«Si la IA formula y el humano solo aprueba, la organización pierde criterio»

La Inteligencia Artificial está cambiando los modelos de negocio a una velocidad que supera la capacidad de adaptación de muchas organizaciones. Serena Giannuzzi, COO de ISDI, lleva tiempo advirtiendo de que el verdadero cuello de botella de la transformación digital no está en la tecnología, sino en el talento que debe operarla. Desde su posición, con responsabilidad directa sobre programas, campus, claustro y la integración tecnológica en el modelo formativo, tiene una perspectiva privilegiada sobre dónde fallan realmente las empresas cuando apuestan por la IA.

Para Serena Giannuzzi, el error más extendido en el tejido empresarial no es la falta de inversión tecnológica, sino el orden en que se toman las decisiones: la tecnología se activa primero y el desarrollo del talento se aborda después, cuando la transformación ya está en marcha. Esta secuencia, que puede parecer lógica por la urgencia competitiva de las herramientas digitales, tiene un coste medible en términos de adopción, dependencia de terceros y capacidad de adaptación futura.

ISDI defiende un modelo que distingue con precisión entre upskilling, reskilling y el concepto que consideran más estratégico, el preskilling. No se trata de aprender a usar una herramienta concreta, sino de fortalecer las competencias estructurales —pensamiento crítico, criterio estratégico, toma de decisiones bajo incertidumbre— que permiten a una organización adaptarse antes de que la presión externa obligue a hacerlo. En palabras de la propia Serena Giannuzzi, “si quieres ir por delante del cambio, tienes que fortalecer antes la estructura que permite adaptarte”.

Este enfoque tiene implicaciones directas en la forma en que ISDI concibe la formación de directivos y equipos en la era de la IA. Cuando el conocimiento se democratiza y los modelos de lenguaje pueden generar análisis y propuestas estratégicamente plausibles, el valor diferencial ya no reside en acceder a respuestas, sino en saber qué preguntas formular, qué resultados cuestionar y qué decisiones asumir como propias. La IA como copiloto, sí, pero solo si el profesional mantiene la autoridad intelectual sobre la máquina.

[MCPRO] ISDI sostiene que el verdadero reto de la IA ya no es tecnológico, sino humano y formativo, y que la respuesta pasa por combinar preskilling, upskilling y reskilling. Desde tu posición como COO, ¿cómo explicarías a un comité de dirección qué diferencia al preskilling de los otros dos conceptos y por qué es crítico empezar por ahí si la organización quiere ir por delante del cambio y no a remolque?

[Serena Giannuzzi] El preskilling no es una etiqueta nueva, es una decisión estratégica sobre cómo quieres gestionar el cambio. El upskilling mejora el desempeño dentro del papel actual, mientras que el reskilling permite a una persona transitar hacia una responsabilidad diferente cuando el mercado lo exige. Estos dos últimos son fundamentales, pero ambos suelen activarse cuando la necesidad ya es evidente. El preskilling cambia el enfoque, ya que no espera a que la función se deteriore ni a que la herramienta quede desfasada. Refuerza capacidades estructurales que permiten adaptarse antes de que la presión externa obligue.

Cuando hablo con un comité, lo explico en términos de ventaja competitiva. En entornos estables, puedes permitirte reaccionar. En entornos donde la tecnología y los modelos operativos cambian cada pocos años, reaccionar tarde es perder margen, talento y posición.

El preskilling fortalece la capacidad de anticipación organizativa, ya que ofrece pensamiento estratégico, lectura sistémica del negocio y toma de decisiones bajo incertidumbre. Eso hace que, cuando llega una nueva tecnología o cambia el modelo de negocio, la organización no tenga que reconstruirse desde cero.

Si quieres ir por delante del cambio, no puedes limitarte a mejorar habilidades actuales o reconvertir cuando el daño ya está hecho. Tienes que fortalecer antes la estructura que permite adaptarte. Eso es preskilling.

[MCPRO] Como responsable de que toda la maquinaria de ISDI funcione (programas, campus, claustro, calidad e integración tecnológica), ¿qué decisiones operativas habéis tenido que tomar para que la IA esté integrada en el modelo formativo sin perder el foco en el talento humano?

[Serena Giannuzzi] Integrar la IA en ISDI no fue una mejora incremental, fue cuestionar nuestro propio modelo educativo. Si la IA puede producir análisis, presentaciones y hasta propuestas estratégicas técnicamente correctas, entonces el modelo clásico de evaluación deja de tener sentido. No podíamos seguir premiando el “qué” sin revisar el “cómo” y el “por qué”. Redefinimos la excelencia académica: menos foco en el resultado final y más en la calidad del razonamiento, la solidez de los supuestos y la coherencia estratégica.

Operativamente eso supuso decisiones concretas como integrar la IA como parte estructural del proceso formativo, no como herramienta opcional; rediseñar proyectos y entregables, y reentrenar al claustro para evaluar criterio en un entorno donde parte de la ejecución puede estar automatizada. No se trataba de añadir tecnología, sino de evitar que la tecnología rebajara el nivel intelectual.

Pero la decisión más importante fue estratégica. Entendimos que nuestro papel no es enseñar a usar tecnología, sino formar profesionales capaces de mantener el juicio cuando la tecnología está en todas partes.

