IA para las nuevas generaciones

Hay un dato que me parece revelador: según un estudio de Microsoft de 2024, el 85% de los trabajadores de la Generación Z ya usa IA en su trabajo — la mayoría sin que su empresa se los haya pedido o enseñado. Lo hacen por iniciativa propia, con herramientas que ellos mismos buscan, pagan, y aprenden a usar fuera del horario laboral.

Mientras tanto, en la mayoría de las empresas de LATAM, el departamento de TI está evaluando si permitir o bloquear el acceso a ChatGPT. Esa brecha entre lo que ya está pasando y lo que la empresa cree que está pasando es exactamente el problema que necesitamos discutir.

1. De quiénes estamos hablando

La Generación Z — nacidos entre 1997 y 2012 — es la primera generación que llegó al mundo laboral ya habituada a buscar respuestas en línea, a los tutoriales en video, y a iterar rápido con herramientas digitales. No aprendieron a usar internet de adultos: lo absorbieron desde niños como una extensión natural de cómo piensan y trabajan.

La Generación Alpha — nacidos desde 2013 en adelante — va un paso más allá. Para ellos, la IA conversacional no es una novedad tecnológica: es parte del paisaje. Muchos usaron asistentes de voz antes de aprender a escribir. Están entrando a la universidad ahora mismo, y en cinco años estarán en el mercado laboral.

Lo que define a ambas generaciones no es que "sean buenos con la tecnología" — eso es un cliché que no ayuda. Lo que las define es una relación diferente con el aprendizaje y con la incertidumbre: están acostumbradas a no saber algo, buscarlo, probarlo, y ajustar. Ese ciclo que para alguien de 45 años puede ser frustrante, para alguien de 24 es simplemente cómo funciona el mundo.

2. Cómo aprenden distinto — y qué implica para la IA

La diferencia generacional más relevante no es el acceso a herramientas sino la mentalidad frente a ellas. Un empleado de mayor seniority que recibe acceso a un LLM tiende a preguntar: "¿para qué sirve esto exactamente?" Un empleado joven tiende a preguntar: "¿qué puedo hacer con esto que no podía antes?"

Esa diferencia de punto de partida tiene consecuencias concretas en cómo se adopta la IA dentro de los equipos:

• Experimentación espontánea: Los empleados más jóvenes prueban la IA en tareas que nadie les indicó — y a veces descubren casos de uso que la empresa no había contemplado.
• Expectativas altas de velocidad: Están acostumbrados a resultados rápidos. Si una herramienta les toma más de dos minutos configurar, la abandonan. Eso tiene implicaciones de diseño para cualquier iniciativa de adopción.
• Tolerancia al error diferente: No les molesta que la IA falle — lo ven como parte del proceso. Eso puede ser una ventaja (más disposición a iterar) o un riesgo (menos verificación de outputs antes de usarlos).
• Aprendizaje horizontal: Aprenden entre ellos, no de manuales ni de capacitaciones formales. El conocimiento sobre cómo usar IA se difunde en grupos de WhatsApp y canales de Slack antes de llegar al radar de Recursos Humanos.

3. Lo que esto ya está cambiando en el mercado laboral

En los últimos dos años he visto un cambio concreto en cómo las empresas más sofisticadas de la región describen sus perfiles de contratación. Antes pedían experiencia en herramientas específicas. Ahora hay un criterio nuevo que aparece una y otra vez: capacidad de aprender rápido y trabajar con IA.

Eso tiene dos lecturas. La primera es obvia: la IA está redefiniendo qué habilidades importan. La segunda es más incómoda: las empresas están empezando a competir por talento joven que ya viene "precargado" con esas habilidades — y si tu empresa no ofrece un entorno donde esas habilidades se puedan usar, ese talento no va a quedarse.

