Qué es
La mayoría de las evaluaciones de preparación para la IA son un cuestionario que rellena un solo directivo. En su lugar, reúna tres tipos de respuesta: lo que dicen los directivos, lo que dice el personal y lo que usted puede observar o comprobar.
Qué muestra la evidencia
- La mayoría de los modelos recoge la visión desde arriba. Los investigadores señalan que muchos modelos de madurez recogen sobre todo la opinión de la alta dirección, no resultados medibles.
- Las opiniones cambian según el nivel. En una empresa financiera, los empleados y sus supervisores describieron de forma distinta las competencias digitales de las mismas personas.
- La autoevaluación falla. En un estudio con 629 estudiantes, las competencias digitales autoevaluadas se diferenciaron de los resultados de una prueba más de lo que explicaría el azar. Algunas personas se puntuaron demasiado alto y otras demasiado bajo.
- El uso personal no es la preparación de la empresa. En una encuesta a 179 directivos de Polonia, el 83 % usaba IA a diario, mientras que alrededor del 70 % de sus organizaciones no había pasado de los pilotos. Los directivos que sabían más de IA calificaban a sus organizaciones con más dureza.
- Lo que la empresa sabe hacer cuenta más que su tamaño. KfW, el banco público de desarrollo de Alemania, preguntó a unas 6800 pequeñas y medianas empresas si usaban IA. Cuando el análisis tuvo en cuenta los titulados en plantilla, la innovación, la investigación y una estrategia digital, el tamaño y el sector importaban poco. Una empresa sin titulados y sin innovación tenía una probabilidad del 8 % de usar IA. Una empresa con investigación y desarrollo continuos, del 38 %. En la encuesta del Banco Central Europeo a 5067 empresas de la zona del euro, el 41 % de las microempresas no usaba IA, frente al 13 % de las grandes empresas. Pero alrededor del 7–8 % de las empresas hacía un uso importante de la IA en todos los tamaños. Evalúe lo que la empresa sabe hacer, no lo grande que es.
El último resultado es el que más importa para quien rellena el cuestionario. Un directivo que usa la IA todos los días puede suponer que la empresa está más avanzada de lo que está. Uno que sabe poco puede no ver las carencias.
Cómo hacerlo
- Elija un cuestionario de preparación. Cualquiera razonable sirve. La AI Capability scale es abierta y se ha puesto a prueba.
- Pida que lo respondan por separado al menos tres grupos: la alta dirección, los mandos intermedios y el personal de primera línea.
- Añada datos que no dependan de opiniones: cuántos usos de la IA funcionan a diario, cuántas personas terminaron la formación, resultados de pruebas, y si la empresa lleva proyectos de innovación o tiene una estrategia digital.
- Ponga las respuestas una al lado de otra. Fíjese en dónde no coinciden los grupos.
- Comente las diferencias con los tres grupos en la misma sala. Las diferencias son el resultado.
- Repita la evaluación al cabo de seis a doce meses.
Qué medir
- La diferencia entre grupos en cada pregunta.
- La diferencia entre lo que dicen las personas y los datos que ha reunido.
Dónde falla
- Sacar la media de las respuestas. La media oculta el desacuerdo, que es la parte útil.
- Demasiadas encuestas. Que sea breve. Un cuestionario largo respondido sin cuidado es peor que uno breve respondido con sinceridad.
- No hay forma segura de discrepar. El personal copiará la opinión de su responsable si las respuestas no son anónimas.
Según el tamaño de la empresa
- Mediana: un taller de una hora con un grupo mixto puede sustituir a la encuesta.
- Mediana-grande y gran empresa: hágalo por unidad de negocio. Las unidades se diferencian más de lo que sugieren las medias de la empresa.
Evaluaciones para esta práctica
Son cuestionarios, pruebas y guías ya existentes que puede usar. Cada tarjeta indica la pregunta que responde, quién la contesta y si puede usarla libremente. Todas las evaluaciones.
- ¿Tiene la empresa lo que necesita para usar la IA? AI Capability scale Directivos, sobre su propia empresa · 46 preguntas Uso y adaptación libres
- ¿Están preparados para la IA tanto un organismo público como su personal? Dual-level model of AI readiness in the public sector Directivos y personal, en una conversación · 4 grupos de criterios. El número de preguntas no está establecido Uso y adaptación libres
- ¿Qué ayudará a la implementación y qué la frenará? Consolidated Framework for Implementation Research (CFIR) Personas de varios niveles, en entrevistas · Entrevistas sobre los factores que usted elija, de 48 Uso libre; pregunte antes de modificarla
- ¿Qué hace difícil este proyecto tecnológico? NASSS-CAT: complexity assessment tools for technology projects El equipo del proyecto, y el personal en entrevistas · Dos listas de comprobación, un formulario de 35 preguntas y una guía de entrevista Uso libre; pregunte antes de modificarla
Fuentes
- Silva, São Mamede and Santos (2024). A new proposed model to assess the digital organizational readiness to maximize the results of the digital transformation in SMEs. Journal of Innovation & Knowledge, 10(1), 100644. Qué hizo y qué encontró este estudio
- Rogacka (2022). Digital skills in the workplace – from the employees’ and supervisors’ perspective. e-mentor, 5(97), 53–64. Qué hizo y qué encontró este estudio
- Luna, Ocaña, Ortiz-Colón and Rodríguez Moreno (2026). From Self-Perception to Reality in Digital Competence: Findings from the DigComp 2.2 Framework. The Electronic Journal of e-Learning, 24(3), 137–153. Qué hizo y qué encontró este estudio
- Wojewodzic (2026). AI Transformation in Polish Organisations: The Gap Between Individual Adoption and Organisational Maturity. e-mentor, 2(114), 75–83. Qué hizo y qué encontró este estudio
- Zimmermann (KfW Research) (2026). Einsatz von Künstlicher Intelligenz vor allem in Unternehmen mit hohen Innovations- und Digitalisierungsaktivitäten. KfW Research, Fokus Volkswirtschaft No. 533 (11 February 2026), with No. 554 (29 July 2026). Qué hizo y qué encontró este estudio
- Ferrando, Lamboglia, Rariga and Schmidt (2026). Adoption and investment in AI across the euro area: Insights from harmonised firm-level data. European Central Bank, Occasional Paper Series No 395. Qué hizo y qué encontró este estudio
Afirmaciones sobre este tema, verificadas con estos estudios:
- “La AI Maturity Matrix de BCG muestra lo madura que es una empresa” Hay que corregirla
- “MIT Sloan muestra que los obstáculos a la transformación digital son sobre todo culturales” Sin respaldo
- “Solo el 13 % de las empresas está preparado para la IA” Hay que corregirla
Prácticas relacionadas
- No trate una puntuación de madurez como una previsión Una puntuación de madurez o de preparación para la IA describe dónde dice usted que está. Las pruebas de que una puntuación más alta lleva a mejores resultados son escasas y controvertidas. Úsela para abrir una conversación, no para predecir la rentabilidad. Hacer después · Esfuerzo: bajo (días, una persona)
- Ponga a prueba los conocimientos de IA en lugar de pedir al personal que se autoevalúe Las personas juzgan mal sus propias competencias. Para saber qué sabe su personal sobre la IA, use una prueba breve de conocimientos o una segunda opinión, no solo una autoevaluación. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Mida por separado la disposición y la resistencia El personal puede estar entusiasmado con la IA y preocupado por ella a la vez. Pregunte por las dos cosas por separado. Una sola puntuación de “preparación” oculta la preocupación. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)