La formación en IA generativa para empresas está creciendo rápido, pero la mayoría del debate público sigue siendo abstracto. Se habla de productividad, de transformación, de adopción. Lo que no se ve fácilmente es lo que de verdad hacen los profesionales de la formación con estas herramientas.
Anthropic publica más o menos cada trimestre el Economic Index, un dataset abierto que clasifica conversaciones reales de Claude por tarea profesional (usando el sistema O*NET). Bajamos a los datos de la edición de junio de 2026 (conversaciones de mayo, con abril como control), filtramos las 170 tareas educativas, las agrupamos en bloques de trabajo que tienen sentido para responsables de formación corporativa y perfilamos tres ocupaciones de formación. Por primera vez, además, el dataset dice qué produce cada conversación.
Una idea atraviesa todos los datos. La formación usa la IA de dos maneras muy distintas. Cuando el trabajo es producir material, se le delega al modelo y vuelve muchas veces más rápido. Cuando el trabajo es enseñar o aprender, la persona se queda en la conversación, mantiene el control y ahorra bastante menos tiempo.
Lo más relevante
- La instrucción educativa es el 12,8% del uso de Claude.ai asignado a una ocupación (mayo de 2026), frente al 5,9% del empleo en EE.UU. En España llega al 13,8%.
- Los dos bloques de trabajo más grandes son el diseño de cursos y materiales (2,35% de todo el uso) y la tutoría (2,34%), y están en extremos opuestos de casi todas las demás medidas.
- El 51% de las conversaciones con trabajo de responsable de formación termina en una presentación, unas 22 veces más que la media de Claude.ai.
- El diseño de cursos se hace unas 18 veces más rápido con IA (de 8,8 horas a 30 minutos). Tutoría, clases y coaching van unas 4 veces más rápido y siguen durando cerca de una hora.
- En las tareas educativas, el 57% de las conversaciones es aumento (iterar, aprender, validar) y el 43% automatización. La producción se inclina hacia la delegación y la tutoría es en un 57% conversación de aprendizaje.
Por qué la educación está sobrerrepresentada en el uso de IA generativa
Anthropic asigna cada conversación a la ocupación cuyo trabajo más se le parece. En mayo de 2026, la instrucción educativa y bibliotecas se llevó el 12,8% de ese uso, solo por detrás de informática y matemáticas (23,8%) y de arte, diseño y medios (13,6%). En abril fue el 11,9%, y el propio informe de junio de Anthropic muestra cuánto sigue el uso al calendario, así que la cifra sube y baja con los exámenes.
Según las estadísticas de empleo de EE.UU. (BLS, mayo de 2025), las ocupaciones educativas son 9,1 millones de 155,5 millones de empleos, un 5,9%. Este tipo de trabajo se hace con IA a más del doble de lo que cabría esperar por su peso económico. Los perfiles de formación corporativa muestran un patrón todavía más marcado.
- El trabajo de responsable de formación (Training and Development Managers) supone el 0,03% del empleo y el 0,21% del uso, unas 7 veces más.
- El de coordinador de diseño instruccional (Instructional Coordinators) supone el 0,15% del empleo y el 1,01% del uso, también unas 7 veces más.
- El de técnico de formación (Training and Development Specialists), quien imparte la formación en la empresa, es la excepción. Supone el 0,29% del empleo y solo el 0,13% del uso.
Quien diseña y gestiona la formación aparece mucho más que quien la imparte, algo que encaja con todo lo demás de este análisis. Tres razones estructurales explican la sobrerrepresentación.
- El trabajo educativo es intensivo en texto. Planes de clase, presentaciones, guías de estudio, retroalimentación escrita, rúbricas. Todo encaja con el formato que los modelos de lenguaje manejan mejor.
- La formación es personalizable por naturaleza. Un curso de uno a muchos puede convertirse en uno a uno cuando alguien tiene un tutor que no se cansa.
- El coste de experimentar es bajo. Probar un nuevo plan de formación con IA tiene menos riesgo que probar un nuevo protocolo médico o un modelo financiero.
Qué tareas concretas de formación se hacen con IA
Para que los datos sean útiles a quien lidera formación, agrupamos las 170 tareas educativas que aparecen en los datos de mayo de 2026 (juntas, el 12,3% de todo el uso de Claude.ai) en siete bloques que reflejan cómo se organiza el trabajo de un departamento de formación.
Biblioteca y consulta parece el gigante del gráfico, y merece una advertencia. Su tarea principal es “buscar en materiales de referencia para responder preguntas”, que es donde parecen caer las consultas cotidianas. Solo el 12% de ese bloque son tareas de estudio y el 26% trabajo. Lo dejamos en el mapa por completitud y fuera de la lectura de formación.