Un dato que ilustra la magnitud del cambio: según el Foro Económico Mundial, el 65% de los niños que hoy están en la escuela primaria trabajarán en empleos que todavía no existen. Muchos de esos empleos van a requerir colaboración fluida con sistemas de IA. Las empresas que no estén construyendo esa cultura hoy van a tener un problema serio de talento en menos de una década.

4. Qué deben hacer las empresas — y qué no

El error más común que vemos en Saphia Labs es que las empresas plantean la adopción de IA como un programa de entrenamiento para los empleados más jóvenes. La lógica es: "ellos son los que más la necesitan, ellos son los que más la van a usar". Eso está al revés.

Los empleados jóvenes ya saben usar las herramientas. Lo que necesitan de la empresa es contexto: qué casos de uso son estratégicos, qué información no debe salir de la organización, qué estándares de calidad se esperan en los outputs, y cómo escalar lo que funciona. El entrenamiento que necesitan es de juicio, no de operación.

Los líderes y mandos medios son quienes más necesitan entrenamiento en IA — porque son ellos los que toman decisiones sobre qué adoptar, cómo medir el impacto, y cómo integrar IA en procesos que tienen años de historia. Sin ese nivel de comprensión, las iniciativas de IA quedan atrapadas en pilotos que nunca escalan.

Lo que sí funciona:

• Programas de embajadores internos: Identifica a los empleados jóvenes que ya usan IA de forma efectiva y formaliza ese conocimiento. Dales un rol, una plataforma para compartir lo que han aprendido, y reconocimiento. El conocimiento ya está en tu empresa — solo está invisible.
• Políticas claras, no prohibiciones: Define qué herramientas están aprobadas, qué datos no pueden procesarse en modelos externos, y qué validación se espera antes de usar un output de IA en un entregable. Una política clara habilita el uso; la ausencia de política solo lo hace subterráneo.
• Entrenamiento invertido: Crea espacios donde los equipos más jóvenes le enseñen a los más seniors cómo están usando IA en su trabajo. Ese intercambio tiene un doble efecto: transfiere conocimiento práctico y rompe la jerarquía implícita que hace que los seniors sientan que "no saber de IA" es una debilidad.

5. La brecha que nadie quiere nombrar

Hay una conversación que pocas empresas están teniendo abiertamente: la tensión entre empleados que crecieron sin IA y empleados que no recuerdan el mundo sin ella. Esa tensión no es solo de velocidad o de habilidades — es de credenciales.

Durante décadas, la experiencia fue el activo más valioso en una organización. Un gerente con 20 años en la industria sabía cosas que nadie más sabía. La IA no elimina ese valor, pero lo redistribuye de formas que incomodan: un analista de 25 años con buen criterio y manejo de IA puede producir en horas lo que antes tomaba semanas. Eso crea fricciones reales que, si no se gestionan, se convierten en resistencia organizacional.

La respuesta no es romantizar ninguno de los dos extremos. La experiencia sigue siendo irreemplazable para contextualizar, priorizar y decidir. La agilidad con IA es irreemplazable para ejecutar y escalar. El desafío de liderazgo es crear equipos donde ambas cosas coexistan — y eso requiere diseño intencional, no esperar que suceda solo.

Conclusión: no es un problema generacional, es un problema de diseño

La IA para las nuevas generaciones no es un tema de educación o de acceso a herramientas. Es un tema de cómo las organizaciones diseñan sus culturas de trabajo frente a una tecnología que ya está aquí y que una parte de sus equipos ya está usando — con o sin permiso, con o sin criterio.

Las empresas que van a ganar esta transición no son las que tengan el mejor stack tecnológico. Son las que logren crear entornos donde el conocimiento fluye en todas las direcciones — incluyendo de abajo hacia arriba — y donde la capacidad de aprender juntos sea más valorada que la jerarquía de quién sabe qué.

Si quieres pensar cómo diseñar eso en tu organización, en Saphia Labs tenemos experiencia ayudando a empresas de LATAM a construir esa cultura — no solo a instalar herramientas.