La capacitación de gobernanza que el equipo recibió y que cambió su forma de usar IA
El programa de capacitación en gobernanza de IA que diseñé para el equipo tenía un objetivo que no era el más obvio para un programa de ese tipo: no convertir al equipo en expertos en gobernanza sino convertirlos en mejores usuarios de IA. La distinción era importante porque los programas de gobernanza que se presentan como restricciones al uso de tecnología generan resistencia, mientras que los que se presentan como herramientas para usar la tecnología de forma más efectiva generan adopción. El equipo no necesitaba gobernanza para restringir su uso de IA. Necesitaba gobernanza para usarla con mayor confianza y menor riesgo.
El primer módulo del programa abordaba la naturaleza de los errores de IA: cómo y cuándo los modelos de lenguaje producen outputs incorrectos, por qué lo hacen con el mismo tono de confianza que los correctos, y qué señales en el propio output aumentaban la probabilidad de que algo estuviera mal. Era formación técnica presentada en lenguaje no técnico, con ejemplos específicos del tipo de trabajo que el equipo hacía. El objetivo no era que el equipo entendiera cómo funcionan los transformers de atención. Era que supiera cuándo desconfiar del output que tenía enfrente.
El segundo módulo era de práctica de detección de errores con outputs reales: piezas de contenido de marketing, análisis de datos y emails personalizados generados por IA que contenían errores de distintos tipos y distintos niveles de sutileza. El equipo practicaba identificar los errores con y sin las señales de alerta del primer módulo, para desarrollar el criterio de revisión a través de la práctica en lugar de a través de la teoría. Cada sesión de práctica producía documentación de qué tipo de errores habían sido más difíciles de detectar y por qué.
El tercer módulo conectaba la gobernanza con la efectividad: cómo el uso gobernado de IA producía outputs de mayor calidad que el uso no gobernado, usando datos reales de los primeros meses de operación del equipo. La tasa de correcciones post-publicación, la frecuencia de feedback negativo de clientes y el tiempo dedicado a gestionar incidentes eran datos que hacían visible el costo real de la falta de gobernanza. Cuando el equipo podía ver que la gobernanza reducía el trabajo de corrección a largo plazo, la percibía como una inversión en eficiencia, no como una carga de proceso.
El indicador más claro del impacto de la capacitación fue una que no había anticipado: el número de preguntas de gobernanza que el equipo hacía proactivamente antes de iniciar un uso nuevo de IA subió un 340% en el mes siguiente al programa. El equipo había pasado de usar IA sin preguntarse sobre los límites a preguntarse activamente cuáles eran los límites de cada uso antes de proceder. Esa pregunta proactiva es exactamente el comportamiento que la gobernanza efectiva debe producir. No restricción del uso. Reflexión informada antes del uso.