Lo que queda se reparte casi a partes iguales entre dos tipos de trabajo.
- Producir material. Diseño de cursos y materiales (2,35%) más edición y publicación de contenido (0,88%).
- Enseñar y acompañar. Tutoría (2,34%), clases (0,57%), feedback y coaching (0,26%) y evaluación (0,21%).
El coaching, el corazón relacional de la formación, sigue siendo uno de los bloques más pequeños. La evaluación es el más pequeño de todos, algo a tener en cuenta si un proveedor apoya su propuesta en la corrección automática.
Qué producen de verdad los equipos de formación con IA
La edición de junio de 2026 añade algo que los datos anteriores no tenían. Cada conversación lleva una etiqueta con su producto principal, desde presentaciones e informes hasta explicaciones o código.
- El trabajo de responsable de formación termina en una presentación en el 51% de las conversaciones y en un documento en otro 20%. En el conjunto de Claude.ai las presentaciones son solo el 2,3% de los productos.
- El de técnico de formación produce documentos e informes en el 48% de las conversaciones, seguido de material formativo (15%) y presentaciones (10%).
- El de coordinador de diseño instruccional empieza por el material de cursos (36%), y después documentos (26%) y presentaciones (11%).
Los bloques de trabajo cuentan lo mismo desde el lado de las tareas. El diseño de cursos produce material formativo en el 40% de las conversaciones, documentos en el 29% y presentaciones en el 12%. La tutoría es otra cosa, con explicaciones en el 37% y material de estudio en el 32%. Los patrones por perfil son sólidos y abril muestra proporciones casi idénticas. Toma los porcentajes exactos como orientativos, porque la etiqueta de ocupación describe el trabajo de la conversación y no quién la escribió.
Ese matiz importa en la cifra de responsables de formación. Solo la mitad de esas conversaciones son trabajo (49%) y el 43% son tareas de estudio, así que parte de ese 51% son estudiantes preparando presentaciones. El perfil de técnico de formación, con un 76% de conversaciones de trabajo, es la señal corporativa más limpia del conjunto.
¿Reemplazo o aumento? Los patrones de colaboración
La pregunta que más recibimos de responsables de formación es la misma. ¿La IA va a reemplazar a nuestros formadores? Anthropic etiqueta cada conversación con uno de cinco patrones. Agrupa dos (directivo y bucle de feedback) como automatización, en la que el modelo hace el trabajo, y tres (iteración, aprendizaje y validación) como aumento, en el que la persona sigue dentro.
| Patrón | Todo Claude.ai | Tareas educativas |
|---|---|---|
| Directivo (automatización) | 31% | 37% |
| Bucle de feedback (automatización) | 16% | 6% |
| Iteración de tareas (aumento) | 30% | 27% |
| Aprendizaje (aumento) | 17% | 26% |
| Validación (aumento) | 3% | 3% |
| Total automatización | 49% | 43% |
La cifra agregada esconde lo más interesante. Cada bloque tiene su propia firma. El diseño de cursos es un 49% directivo y un 43% iteración, con una automatización del 52% que sube al 57% en el trabajo de responsable de formación. La tutoría es un 57% aprendizaje y las clases un 50%, con automatizaciones del 25% y del 23%. La evaluación es la que más valida (30%), porque ahí se usa el modelo para revisar una corrección contra la rúbrica. En la tutoría, además, el 82% de las conversaciones son tareas de estudio, así que buena parte de ese patrón describe a quien aprende.
Para una decisión de compra, el patrón por workflow cuenta más que el porcentaje agregado. Una herramienta pensada para generar borradores rápidos y una pensada para acompañar a quien aprende son productos distintos, y tu equipo necesita habilidades distintas para cada una. Cuando un proveedor te venda “una solución de IA”, la primera pregunta práctica es para qué patrón está optimizada.
La IA convierte horas en minutos, pero no por igual
Para cada conversación, Anthropic estima dos tiempos, lo que tardaría una persona competente sin ayuda (en horas) y lo que llevó la tarea con IA (en minutos). En el conjunto de Claude.ai son 4,7 horas frente a 40 minutos, unas 7 veces más rápido.
| Bloque o perfil | Sin IA | Con IA | Más rápido |
|---|---|---|---|
| Responsables de formación | 8,3 horas | 24 minutos | 21x |
| Diseño de cursos y materiales | 8,8 horas | 30 minutos | 18x |
| Técnicos de formación | 10,1 horas | 43 minutos | 14x |
| Edición y publicación | 8,2 horas | 41 minutos | 12x |
| Evaluación y corrección | 4,5 horas | 43 minutos | 6x |
| Tutoría y apoyo al estudio | 4,2 horas | 56 minutos | 4x |
| Feedback y coaching | 4,2 horas | 65 minutos | 4x |
Producir material es donde más tiempo ahorra la IA. Una jornada de diseño de cursos se queda en media hora, y el trabajo de responsable de formación (sobre todo presentaciones) se comprime todavía más.
