70-20-10: el aprendizaje que ya no ocurre solo

Los cursos nunca fueron lo que nos hacía buenos en nuestro trabajo. Lo que nos hacía buenos era hacer el trabajo, durante años, al lado de alguien que corregía. Eso ocurría gratis y sin que nadie lo diseñara — y la IA acaba de apagarlo. Aquí va qué están montando en su lugar los grandes despachos y consultoras, qué tienen en común los cuatro casos, y hacia dónde se está moviendo nuestro oficio. Sin dar nada por cerrado, porque nada lo está.

El jueves me llegó la newsletter de Philippa Hardman y me tuvo un rato pensando.

Venía a decir esto: que el curso está dejando de ser la unidad por defecto de la formación, y que las grandes firmas ya están montando otra cosa en su lugar. Que lo que de verdad hacía competentes a los profesionales no eran los cursos, sino los años de trabajo rutinario al lado de alguien que corregía. Que la IA se ha llevado ese trabajo por delante. Y que, por tanto, lo que antes salía solo hay que fabricarlo ahora a propósito.

Me pareció lo bastante interesante como para no quedarme en la lectura. Así que me senté con Claude a analizarlo: a abrir una por una las fuentes que cita, a mirar qué sostiene cada dato y qué no, y a contrastarlo con lo que veo yo trabajando en esto.

Lo que sigue es ese análisis, con mi criterio.

¿Por qué el curso nunca fue lo que nos hacía buenos?

Piensa en cómo aprendiste tú a hacer lo que haces. Probablemente no fue en un curso. Fue haciendo tareas pequeñas y repetitivas durante un par de años, cerca de gente que sabía más, que te corregía y a la que veías resolver cosas delante de ti. Funcionaba. Y no lo diseñaba nadie: salía solo, gratis, como subproducto de que hubiera trabajo que hacer.

Por eso el curso sobrevivió como unidad de diseño. No porque fuera donde ocurría el aprendizaje, sino porque era la única parte que había que fabricar.

¿Aguanta el 70-20-10?

Este razonamiento es el del 70-20-10, el marco que sostiene que la mayor parte de lo que aprendemos en el trabajo no viene de la formación formal. Y ahí conviene una cautela, porque el suelo es más blando de lo que parece: los números del 70-20-10 salen de cuatro estudios de 1988 con algo más de doscientos directivos, y cuando alguien fue a auditar la evidencia, la revisión de Clardy encontró esa evidencia tan floja que propuso dejar el marco de lado. La dirección probablemente sea correcta. Es el mismo patrón que conté con los neuromitos que seguimos usando en formación: una cifra redonda que circula durante décadas sin que nadie abra la fuente.

Así que uso el 70-20-10 como descripción de un fenómeno que cualquiera reconoce, nunca como dato. Y lo que ha hecho la IA no es empeorar los cursos: se ha llevado por delante el trabajo rutinario sobre el que se construía el criterio — el 70, si quieres llamarlo así. Las horas de revisar documentos, de preparar declaraciones, de cuadrar cifras. Ese trabajo era aburrido y era, a la vez, donde se formaba el criterio.

Y hay una segunda pérdida, más silenciosa. El razonamiento del sénior, estabas delante cuando decidía. Ahora está dentro de la respuesta del modelo, y no lo ve nadie.

¿Qué están montando en su lugar?

Cuatro casos del último año.

Seis despachos estadounidenses han probado DepoSim, un simulador para practicar deposiciones —el interrogatorio formal a un testigo antes del juicio— donde la IA hace de testigo, de abogado contrario y de estenógrafo, y el asociado recibe feedback estructurado al terminar.

En Three Crowns, un despacho de arbitraje internacional, ensayan interrogatorios cruzados con Atelier, desarrollada con el laboratorio de innovación jurídica de Stanford. Es una habilidad que se reservaba a quien llevaba años ejerciendo.

KPMG está probando TaxSIM con sus fiscalistas junior, con la intención de darle acceso a unos 10.000 profesionales en Estados Unidos. Su responsable digital de fiscal, Brad Brown, dice una entrevista en Fortune lo que sostiene todo lo demás: ya no vas a conseguir tantas repeticiones de esa tarea como antes.

