Google publicó el 30 de junio de 2026 su informe económico para Reino Unido y una iniciativa de formación llamada AI Works for Britain. El titular habla de productividad nacional, pero la parte interesante para una empresa de Donostia - San Sebastián o Gipuzkoa es bastante más cercana: la adopción de IA no se atasca solo por falta de herramientas. Se atasca porque no todo el mundo sabe cuándo usarlas, con qué datos y bajo qué reglas.
Google afirma que sus productos ayudaron a generar 140.000 millones de libras de actividad económica en Reino Unido en 2025, y que más del 40% de esa cifra procede de pymes. También menciona 51 millones de horas semanales ahorradas por trabajadores británicos usando productos como Search, Android, Cloud y YouTube. Son cifras de Google, conviene leerlas como estimaciones de parte. Aun así, señalan algo que vemos a menudo en empresas: la productividad no aparece por instalar un chatbot. Aparece cuando la gente cambia una tarea concreta.
Para muchas pymes de Euskadi, el debate no debería empezar con "qué modelo compramos". Debería empezar con una pregunta menos brillante: qué personas tienen que aprender a usar IA en su trabajo diario para que el cambio no dependa de dos perfiles curiosos.
La noticia: formación antes que fuegos artificiales
La iniciativa AI Works for Britain se apoya en una idea simple: formar a trabajadores para que usen IA con criterio. Google la conecta con el objetivo del Gobierno británico de formar a 10 millones de trabajadores en habilidades de IA antes de 2030.
No hace falta copiar el programa. Reino Unido tiene su contexto, sus cifras y su agenda pública. Pero la lectura empresarial sí sirve aquí: cuando la IA entra en una organización, la diferencia no la marca solo quien sabe escribir un prompt vistoso. La marca quien entiende el proceso, detecta dónde hay pérdida de tiempo y sabe qué parte puede automatizarse sin meter ruido.
En una empresa industrial de Gipuzkoa, por ejemplo, puede ser el equipo técnico preparando respuestas a incidencias repetidas. En una asesoría, la persona que revisa documentación de clientes. En una empresa comercial, quien resume reuniones y actualiza el CRM. En una clínica, quien necesita buscar información interna sin mezclar datos sensibles. La IA útil suele empezar ahí, en tareas pequeñas que duelen cada semana.
El error habitual: formar solo a los entusiastas
Muchas empresas empiezan con un grupo reducido: dirección, alguien de IT y una o dos personas que ya usan ChatGPT por su cuenta. Es normal. Es más cómodo y la conversación avanza rápido. El problema llega después, cuando el piloto tiene que vivir en el trabajo real.
Si solo domina la herramienta una minoría, aparecen tres efectos feos. El primero: el resto del equipo no confía en el resultado y vuelve al método anterior. El segundo: cada persona usa la IA de una forma distinta, sin criterios comunes sobre datos, revisión o tono. El tercero: IT acaba apagando fuegos porque nadie definió límites desde el principio.
Formar no significa dar una charla genérica de dos horas sobre "el futuro de la IA". Eso suele animar un rato y cambiar poco. Formar bien significa elegir tareas reales, probarlas con ejemplos de la empresa, decidir qué se permite y qué no, y dejar una guía mínima que cualquiera pueda seguir.
Qué debería aprender un equipo no técnico
No todo el mundo necesita saber de modelos, embeddings o RAG. Pero sí conviene que el equipo entienda cuatro cosas.
Primero, cuándo usar IA y cuándo no. Resumir una reunión interna puede tener sentido. Pedirle que invente una política comercial sin contexto, no tanto. Segundo, cómo preparar el contexto: documentos aprobados, datos correctos, objetivo claro y formato de salida. Tercero, cómo revisar el resultado. La IA puede sonar segura aunque haya mezclado conceptos o se haya saltado una condición importante. Cuarto, qué datos no deben salir de la empresa.
Esto último importa mucho. En Gipuzkoa hay empresas con información técnica, ofertas, datos de clientes, planos, precios, expedientes o documentación laboral. La formación debe hablar de productividad, sí, pero también de permisos y privacidad. Si no se habla de eso, la adopción crece por caminos raros: cuentas personales, documentos copiados a herramientas externas y respuestas que nadie puede auditar.
Tres casos donde la formación paga rápido
El primer caso suele ser documentación interna. Un equipo aprende a convertir procedimientos, FAQs y manuales en respuestas claras sin perder la fuente. No hace falta montar un RAG completo el primer día. Basta con aprender a pedir resúmenes, comparar versiones y detectar huecos.
El segundo caso está en ventas y atención al cliente. La IA puede ayudar a preparar respuestas, resumir llamadas, ordenar objeciones y proponer siguientes pasos. Pero alguien tiene que enseñarle el criterio comercial de la empresa: qué clientes encajan, qué promesas no se hacen y cuándo escalar a una persona.
El tercero es administración y operaciones. Extracción de datos de documentos, borradores de emails, clasificación de incidencias, preparación de informes. Son tareas poco épicas. Precisamente por eso funcionan: se repiten, consumen tiempo y permiten medir ahorro sin cambiar todo el sistema.
Cómo medir si la formación ha servido
Una formación de IA no debería medirse solo por asistentes o satisfacción. Eso se queda corto. Mejor medir cambios visibles en dos o tres tareas.
Por ejemplo: tiempo medio para preparar una propuesta, número de tickets clasificados correctamente, horas dedicadas a buscar documentos, calidad de los resúmenes de reunión o porcentaje de actualizaciones de CRM completadas el mismo día. Si no hay una métrica antes y después, la empresa acaba con sensaciones. Algunas serán buenas, pero no sirven para decidir inversión.
También conviene medir adopción real. Cuántas personas usan las pautas una semana después. Qué casos han descartado. Qué dudas se repiten. Qué controles faltan. La formación buena deja preguntas mejores, no una lista enorme de trucos.
Qué hacer en una empresa de Donostia, Gipuzkoa o Euskadi
Empezaría con un taller corto, pero muy pegado al trabajo. Tres áreas como máximo. Una tarea por área. Documentos reales, anonimizados si hace falta. Un criterio común sobre datos sensibles. Y al final, una ficha sencilla: objetivo, entrada, prompt base, revisión humana, métrica y riesgo.
Después probaría durante dos semanas. Sin comprar media plataforma. Sin prometer automatización total. Solo medir si la tarea mejora. Si mejora, se decide el siguiente paso: integrar con el CRM, preparar un RAG con permisos, crear un agente con herramientas o formar a más equipos.
La noticia de Google habla de una economía grande. La decisión de una pyme es más pequeña y más concreta. Pero el patrón se parece: la IA aporta valor cuando deja de ser cosa de especialistas y entra en el oficio diario de la empresa, con reglas claras y resultados medibles.
Si quieres revisar dónde puede empezar tu equipo, en Umintia podemos hacer un diagnóstico breve de casos de uso, datos y formación necesaria. Mejor elegir dos procesos buenos que llenar la empresa de pruebas inconexas.