más de esa investigación que quiero compartir con cuidado, porque creo que le habla directamente a cualquiera que sienta un nudo en el estómago cuando el tema de la IA aparece en el trabajo.

Entre todos los participantes de mi estudio, una mayor ansiedad iba de la mano con más errores. Nada sorprendente: la ansiedad pasa factura al desempeño; eso lo sabemos desde hace mucho. Pero cuando volví recientemente a mis datos con ojos frescos, algo llamó mi atención: dentro del entorno de simulación, esa penalización prácticamente desaparecía. Los participantes con más ansiedad rendían a la par de los más tranquilos.

Quiero ser preciso sobre lo que esto significa y lo que no. Fue un solo estudio, con alrededor de setenta participantes, que midió ansiedad general ante las evaluaciones, no ansiedad frente a la IA en particular. No demuestra que las simulaciones hagan desaparecer la ansiedad: la sensación, presumiblemente, seguía allí. Lo que sugiere es más sutil y, creo, más útil: una simulación bien diseñada elimina el costo de la ansiedad. Cuando los errores no acarrean consecuencias reales, el nerviosismo que normalmente deteriora el desempeño pierde su influencia sobre el resultado.

Para los profesionales con experiencia que sienten que los observan, los juzgan o los miden cada vez que tocan una herramienta de IA en el trabajo, eso no es poca cosa. Puede que sea lo más importante.

Por qué esto funciona aún mejor cuando usted aporta experiencia

Aquí es donde el argumento se inclina a favor de justamente las personas que se sienten más rezagadas.

Una simulación es tan rica como el criterio que usted lleva a ella. Ponga a un principiante en un simulador de vuelo y aprenderá los controles. Ponga a un piloto experimentado y pondrá a prueba todo su repertorio de toma de decisiones. El entorno es el mismo; la profundidad del aprendizaje, no.

Lo mismo ocurre cuando la simulación es un escenario de negocio y las herramientas son de IA. En mis cursos, los participantes asumen el liderazgo de Orvaux, una empresa familiar de artesanos —ficticia— cuyos hermosos productos hechos a mano se han ganado clientes fieles, pero cuyas tiendas atraviesan dificultades silenciosas: menos visitantes, costos en aumento y una familia que lee las mismas cifras preocupantes con ojos completamente distintos. La tarea de los participantes no es memorizar qué es el aprendizaje automático. Es determinar cuáles de los problemas de Orvaux pueden verse realmente en los datos, cómo sería una solución de IA sensata y —sobre todo— dónde no se le debe confiar a la IA la decisión.

Observe lo que sucede en ese escenario. La gerente de tienda recurre a cada conversación difícil que ha tenido con un cliente. El profesional de finanzas lee el balance como solo puede hacerlo alguien que ha convivido con uno. Su experiencia no es un obstáculo para aprender IA: es la materia prima con la que funciona todo el ejercicio. Es lo que yo llamo Bring Your Own Life («traiga su propia vida»): el reconocimiento de que su historia profesional y personal es precisamente lo que hace que la IA sea genuinamente útil en sus manos, y la simulación es el entorno donde esa historia puede hacer su trabajo.

Mis estudiantes me lo dicen con sus propias palabras. Lo que recuerdan y valoran, año tras año, son los escenarios de la vida real: esos momentos en que un concepto abstracto se conecta de pronto con una situación que reconocen. ¿Y su solicitud más frecuente, por amplio margen? Más trabajo práctico, no menos.

Una advertencia honesta

No le haría un favor si sugiriera que las simulaciones son mágicas. No lo son: son ingeniería, y la ingeniería puede hacerse mal. En mi propia investigación, un grupo pequeño de participantes encontró el formato de juego genuinamente estresante, en gran medida por decisiones de diseño (un cronómetro en cuenta regresiva, reinicios forzados) que añadían presión sin añadir aprendizaje. Eso me enseñó tanto como los aciertos: la seguridad del entorno no es un efecto secundario, es un requisito de diseño. Una simulación para profesionales con experiencia debe sentirse como una cabina de vuelo con un guía a su lado, no como una máquina de videojuegos con tabla de puntuaciones.

Ese es el estándar al que someto mis propios escenarios. Lo suficientemente serios para que importen. Lo suficientemente seguros para experimentar. Lo suficientemente ricos para que su experiencia tenga adónde ir.

La pista está justo ahí

Si usted ha pasado por capacitaciones en IA que lo dejaron frío, es casi seguro que el problema no fue su edad, su formación ni su aptitud. Fue que alguien le entregó el manual y a eso lo llamó volar.

Hay una mejor manera, y la aviación lleva casi un siglo demostrándola en silencio: dele a personas capaces una situación realista, herramientas reales, decisiones reales y cero consecuencias reales, y observe lo que pueden hacer veinte años de criterio profesional.

Ese es el entorno que yo construyo. Y si tiene curiosidad por vivir la experiencia, con gusto le mostraré cómo funciona.

Juan Carlos Sanchez-Lozano es el fundador de Scenaptic.AI. Es ingeniero aeroespacial y doctor en tecnología educativa, y ha capacitado a profesionales de organizaciones como Amazon, McKinsey, PwC y Pfizer.

Referencias

Chernikova, O., Heitzmann, N., Stadler, M., Holzberger, D., Seidel, T., & Fischer, F. (2020). Simulation-based learning in higher education: A meta-analysis. Review of Educational Research, 90(4), 499–541. https://doi.org/10.3102/0034654320933544

Chernikova, O., Holzberger, D., Heitzmann, N., Stadler, M., Seidel, T., & Fischer, F. (2024). Where salience goes beyond authenticity: A meta-analysis on simulation-based learning in higher education. Zeitschrift für Pädagogische Psychologie, 38(1–2), 15–25. https://doi.org/10.1024/1010-0652/a000357

Sánchez-Lozano, J. C. (2010). Distributed information resources and embodied cognition in software application training: Interaction patterns in online environments and digital games [Tesis doctoral, Universidad Concordia].

Sanchez-Lozano, J. C. (s. f.). Advanced skills acquisition in professional settings: Computer games and simulations as parallel support systems in e-learning [Manuscrito inédito]. Universidad Concordia.

Sanchez-Lozano, J. C., & Schmid, R. (2007, 9–13 de abril). Application of structural analysis to game-based learning [Ponencia]. American Educational Research Association Annual Meeting, Chicago, IL, Estados Unidos.