Hace unos días terminé de impartir un curso completo de IA aplicada al marketing digital para una agencia de comunicación gallega especializada en el sector pesquero y agroalimentario. Seis módulos, unas treinta horas de formación, un equipo de cinco personas que empezó con bastante escepticismo porque ya habían probado ChatGPT por su cuenta y les había parecido «interesante pero inútil para el trabajo real».
La formación funcionó. No porque yo sea especialmente brillante ni porque las herramientas sean mágicas, sino porque el curso estaba diseñado de una manera que la mayoría de formaciones en IA no están: cada módulo producía algo concreto que alimentaba al siguiente.
Y eso, que parece obvio cuando lo dices así, es exactamente lo que falta en el 90% de los cursos de IA que se venden ahora mismo.
El problema con los cursos de herramientas sueltas
La oferta de formación en IA para empresas ha explotado en los últimos dos años. Hay cursos de ChatGPT, cursos de Midjourney, cursos de automatización con Make, cursos de Copilot. Muchos son buenos. Enseñan a usar la herramienta, muestran las funcionalidades, incluyen ejercicios prácticos. El alumno sale sabiendo hacer cosas que antes no sabía hacer.
El problema es lo que pasa la semana siguiente.
He hablado con bastantes equipos que han pasado por formaciones así. La experiencia se repite: aprenden a usar ChatGPT para generar textos, luego aprenden SEO con otra herramienta en otro curso, luego alguien les habla de email marketing automatizado. Tienen tres herramientas, tres cuadernos de apuntes y ningún sistema. Cada cosa que saben hacer vive en un cajón separado. Cuando se sientan a trabajar en un proyecto real para un cliente real, tienen que inventar sobre la marcha cómo conectar las piezas. Y normalmente no lo hacen, porque tienen prisa y porque nadie les ha enseñado cómo.
No les falta conocimiento de herramientas. Les falta el hilo que une una herramienta con la siguiente.
Qué es el método por capas (y por qué cambia las cosas)
Cuando diseñé el curso para esta agencia, partí de una premisa que me había costado aprender: lo que el alumno hace en el módulo 1 tiene que ser directamente útil en el módulo 2. No útil en abstracto, del tipo «esto te servirá algún día». Útil de forma literal: el documento que produces en el primer módulo es el input que necesitas para empezar el segundo.
En la práctica, esto es lo que hicimos. El primer módulo era análisis de mercado con IA. El equipo analizó a sus propios clientes del sector pesquero, generó buyer personas reales (no los genéricos de «María, 35 años, le gusta el yoga», sino perfiles de gerentes de OPPs, responsables de conserveras y directores de comunicación institucional), identificó puntos de dolor específicos del sector, y produjo un brief de cliente completo.
Ese brief no se archivó en una carpeta. Fue el punto de partida del módulo 2, que era SEO con IA. La estrategia de palabras clave, la arquitectura de contenidos, los briefs de artículos se construyeron sobre el análisis del módulo anterior. El equipo no tuvo que inventar un ejemplo ficticio ni empezar de cero. Trabajaban con los datos de su propio negocio.
El módulo 3 usó esa estrategia SEO para crear apps de generación automática de contenido en Google AI Studio. Las apps no producían contenido genérico, sino contenido alineado con las keywords, los buyer personas y el tono de marca definidos en los módulos previos.
El módulo 4 tomó ese contenido y lo integró en flujos de email marketing: lead magnets pensados para el sector (no una «guía de marketing digital» que no le importa a nadie, sino recursos que un gerente de una organización de productores pesqueros necesita de verdad), secuencias de nurturing con segmentación por tipo de decisor.
Y el módulo 5 llevó todo eso a redes sociales, con planes de contenido que conectaban con los emails del módulo 4 y las creatividades del módulo 3.
Al terminar, el equipo no tenía apuntes de seis talleres. Tenía un sistema completo: desde el análisis del mercado hasta las publicaciones de Instagram, pasando por la estrategia SEO, la producción automatizada y los flujos de email. Conectado entre sí y construido con los datos de su propio negocio.
Por qué la mayoría de formaciones no funcionan así
Hay razones prácticas. Diseñar un curso por capas lleva más tiempo que diseñar módulos independientes. Cada módulo depende del anterior, así que no puedes reutilizar materiales genéricos: los ejercicios tienen que estar pensados para que el output de uno sea el input del siguiente. Si cambias algo en el módulo 2, es probable que tengas que ajustar el 3 y el 4.
También se vende peor. Los cursos modulares independientes permiten ofrecer «solo el módulo de SEO» o «solo el de redes sociales». Si los módulos son interdependientes, tienes que vender el paquete completo o nada. Eso reduce el mercado potencial.
Pero la razón de fondo, creo, es que diseñar así requiere que el formador entienda cómo encajan las piezas en la práctica real del cliente, no solo en la teoría. Puedo explicar SEO en un módulo aislado sin saber nada del negocio del alumno. No puedo conectar SEO con email marketing con redes sociales sin entender cómo funciona su proceso comercial de principio a fin.