Y PwC ha rehecho directamente el onboarding, con la formación de sus primeros años reescrita alrededor de treinta competencias y el pensamiento crítico, la negociación y el escepticismo profesional adelantados. Su responsable de IA en auditoría, Jenn Kosar, lo dice una entrevista en Business Insider: la gente entrará por la puerta convirtiéndose casi instantáneamente en revisora y supervisora del trabajo de la IA.

¿Y qué han demostrado hasta ahora?

Ahora la parte que no aparece en casi ningún resumen de esta noticia. Ninguno de los cuatro ha publicado un dato de rendimiento en el puesto. El 97% que circula del piloto de DepoSim es el porcentaje de participantes muy de acuerdo en que la herramienta es valiosa: una opinión, por encuesta del propio fabricante, sobre una muestra cuyo tamaño no aparece en ningún sitio. De TaxSIM no existe ni una nota de prensa de KPMG. Y una de las piezas más citadas es una columna de opinión firmada por el consejero delegado del despacho que usa la herramienta.

Que todo el mundo lo esté montando no significa que esté demostrado que funcione. Son dos noticias distintas.

¿Qué está demostrado y qué no?

Sí hay evidencia, y conviene saber exactamente de qué. En un metanálisis de doce ensayos aleatorizados sobre simulación clínica, con unos quinientos participantes, se separan dos cosas que en el discurso comercial van siempre juntas.

Lo que funciona es el feedback inmediato sobre habilidades procedimentales, con la IA mirando lo que hacen tus manos: broncoscopia, gastroscopia, punción guiada por ecografía. El sistema te marca el error en el segundo en que lo cometes, antes de que el gesto se consolide. Ahí la ventaja sobre la enseñanza tradicional es clara y consistente entre estudios.

Lo que no alcanza significación estadística es justo la otra mitad: los simuladores conversacionales, y las habilidades de evaluación y razonamiento. Es decir, lo que están comprando los despachos y las consultoras.

Por qué funciona en unas cosas y no en otras

La explicación de los autores es la que a mí me parece más útil de todo el asunto: cuanto más estructurada es la tarea y más claras las reglas, más ventaja saca la IA. En un procedimiento hay una acción correcta inequívoca en cada instante. En una conversación difícil, no. Y añaden que la eficacia de los modelos de lenguaje depende enormemente del diseño instruccional — o sea, que ahí lo que decide no es el modelo, somos nosotros.

En uno de los estudios, al apagar el feedback de la IA la mejora en tareas reales se desinfló, lo que apunta a dependencia del andamiaje. Y en un estudio publicado en Administrative Sciences, con noventa aprendices en un simulador conversacional, mejorar la puntuación dentro de la plataforma no predijo hacerlo mejor en una tarea real evaluada aparte. Que es, en el fondo, la misma pregunta que me hacía en mi artículo sobre transferencia del aprendizaje.

Todo esto es de medicina y de educación superior. Pero deja la foto bastante clara: está demostrado el bucle corto, sobre una acción con respuesta correcta inequívoca. Está por demostrar el bucle largo, el del criterio, que es el que nos interesa a nosotros.

¿Qué tienen en común los cuatro?

Los cuatro llegaron a la misma anatomía por separado, que suele ser señal de que la lógica de debajo es real.

1. El bucle. Nadie simula revisar documentos ni cuadrar cifras: eso ya lo hace la IA. Se simula la decisión. Te ponen en una situación realista y te obligan a comprometerte con una respuesta antes de enseñarte nada. Después ves qué habría hecho alguien con criterio, y por qué. Después repites con algo más difícil, hay que haberse equivocado y volver a intentarlo.

2. El criterio del experto. El bucle solo funciona si existe la decisión del experto contra la que compararse. Antes eso se transmitía por cercanía. Ahora hay que sacárselo de la cabeza deliberadamente, y ahí está el problema que no resuelve ninguna herramienta: quien decide muy bien tiene el juicio tan automatizado que ya no lo ve, y si le pides sus criterios te da tres generalidades. Narrarlo sobre un caso concreto sí sabe. Nos formaron para recogerle contenido, no para preguntarle cómo decide.

