Creo sinceramente que aprender IA es parte de tu trabajo.
Aprender IA forma parte de tu trabajo, aunque todavía no lo estamos verbalizando así. Afecta a cómo produces, a cómo decides y a cuánto valor aportas. No aprender IA es simplemente quedarse donde estás mientras todo lo demás se mueve.
El problema es que esta exigencia llega a una agenda sin huecos. Las semanas vienen colapsadas antes de empezar. Reuniones y compromisos que nadie cuestiona porque “es parte de mi trabajo”.
En ese escenario, aprender se intenta colocar entre huecos, entre reuniones o al final del día, cuando ya no queda cabeza. Luego nos sorprendemos de que la gente no aprenda, como si el aprendizaje profundo pudiera hacerse en cualquier momento.
Llevamos años añadiendo capas al trabajo sin quitar ninguna. Más coordinación, más seguimiento, más alineamiento. Todo parece razonable pero el resultado es un sistema de trabajo completamente ocupado. Así es difícil trabajar, y mucho más aprender algo nuevo que será clave en los próximos años.
Por eso estoy viendo que muchas personas creen que aprender IA es una carga adicional. Todo el mundo ve que es relevante, pero sin renuncia previa, cualquier nueva exigencia acaba convertida en un sobre esfuerzo imposible para muchas personas.
Si aprender IA forma parte del trabajo, hay una pregunta que convendría hacerse antes de buscar otro hueco en la agenda: ¿Qué parte del trabajo actual vas a dejar de hacer para que aprender IA sea posible?
El trabajo que se come al trabajo
Durante años se han incorporado mecanismos para organizar mejor el trabajo: reuniones, reportings, seguimientos, proyectos cruzados. Cada uno apareció para resolver algo concreto. El problema es que casi ninguno desapareció después de solucionado el problema.
El día a día se llena de rituales corporativos: convocar, informar, alinear, dejar constancia. Acciones correctas y entendibles por separado que, en conjunto, consumen una parte enorme del tiempo y la atención. Mucho esfuerzo dedicado a coordinar, poco espacio para avanzar.
Una parte relevante del trabajo busca coordinación organizativa. Saber que se ha avisado. Que se ha documentado. Que nadie pueda decir que no estaba al tanto. Esa tranquilidad tiene un coste: densidad, interrupciones constantes y poco margen para pensar o aprender.
Agenda llena, foco fragmentado
La agenda rara vez es una elección personal. Muchos roles vienen con ella incorporada.
Antes de empezar la semana, buena parte del tiempo ya está comprometido: reuniones recurrentes, comités, proyectos transversales.
Hay perfiles que arrancan con el 70 u 80 % del tiempo ocupado. En ese contexto, aprender no compite contra el ocio ni contra el tiempo libre. Compite contra lo estructural.
A esto se suma la fragmentación constante: mensajes, pings, interrupciones breves, reuniones encadenadas. El día avanza a base de cortes pequeños que no parecen graves, pero que impiden cualquier continuidad mental. El foco se mide más por disponibilidad que por profundidad.
En mi caso, hay un momentos de la semana que aunque tenga una hora libre, ya no me queda cabeza para aprender nada que no sea muy superficial.
Aprender algo que exige entender, probar y ajustar necesita bloques de atención que casi han desaparecido.
El modelo híbrido como amplificador
Hay otro factor del que se habla poco, pero creo que amplifica el problema. El paso de la presencialidad a modelos híbridos o remotos provoca una mayor sensación de ocupación continua.
Lo que antes se resolvía de manera informal pasó a calendarizarse. Lo implícito se documenta “por si acaso”. Más reuniones para alinearse, más mensajes para asegurarse, más señales de presencia. Menos desplazamientos, sí. Más fragmentación mental también.
No es un alegato contra el trabajo remoto. Es constatar que hemos trasladado el mismo modelo de control y coordinación a un entorno que lo hace más costoso.
La IA como forma de soltar
La IA no se aprende a través de la teoría.
Cuanto te planteas aprender IA como algo que hay que estudiar, practicar o dominar antes de usar, choca con una agenda saturada. En cambio, cuando se utiliza para reducir problemas cotidianos, entra más fácil.
En la práctica, la IA empieza a ser útil cuando se pone al servicio de decisiones pequeñas. Por ejemplo, úsala para ver qué reuniones sobran, qué información no hace falta volver a leer, qué tareas pueden resolverse sin pasar por tres capas de coordinación.
Sí, usar la IA para que te ayude a cambiar tu forma de trabajo, a soltar cosas que no aportan y restan mucho. Aprende a usar la IA para soltar te cambia la perspectiva. Ya no es“otra cosa más” y pasa a ser una forma de recuperar espacio mental.
Por eso el aprendizaje real no empieza con prompts sofisticados ni con casos de uso ambiciosos. Cuando la IA empieza a ayudarte a soltar, deja de ser un tema pendiente. Se convierte en parte del trabajo, casi sin darte cuenta.
Igual, aprender IA no va de encontrar un espacio extra
Va de aceptar que el tiempo que tenemos ya está comprometido por decisiones que rara vez revisamos. Mientras no estemos dispuestos a soltar nada, cualquier nueva exigencia acabará diluida entre reuniones y mensajes. La IA puede ayudar a limpiar ruido, reducir fricción y cuestionar inercias.
La IA igual, puede ser la solución para encontrar ese hueco, y mientras te ayuda, al mismo tiempo aprendes.
Esta es la reflexión de hoy.
