Las Empresas Gastan $1.800 por Empleado en Reskilling de IA — ¿Es Suficiente?

La empresa promedio gastó $1.800 por empleado en reskilling de IA en 2025. Las empresas que realmente movieron la aguja de productividad gastaron entre $5.400 y $9.200.

Esa brecha es la historia. No la cifra de $1.800 en sí, sino la diferencia de 3 a 5 veces entre lo que las organizaciones promedio están gastando y lo que las organizaciones con ganancias de productividad medibles están comprometiendo. Y la forma en que lo gastan es tan diferente como el monto.

El Josh Bersin's 2025 Global Workforce Intelligence Report, combinado con el LinkedIn Learning's 2025 Workplace Learning Report y la ATD's AI Training Investment Survey, le da a los líderes de operaciones la imagen más completa hasta ahora de lo que realmente cuesta el reskilling de IA, a dónde va el dinero y qué separa las inversiones en formación que cambian el comportamiento de la fuerza laboral de las que no lo hacen.

El Benchmark de $1.800 en Contexto

La cifra de $1.800 por empleado proviene del análisis de Bersin de los presupuestos de L&D divulgados en 800 organizaciones. Pero para entender qué significa, ayuda ponerla junto al gasto total en L&D: la empresa promedio gasta aproximadamente $1.275 por empleado al año en todo el aprendizaje y desarrollo. El reskilling en IA en 2025 representó efectivamente una línea presupuestaria separada y adicional. Las organizaciones no están redirigiendo el gasto existente en L&D. Lo están incrementando.

Ese contexto importa porque reencuadra la pregunta de "¿es suficiente?". La pregunta real no es si $1.800 por empleado es adecuado en términos absolutos. Es si ese número produce resultados medibles, y los datos sugieren que, en la mediana, no lo hace.

El análisis de Bersin encontró que las organizaciones que gastan entre $1.500 y $2.500 por empleado en reskilling de IA mostraron una mejora promedio del 9% en el uso auto-reportado de herramientas de IA. Útil, pero no transformacional. Las organizaciones que mostraron una mejora del 25%+ en productividad en outputs medibles (volumen de output, tiempo de ciclo, tasas de error) estaban gastando significativamente más y estructurando los programas de manera diferente.

A Dónde Va el Dinero

El promedio de $1.800 se desglosa aproximadamente así en las organizaciones del conjunto de datos de ATD:

La diferencia estructural es visible en dos líneas: coaching de gerentes y cohortes, y desarrollo interno de programas.

Las organizaciones promedio gastan el 12% de su presupuesto de formación en IA en aprendizaje liderado por gerentes y basado en cohortes. Los de alto rendimiento gastan el 24%, el doble, y proporcionalmente una cantidad mucho mayor de dólares dado que el gasto total es 3-5 veces mayor. No es una coincidencia. Los datos de tasas de finalización de programas lo explican directamente.

Las Tasas de Finalización Cuentan la Historia Real

Los datos de la encuesta de ATD sobre las tasas de finalización de la formación en IA por tipo de programa son el dato más prácticamente útil de todo el conjunto de benchmarks:

Los cursos externos a ritmo propio, la categoría de mayor gasto para las organizaciones promedio, se completan al 23%. Menos de uno de cada cuatro empleados que comienza una certificación de IA la termina.

Los programas de cohortes facilitados por gerentes se completan al 74%. La formación de Workflow integrada, donde el aprendizaje está incorporado directamente en las herramientas que los empleados usan diariamente, se completa al 81%.

Por eso los de alto rendimiento desplazan el presupuesto de los cursos externos hacia el coaching del gerente y el desarrollo interno de programas. No es que las certificaciones externas no tengan valor. Es que la matemática de finalización significa que el costo por resultado productivo es mucho mayor de lo que parece a precio de etiqueta. Una licencia de Coursera de $400 que completa el 23% de los empleados produce un ROI muy diferente al de un programa de cohorte de $400 por persona que completa el 74%.

