5 habilidades clave para usar IA en problemas reales

El dato que deberían leer todos los founders

El Future of Jobs 2025 del Foro Económico Mundial estima que el 39% de las habilidades actuales de los trabajadores se transformará o quedará desactualizado entre 2025 y 2030. Y según el propio WEF, las empresas sitúan el pensamiento analítico (68%) como la capacidad más demandada, seguida de resiliencia y flexibilidad (67%) y liderazgo (61%), de acuerdo con datos recogidos por CIO.com.

La noticia, a priori, suena a titular de 2023. Pero hay un matiz que la hace urgente en 2026: la IA generativa ya no es una herramienta nueva, es el punto de partida. Y eso cambia la ecuación por completo. Si hasta hace poco la pregunta era ¿sabes usar IA?, ahora la pregunta es ¿sabes usarla para resolver algo real? Y esa segunda pregunta la están haciendo tanto los empleadores como los clientes y, cada vez más, los inversores.

La respuesta del sistema educativo peruano, según recoge Infobae, pasa por cinco capacidades que van mucho más allá de escribir un buen prompt. Las repasamos, les añadimos contexto global y, sobre todo, las convertimos en acciones concretas que cualquier founder puede aplicar esta semana.

1. Entender el problema antes de pedirle una respuesta a la IA

La primera capacidad parece obvia y, sin embargo, es donde se cae la mayoría. Gladys Morán, rectora y CEO de la Universidad María Auxiliadora (UMA), pone el ejemplo perfecto: si las ventas caen, no se trata de pedirle a ChatGPT "estrategia para recuperar ventas". Antes hay que revisar los datos, entender qué cambió y formular una hipótesis defendible.

¿Por qué importa tanto? Porque la IA responde a cómo preguntas, y la calidad de la pregunta define la calidad de la respuesta. Un equipo que llega a la herramienta con un problema ya medio analizado ahorra horas y obtiene propuestas accionables. Un equipo que espera que la IA haga el diagnóstico termina con un listado genérico que no aplica a su contexto.

Acción para tu startup: Antes de cualquier consulta a una IA, redacta en una línea: "el problema es X, creo que la causa es Y, y mi hipótesis es Z". Si no puedes escribir esa línea, todavía no tienes un problema: tienes un síntoma.

2. Verificar datos y cuestionar las respuestas (incluso cuando suenan bien)

La IA generativa puede entregar datos desactualizados, inventar cifras o citar fuentes que no existen. La UMA lo define bien: "una respuesta bien redactada no garantiza que sea correcta". Y la Unesco ha sido explícita al pedir que la IA en educación mantenga un "enfoque centrado en las personas y preserve su capacidad de decisión".

El problema escala rápido cuando la respuesta generada se cuela en un pitch deck, en un reporte a un cliente o en una decisión de pricing. WGU, en su Workforce Decoded Report 2026 (encuesta a 3.128 profesionales de selección en EE. UU.), encontró que el 60% de los empleadores dice que la IA ha hecho más difícil evaluar las habilidades reales de los candidatos. Y el 32% admite que todavía está aprendiendo a evaluar habilidades de IA de forma efectiva, el doble que en 2025.

La verificación no es opcional: es la nueva alfabetización básica.

Acción para tu startup: Establece una regla simple en tu equipo: todo dato numérico que venga de una IA debe poder respaldarse con una fuente primaria. Si no se puede respaldar, se trata como hipótesis, no como hecho. Esto vale para análisis de mercado, benchmarks de competencia y hasta para emails a inversores.

3. Conectar conocimientos de distintas áreas (porque el problema nunca es solo técnico)

Morán lo explica con un caso que cualquier founder reconoce: una mejora en un servicio de salud no es solo un problema médico, también es administrativo, tecnológico, económico y de experiencia de usuario. Esa transversalidad es, literalmente, la definición de un proyecto de startup.

El Global Skills Report 2026 de Coursera confirma que la IA está obligando a las empresas a tratar las habilidades humanas con la misma seriedad que la tecnología. Su nuevo AI-Human Skills Synergy Index muestra que países con excelente infraestructura de IA, como EE. UU. (que lidera en política e infraestructura), pueden ocupar el puesto 27 en proficiency de los estudiantes cuando se mide qué tan bien la gente realmente aplica lo que sabe.