Enseñar funciona de otra manera. Tutoría, clases y coaching también ahorran tiempo, unas 4 veces, pero son las sesiones con IA más largas del conjunto, cerca de una hora cada una. Son conversaciones de aprendizaje, llenas de preguntas de seguimiento, explicaciones alternativas y práctica. Ese tiempo se dedica a propósito.
La dirección de este hallazgo es sólida, porque todos los bloques y perfiles muestran ahorro tanto en abril como en mayo. Los multiplicadores son estimaciones que hace Claude al leer cada conversación, así que lee 18x como un orden de magnitud.
Esto cambia cómo plantear el retorno. Cada modo necesita su propia vara de medir. Mide la producción en horas y volumen (horas por módulo, por presentación, por banco de preguntas). Mide la tutoría y el coaching en resultados de aprendizaje, porque ahí la velocidad es la señal más débil. Y decide de antemano a qué se dedican las horas liberadas, si a más contenido, a mejor contenido o a más tiempo con las personas.
Qué significa esto para tu estrategia de formación
Cuatro movimientos prácticos salen de los datos para quien lidera formación en una empresa.
Diseño de cursos, presentaciones y material formativo concentran los mayores ahorros de tiempo (entre 12 y 21 veces), la mayor autonomía de la IA y resultados que se pueden contar. Pilota aquí, mide las horas ahorradas y amplía.
Reporta los pilotos de producción en horas y volumen, y los de tutoría y coaching en resultados de aprendizaje. Si mezclas las dos, la parte de enseñanza parecerá lenta y la de producción parecerá pobre en aprendizaje.
La tutoría es uno de los dos bloques más grandes (2,34%), con la autonomía de la IA más baja (2,49 sobre 5) y mayoría de conversaciones de aprendizaje. Posiciona la IA como un compañero de estudio paciente que dirige quien aprende.
La mitad de las conversaciones de preparación de clases son de aprendizaje. Los formadores que usan la IA para ponerse al día antes de enseñar serán quienes mejor acompañen al resto. Empieza por ellos, y sobre todo por los técnicos de formación, el perfil menos presente en los datos.
La secuencia importa. La producción de contenido da una victoria medible y construye confianza. Medir cada modo con su vara protege cada piloto de un veredicto equivocado. La tutoría es donde se acumula el impacto en quien aprende. Y la preparación de los formadores es el multiplicador que hace que todo lo demás cuaje.
El coaching sigue siendo la pregunta abierta. Es uno de los bloques más pequeños (0,26%), sus conversaciones son las más largas (65 minutos) y reparten el tiempo a partes iguales entre refinar y aprender. Merece la pena averiguar si en tu organización la barrera es de herramientas o de cultura, porque el coaching a escala es donde muchos equipos de formación se sienten más desbordados.
Lo que los datos no nos dicen
El Anthropic Economic Index es el dataset más transparente que existe hoy sobre uso real de IA. Esa misma transparencia, por cierto, no se extiende a los datos ambientales del propio laboratorio, una brecha que cubrí en ¿es Claude sostenible?. Aun así tiene límites que es honesto reconocer.
- Solo Claude.ai. El dataset refleja una plataforma (chat y Cowork en los planes Free, Pro y Max). ChatGPT, Gemini, Copilot y las herramientas verticales tienen sus propias formas de uso. Los patrones probablemente son parecidos en dirección y los números exactos no se generalizan.
- Las ocupaciones describen el trabajo. Una conversación se asigna a la ocupación cuyas tareas se le parecen. Un estudiante que prepara una presentación puede caer en el trabajo de responsable de formación, por eso indicamos junto a cada perfil qué parte es trabajo y qué parte estudio.
- El mapeo O*NET es imperfecto. La taxonomía O*NET se construyó para investigación ocupacional, no para segmentar formación. Parte de la formación corporativa cae en tareas de recursos humanos o comunicación interna y no aparece bajo el paraguas educativo. Las consultas cotidianas caen en tareas de bibliotecarios, y por eso dejamos ese bloque aparte.