Porque cuando el conocimiento se democratiza, el valor ya no está en acceder a respuestas, sino en saber qué preguntas hacer, qué respuestas cuestionar y qué decisiones asumir como propias. Y esa responsabilidad, como escuela de negocio, no desaparece con la IA. Se vuelve más crítica que nunca.

[MCPRO] Defendéis que el preskilling va de entrenar competencias estructurales (pensamiento crítico, criterio estratégico, toma de decisiones bajo incertidumbre, lectura sistémica del negocio) más que habilidades sobre una herramienta concreta. ¿Cómo se traduce eso en el diseño de un programa real (metodologías, proyectos, evaluación) y cómo se convence a una empresa que llega pidiendo “un curso rápido de herramienta X” de que primero tiene que invertir en este tipo de capacidades?

[Serena Giannuzzi] El preskilling no excluye la formación en herramientas. Hay compañías que necesitan dominar una tecnología concreta porque están desplegando un proyecto inmediato. En esos casos, aprender la herramienta es clave. El error no es formar en tecnología, el error es creer que eso, por sí solo, transforma la organización.

Eso se traduce en decisiones muy concretas. Diseñamos los programas alrededor de retos de negocio, no alrededor de funcionalidades técnicas. La tecnología siempre está presente, pero integrada en un contexto estratégico: mercado, operaciones, datos, riesgos y cultura organizativa. No trabajamos en silos.

Además, estructuramos la experiencia para que el participante tenga que posicionarse. No basta con presentar un entregable técnicamente correcto; debe explicar criterios, priorizaciones y consecuencias. En un comité, nadie evalúa solo el resultado, evalúa la solidez del razonamiento. Nosotros hacemos lo mismo en el aula.

Y finalmente, alineamos la evaluación con ese estándar. Medimos calidad de decisión, coherencia estratégica y capacidad de integración, no solo dominio de herramienta. Porque si el programa premia la ejecución técnica aislada, estamos formando operadores. Si premia criterio, estamos formando directivos.

[MCPRO] Desde tu experiencia con grandes cuentas y formación corporativa, ¿dónde ves hoy la mayor brecha entre el discurso sobre upskilling/reskilling y los presupuestos reales de las empresas? ¿Podrías compartir algún ejemplo concreto (aunque sea sin nombres) donde una apuesta decidida por la reconversión de perfiles se haya convertido en ventaja competitiva?

[Serena Giannuzzi] La brecha no está en el discurso, sino en el orden en que se toman las decisiones. Hoy casi todas las compañías hablan de upskilling y reskilling como prioridades estratégicas. La intención es real. Lo que observamos, trabajando como partner estratégico de crecimiento —más allá de la formación puntual— es que, en muchos casos, la inversión tecnológica se activa primero y el desarrollo del talento se aborda después, cuando la transformación ya está en marcha.

Es comprensible, ya que la tecnología tiene urgencia competitiva y un retorno visible. La reconversión de perfiles exige más liderazgo y más tiempo. Pero cuando el talento entra tarde en la ecuación, la adopción tecnológica suele ser más lenta y más dependiente de terceros.

Hemos acompañado a organizaciones que optaron por preparar antes o en paralelo a sus equipos para asumir nuevas funciones vinculadas a datos y automatización. No fue solo un proyecto formativo, sino una decisión estratégica. El resultado fue mayor estabilidad, mejor adopción y más capacidad de adaptación cuando el entorno volvió a cambiar.

La diferencia no está en si se invierte en talento, sino en cuándo se hace. Cuando forma parte del diseño de la transformación, la tecnología acelera. Cuando llega al final, corrige. Y esa secuencia marca ventaja competitiva.

[MCPRO] En vuestra visión, la IA debe funcionar como un copiloto del talento, no como un reemplazo. ¿Qué implicaciones prácticas tiene esto en cómo formáis a directivos y equipos técnicos? ¿Qué tipo de “alfabetización en criterio” necesitáis que tenga un profesional para no convertirse en un mero ejecutor guiado por la máquina?

[Serena Giannuzzi] Hablar de la IA como copiloto solo tiene sentido si entendemos que realmente es un sistema estadístico, no determinista. Genera respuestas probables a partir de datos. Puede ser extremadamente sofisticada, pero no asume consecuencias ni responsabilidad.

Por eso la clave no es si sustituye o no al profesional, sino cómo se establece la secuencia entre humano y máquina. Cuando la IA analiza, propone o incluso ejecuta procesos, el profesional no puede limitarse a validar. Debe definir el marco, los límites y la intención estratégica. Si la máquina formula y el humano solo aprueba, la organización pierde criterio. Si el humano marca dirección y la IA amplifica capacidad, entonces hablamos realmente de copiloto.

En la formación esto tiene implicaciones muy concretas. No enseñamos solo a utilizar herramientas, sino a entender su naturaleza probabilística, a identificar sus límites y a cuestionar resultados que pueden ser técnicamente correctos, pero estratégicamente erróneos. También trabajamos algo que consideramos central: el dato como activo diferencial. Los modelos son cada vez más accesibles; lo que realmente diferencia a una compañía es la calidad, integración y gobierno de sus propios datos.

La alfabetización en criterio significa mantener autoridad intelectual frente a sistemas cada vez más capaces. Porque la ejecución técnica se acelera y se abarata, pero la responsabilidad no se automatiza.

La IA puede procesar más información que nunca. Pero sigue sin saber qué es lo verdaderamente importante para una organización. Y esa decisión, hoy y previsiblemente mañana, sigue siendo humana.