Para los Directores de Operaciones que diseñan programas de reskilling, estos datos tienen una implicación directa: la estructura del programa importa tanto como la calidad del contenido, y la participación del gerente es el principal impulsor de la finalización.

El Cálculo de ROI que Usan los de Alto Rendimiento

Las organizaciones promedio miden el ROI de la formación en IA principalmente a través de las tasas de finalización y los puntajes de satisfacción, ninguno de los cuales se correlaciona fuertemente con el cambio real de productividad.

Los de alto rendimiento miden de manera diferente. Tres métricas aparecen consistentemente en las organizaciones que Bersin identifica como productoras de ganancias de productividad medibles:

Output por hora en tareas relevantes de IA. Para roles que usan herramientas de escritura de IA, esto podría ser piezas de contenido por semana. Para analistas que usan herramientas de modelado de IA, es modelos validados por semana. Para coordinadores de operaciones que usan herramientas de Workflow de IA, son ciclos de procesos completados por día. La clave es medir el rendimiento específico de la tarea antes y después de la formación, no la satisfacción general.

Tiempo hasta la competencia para las nuevas contrataciones en entornos de herramientas de IA. Los de alto rendimiento rastrean cuánto tiempo les toma a los nuevos empleados alcanzar los benchmarks de competencia en herramientas de IA en su rol, y usan esta métrica para evaluar si su programa de onboarding está funcionando, no solo si los nuevos empleados completaron los módulos requeridos.

Comparación de costos de reskilling vs. recontratación. Esta es la métrica de justificación presupuestaria más directa. Los trabajadores con fluidez en IA exigen un 27% más de salario en comparación con contrataciones equivalentes sin fluidez en IA. Para un rol de operaciones de $75K, eso es aproximadamente una diferencia de costo anual de $20K por contratación. Si reconvertir a un empleado existente cuesta $4.500 y lo mantiene en el rol por tres años más, el análisis del costo de esperar es directo: reskilling a $4.500 vs. recontratación con una prima de $60K a tres años. La matemática del ROI favorece ampliamente el reskilling, incluso a niveles de gasto de alto rendimiento.

Dos Ejemplos de ROI de Reskilling Medible

Zurich Insurance Group (2025): Zurich desplegó un programa de fluidez en IA facilitado por gerentes en sus equipos de suscripción y reclamaciones, estructurado como cohortes de ocho semanas con sesiones de revisión semanales lideradas por gerentes. Gasto: aproximadamente $6.200 por empleado en la cohorte del programa. Resultado: reducción del 34% en el tiempo del ciclo de documentación rutinaria y mejora del 28% en el output del suscriptor por día en las evaluaciones asistidas por IA, medido a los seis meses post-programa. Zurich atribuyó $43M en mejora de productividad anualizada a la cohorte que pasó por el programa en 2025.

Kyndryl (2025-2026): La firma de servicios de TI incorporó el desarrollo de habilidades de IA directamente en sus Workflows de herramientas de entrega en lugar de ejecutar programas de formación independientes, integrando prompts de micro-aprendizaje dentro de las herramientas que los empleados usan diariamente. Tasa de finalización para los módulos integrados en el Workflow: 84%. Resultado: mejora del 22% en el tiempo de resolución de tickets y una reducción medible en las tasas de escalación para los Workflows de soporte asistidos por IA. Presupuesto por empleado: aproximadamente $3.800, por debajo del promedio de alto rendimiento, pero la estructura del programa produjo resultados de alto rendimiento.

El ejemplo de Kyndryl es particularmente instructivo. No gastaron en la parte superior del rango de alto rendimiento, pero su tasa de finalización, impulsada por integrar la formación en las herramientas de Workflow en lugar de separarla en cursos independientes, produjo resultados comparables a programas de gasto mucho mayor.