- Tiempo, autonomía y nivel educativo son estimaciones. Las hace Claude al analizar cada conversación. Sirven para comparar bloques y son demasiado gruesas para presupuestar directamente con ellas.
- Cada mes es una foto. Nuestras cifras cubren mayo de 2026, con abril como control. El uso cambia con el calendario académico.
- Comportamiento, no buena práctica. Los datos muestran qué hace la gente. Úsalos como mapa para ordenar decisiones y deja que tu propio piloto los corrija.
Cómo lo hicimos. Usamos el archivo global de Claude.ai de la edición de junio de 2026 (datos de mayo, con abril como control). Vinculamos cada tarea a su ocupación mediante su identificador de tarea O*NET 30.2 y nos quedamos con las de ocupaciones educativas (grupo SOC 25). Después las asignamos a los siete bloques con reglas de palabras clave sobre el texto de la tarea, y quedó sin asignar un 0,08% del uso. Las cifras por bloque son medias ponderadas por la cuota de uso de cada tarea. Las cifras por perfil vienen de las filas de ocupación de Anthropic para los códigos SOC 11-3131, 13-1151 y 25-9031. Las cuotas de empleo son del BLS (OEWS, mayo de 2025).
Preguntas frecuentes
¿Cuánto del uso de IA es educativo?
En la edición de junio de 2026, la instrucción educativa supone el 12,8% del uso de Claude.ai asignado a una ocupación en mayo y el 11,9% en abril, el tercer grupo más grande de la plataforma. Aparte, el 16,5% de todas las conversaciones son tareas de estudio. Las dos cifras duplican con creces el 5,9% que pesa la educación en el empleo de EE.UU., y la cifra exacta se mueve con el calendario académico.
¿La IA va a reemplazar a los formadores corporativos?
Los datos apuntan a un reparto. La producción se delega cada vez más, con un 57% de automatización en el trabajo de responsable de formación y un 52% en el diseño de cursos. La enseñanza sigue siendo colaborativa, con un 25% de automatización en tutoría y un 23% en clases. Quien diseña e imparte formación dedicará menos tiempo a producir material y más a lo que las personas valoran de verdad.
¿La IA ahorra tiempo de verdad en formación?
Sí, y mucho donde se produce material. Según las estimaciones de Anthropic, el diseño de cursos pasa de 8,8 horas sin ayuda a 30 minutos con IA (unas 18 veces), y el trabajo de responsable de formación se acerca a 21 veces. Tutoría y coaching ahorran menos, unas 4 veces, y siguen durando cerca de una hora. Mide la producción en horas y la enseñanza en resultados de aprendizaje.
¿Por dónde empezar con IA generativa en formación corporativa?
Por la producción de contenido. Diseño de cursos, presentaciones y material formativo muestran los mayores ahorros de tiempo, la mayor autonomía de la IA y resultados que se pueden contar contra tu ciclo actual de producción. Cuando ese piloto demuestre valor, amplía a una tutoría guiada por quien aprende y a la formación de los formadores.
¿En qué se diferencia este análisis de una reseña de herramientas de IA?
Parte de datos reales de uso de un dataset público. Bajamos los archivos crudos en Hugging Face, asignamos 170 tareas educativas a bloques de formación, perfilamos tres ocupaciones de formación y comprobamos cada patrón con un segundo mes. Los hallazgos que los informes generales no cuentan (los dos modos, los productos de cada perfil, el ahorro desigual de tiempo) salen de ese trabajo.
¿Sirven estos datos para empresas en países hispanohablantes?
En buena medida, y aquí podemos mirar datos de España. El uso de Claude por persona en edad de trabajar en España es 2,7 veces la media mundial. La forma de trabajar con el modelo es la misma que en el conjunto, con un 48% de automatización en España y en el mundo. Lo que cambia es el calendario. En mayo, con los exámenes, la instrucción educativa llegó al 13,8% del uso en España frente al 12,8% mundial, y las tareas de estudio al 19,2% frente al 16,5%. En abril, España estaba en la media o por debajo en ambas. En México el uso por persona es menor (0,6 veces la media) y las tareas de estudio pesan más, un 21%.
Llevar esto a tu equipo
Si este análisis encaja con preguntas que tu equipo de formación está intentando responder, en azvai ofrecemos formación práctica en IA generativa para empresas diseñada alrededor del trabajo real de cada equipo, con la metodología que sostiene este tipo de análisis. Si lo que buscas es revisar tu estrategia antes de invertir en herramientas, también podemos hacer un diagnóstico de capacidad.