En otras palabras: la infraestructura sin criterio humano se queda en demo. El valor lo pone quien conecta piezas.

Acción para tu startup: La próxima vez que contrates o asignes un proyecto, no busques al mejor especialista en una sola disciplina. Busca a quien pueda explicar cómo su parte afecta a las otras cuatro. En tu equipo, haz una reunión mensual donde cada área presente un problema ajeno a su especialidad y proponga una solución. Eso entrena el músculo de la integración.

4. Evaluar la viabilidad: una idea no es una solución hasta que se puede ejecutar

Una idea brillante sin presupuesto, sin usuarios definidos y sin métricas de éxito es solo una buena conversación. La UMA lo resume en cinco preguntas que cualquier founder debería tener grabadas: ¿cuánto cuesta?, ¿qué recursos requiere?, ¿quiénes la usarán?, ¿qué obstáculos pueden surgir?, ¿cómo se medirán los resultados?

La IA ayuda a modelar escenarios y estimaciones, pero la decisión de seguir adelante es estrictamente humana. Y aquí el dato es incómodo: el 63% de los empleadores cita la brecha de skills como una barrera mayor para su transformación, según el Future of Jobs Survey 2025 del WEF recogido por CIO.com.

Acción para tu startup: Antes de lanzar una iniciativa nueva (una feature, una campaña, un mercado nuevo), completa un one-pager de viabilidad con esas cinco preguntas. Si no puedes responder tres de cinco, todavía no tienes una solución: tienes una hipótesis. Y está bien, pero trátala como tal.

5. Argumentar, escuchar y corregir (la habilidad que ninguna IA puede sustituir)

Resolver un problema también implica explicar por qué se eligió una opción, escuchar objeciones, trabajar con otras personas y cambiar de rumbo cuando la evidencia lo exige. El WGU Workforce Decoded Report 2026 es claro: el pensamiento crítico es la brecha de habilidades más citada por los empleadores, por encima incluso del uso efectivo de herramientas de IA.

Esto encaja con lo que ya sabemos sobre la adopción real: solo el 43% de los empleados se siente entusiasta sobre la adopción de IA en su empresa, según datos de CompTIA Workforce and Learning Trends 2026 citados por CIO.com, y muchos citan la falta de confianza para construir skills (39%) y un punto de partida poco claro (35%) como freno.

La velocidad de la IA presiona para decidir rápido. Pero decidir rápido y decidir bien son cosas distintas, y la segunda requiereargumentar, escuchar y, sobre todo, estar dispuesto a corregir.

Acción para tu startup: Implementa una post-mortem quincenal de 30 minutos donde el equipo revise qué decisiones se tomaron con apoyo de IA, qué funcionó, qué no, y qué habría hecho diferente. Documenta los errores sin buscar culpables. Es la forma más rápida de construir criterio de equipo.

¿Qué significa esto para tu startup?

Más allá de la universidad, estas cinco capacidades son exactamente el perfil que un founder necesita cultivar y, sobre todo, contratar. La IA ha democratizado la ejecución técnica, pero ha encarecido el criterio. Cualquiera puede generar un plan de marketing en 30 segundos; muy pocos pueden decirte si ese plan va a funcionar en tu mercado concreto.

La ventaja competitiva de los próximos años no estará en quién usa más IA, sino en quién hace mejores preguntas, verifica mejor y conecta mejor las piezas. Y eso se entrena. Empieza por una sola de las cinco capacidades esta semana, no por las cinco a la vez. La que peor se le dé a tu equipo es, probablemente, la más urgente.

Fuentes

• Inteligencia artificial en la universidad: cinco capacidades que los estudiantes necesitan para resolver problemas reales — Infobae
• Facing an AI skills gap? A skills-first training approach can help — CIO.com
• 60% of Employers Say AI Has Made Real Skills Harder to Evaluate, WGU Workforce Decoded Report Finds — Manila Times