No digo esto para presumir. Lo digo porque creo que es un criterio útil cuando alguien está evaluando formaciones. Si el curso te enseña herramientas pero no te explica cómo encajar unas con otras en tu contexto, el salto entre lo que aprendes y lo que aplicas lo vas a tener que dar tú solo. Y ese salto es el que falla.
Lo que cambia cuando el output de cada módulo alimenta el siguiente
Lo que más me llamó la atención fue la motivación. En formaciones de herramientas sueltas, hacia el tercer o cuarto módulo la gente empieza a perder interés porque siente que repite la dinámica de «aprender herramienta nueva, hacer ejercicio con datos inventados». Con este equipo pasó al revés: a medida que avanzaban, veían cómo el sistema crecía. En el módulo 4 ya estaban impacientes por ver cómo iba a encajar el email marketing con lo que habían construido antes.
Después está lo del resultado tangible. Al terminar el curso, la agencia no tenía un portafolio de prácticas. Tenía un sistema de marketing automatizado adaptado a sus clientes reales del sector pesquero y agroalimentario. Podían usarlo al día siguiente. Y lo usaron.
Y luego hay algo menos obvio pero que me parece igual de importante: las decisiones de herramientas se toman de otra manera cuando tienes contexto. En el módulo 3 elegimos Google AI Studio en vez de ChatGPT GPTs porque la agencia necesitaba que cualquier miembro del equipo pudiera configurar y modificar las apps sin depender de una suscripción individual. Esa decisión no habría tenido sentido en un módulo aislado de «herramientas de IA». Tenía sentido porque ya sabíamos qué iba a producir la app, para quién, y cómo encajaba en el flujo de los módulos 4 y 5.
Lo que no funciona del método (siendo honesta)
Tiene limitaciones, y no quiero esquivarlas. La más obvia: si alguien se pierde en el módulo 2, arrastra el problema al 3, al 4 y al 5. En un curso de módulos independientes, puedes tener un mal día y el siguiente módulo empiezas de cero. Aquí no. Con grupos grandes eso puede ser un problema serio.
Lo otro es la dependencia del caso práctico. Todo el curso se construyó alrededor de los clientes reales de esta agencia. Eso lo hacía potente para ellos, pero si mañana doy el mismo curso a una empresa de otro sector, tengo que reconstruir los ejemplos y las conexiones entre módulos. No es un curso que se pueda «escalar» dándoselo a un becario para que lo replique. Y para qué engañarnos, si las herramientas cambian (y cambian rápido), la cadena se puede romper. Cuando diseñé el módulo de automatización con Google AI Studio, Gemini 2.0 Flash era la mejor opción. Si dentro de seis meses aparece algo mejor, no basta con cambiar ese módulo; hay que revisar cómo afecta a los que vienen después.
Para quién tiene sentido y para quién no
El método por capas funciona para equipos que van a aplicar lo que aprenden en un contexto real y concreto. Si tienes un equipo de marketing que necesita integrar IA en su flujo de trabajo y quieres que salgan con un sistema funcional, este enfoque merece la pena. Más trabajo de diseño, más personalización, pero resultados que se usan.
No tiene sentido si lo que buscas es una panorámica general de «qué se puede hacer con IA». Para eso, un curso de herramientas sueltas es más que suficiente. Aprenderás qué existe, qué hace cada cosa, y luego decidirás tú cómo encajarlo. No es un mal enfoque si estás en fase de exploración.
Si me pides una analogía rápida: los cursos de herramientas sueltas te dan vocabulario. El método por capas te da un idioma con gramática incluida. Los dos sirven, pero para cosas distintas.
Cómo evaluar si una formación tiene esta lógica
Si estás evaluando un curso de IA para tu equipo y quieres saber si tiene una estructura encadenada o es una colección de módulos sueltos, hay cuatro preguntas que puedes hacer al proveedor:
¿Qué produce el alumno en cada módulo? Si la respuesta es «ejercicios prácticos» pero no te dice qué pasa con esos ejercicios después, probablemente son módulos aislados.
¿El output de un módulo se usa como input en el siguiente? Si no, es un curso por bloques, no por capas.
¿Los ejercicios usan datos reales del equipo o datos ficticios? Los datos ficticios son más fáciles de gestionar pero producen resultados que nadie usa después de la formación.
¿Qué se lleva el equipo al terminar? Si la respuesta es «conocimientos y habilidades», pregunta por los entregables concretos. Un sistema de marketing, un flujo automatizado, una estrategia documentada. Algo que se pueda usar al día siguiente.
Si estás pensando en una formación de IA para tu equipo y quieres que al terminar tengan un sistema, no una colección de apuntes, podemos hablarlo. Trabajo con empresas que quieren integrar IA con método, no con prisas. Escríbeme y vemos si encaja.