Qué Significa Esto Si Está Diseñando un Programa Ahora

Los datos del benchmark apuntan hacia algunos principios de diseño claros para los líderes de operaciones:

No se ancle en $1.800. Eso es la mediana de todas las organizaciones, la mayoría de las cuales no está produciendo resultados medibles. Si está diseñando un programa para impulsar un cambio real de productividad, el benchmark relevante es $5.000-$9.000 por empleado para roles donde la fluidez en herramientas de IA tiene alto impacto, y cero para roles donde no lo tiene. No todos los roles necesitan la misma inversión.

Priorice la participación del gerente sobre el volumen de contenido. La brecha en la tasa de finalización entre los programas a ritmo propio y los facilitados por gerentes es de 50+ puntos porcentuales. Un programa más pequeño con responsabilidad del gerente superará a un programa completo que el 23% de los empleados termina. Primero construya la fluidez del gerente en IA, antes de escalar a la fuerza laboral más amplia. Un programa de campeones de IA es una forma de construir esa capacidad a nivel de gerente rápidamente sin requerir que cada gerente se convierta en un experto en IA desde cero.

Mida outputs, no finalización. Las tasas de finalización son fáciles de rastrear y esencialmente insignificantes como indicadores de ROI. Si la métrica de éxito de su programa es "X% de los empleados completó el Módulo 3", está midiendo actividad, no cambio. Defina cómo se ve la competencia en herramientas de IA en el output de trabajo observable para cada función, y mida eso.

Los requisitos de habilidades de IA ahora aparecen en las ofertas de trabajo no tecnológicas, en marketing, finanzas, legal y operaciones, lo que significa que la presión externa para cerrar la brecha de fluidez en IA ya no se limita a la contratación tecnológica. Invertir insuficientemente en reskilling hoy significa enfrentar una brecha de habilidades más amplia en los mercados de contratación en todas las funciones simultáneamente.

Qué Observar

Dos dinámicas orientadas al futuro darán forma al mercado de reskilling corporativo en los próximos 12-24 meses.

Primero, la estandarización de la medición del ROI. Ahora mismo, cada organización mide el ROI de la formación en IA de manera diferente, o no lo mide en absoluto. Si la industria converge en métricas de output estándar (similar a como las organizaciones de ventas estandarizaron en ingresos por representante), las conversaciones presupuestarias serán más fáciles de anclar. El equipo de Josh Bersin está trabajando activamente en un marco AI Productivity Index que puede acelerar esta estandarización.

Segundo, consolidación de proveedores. El mercado de formación en IA está actualmente fragmentado: cientos de proveedores que venden certificaciones, programas de cohortes y aprendizaje integrado en plataformas con calidad y resultados muy variables. La consolidación ya está en marcha, con LinkedIn Learning, Coursera for Business y un puñado de plataformas enfocadas en empresas captando una cuota creciente. A medida que las opciones de proveedores se reduzcan, los benchmarks de precios y calidad serán más comparables, lo que debería mejorar la relación señal-ruido sobre lo que realmente funciona.

El mercado de certificaciones en IA alcanzó los $4B en 2026, pero el crecimiento del gasto no ha venido acompañado de crecimiento en los estándares de calidad. Por ahora, el indicador más confiable de un programa que realmente moverá la productividad es la arquitectura de la tasa de finalización, y los datos dicen que los programas de cohortes y los integrados en el Workflow ganan esa comparación por un amplio margen.

El promedio de $1.800 le dice dónde está el mercado. El rango de alto rendimiento de $5.000-$9.000 le dice lo que se necesita para realmente cerrar la brecha.

---

Más Información

• Los Trabajadores con Fluidez en IA Exigen un 27% Más de Salario
• El Mercado de Certificaciones en IA Alcanzó los $4B — Pero Solo un Puñado de Credenciales Señalan Preparación Laboral
• Los Requisitos de IA Aparecen en Ofertas de Trabajo No Tecnológicas
• Cómo Construir el Caso de Negocio para el Presupuesto de Formación en IA
• El Obstáculo de la Gestión Intermedia en la IA — Y Cómo Convertirlo en una Oportunidad