3. Aprender a juzgar el trabajo de la IA. Y es el más difícil, porque juzgar siempre vino de la experiencia. Darle IA a alguien sin enseñarle a comprobarla no cierra la brecha entre novato y experto: la ensancha.

¿Qué no cambia en nuestro trabajo?

La ciencia del aprendizaje. Práctica deliberada, feedback, dificultad creciente, andamiaje que se retira. Nada de eso es nuevo. Lo que ha cambiado es de dónde sale: antes lo servía el trabajo gratis y ahora hay que servirlo a propósito.

En resumen

El curso no se muere: es que nunca fue donde se construía la capacidad. Eso lo hacía el trabajo, y el trabajo rutinario es lo que se ha llevado la IA.
El 70-20-10 acertaba en la dirección y no en los números
Los cuatro casos comparten la misma anatomía: decidir antes de ver la respuesta, comparar con el criterio de un experto, repetir más difícil.
Nadie ha publicado todavía un dato de rendimiento en el puesto. Todo lo que circula es satisfacción.
Si el feedback llega al final, el objetivo tiene que poder leerse en el registro: situación, decisión observable y umbral. Y la rúbrica tiene que traer escrito el casi.
Esto se está moviendo mientras lo lees. Conviene no cerrar todavía ninguna conclusión, la mía incluida.

El correo del jueves terminaba con una cuenta: que a formación no le han quitado trabajo, sino que acaban de entregarle la parte enorme que antes se diseñaba sola. La idea me parece buena..

No sé dónde va esto. Lo que no me cabe duda es de que se está moviendo de sitio: los cuatro casos de este artículo tienen meses, ninguno ha demostrado nada todavía.

Así que no te dejo una conclusión. Te iré contando lo que vea.

¿Hablamos?

¿Estás viendo esto en tu organización — gente joven que ya no hace las tareas con las que se aprendía? ¿Y cómo escribes tú un objetivo de aprendizaje que se pueda comprobar sin haber estado delante? Esa es la parte donde yo sigo dando vueltas.

Cuéntamelo en los comentarios. Si quieres la plantilla de objetivo en tres partes, escríbeme y te la paso.

Preguntas frecuentes

¿Entonces dejamos de hacer cursos?

No. La gente sigue necesitando conocimiento en la cabeza, entre otras cosas para poder juzgar una respuesta de la IA que suena segura. Lo que cambia es que el curso deja de ser la unidad por defecto y pasa a ser una pieza más, junto a la práctica con feedback.

¿Por qué el feedback al final y no durante el intento?

Porque en habilidades de criterio no hay una respuesta correcta inequívoca en cada turno, y una ayuda a mitad de camino te impide llegar a decidir: te llevan. En habilidades procedimentales es al revés y el feedback inmediato gana.

¿Y si nuestros junior sí siguen haciendo trabajo rutinario?

Entonces vas con ventaja y con prisa. La pregunta útil es qué parte de ese trabajo va a automatizarse en los próximos dos años y qué criterio se estaba formando ahí, para reponerlo antes de perderlo.

Si quieres el detalle

Aquí abajo dejo lo que me he saltado arriba para no cortar la lectura. Si el post te ha valido, no hace falta que sigas.

De dónde sale este artículo

Las fuentes, una a una

Del boletín de Philippa Hardman del 27 de agosto de 2026, que fue quien juntó los cuatro casos y les puso nombre. La verificación posterior la hice con IA, pidiéndole que abriera las fuentes originales una por una, y luego comprobé lo que no cuadraba. Salieron cosas: la pieza de Bloomberg Law que se cita como periodismo es una columna de opinión de parte; el dato que se atribuye a PwC sobre que los primeros años funcionarán «como managers» dice en realidad «como cuartos años», que no es lo mismo; y las cifras salariales que circulan con este tema no son rastreables hasta ninguna fuente. Por eso no están aquí.

El piloto de DepoSim
AltaClaro y Verbit (2026), nota de prensa del lanzamiento

Beta de cinco semanas con seis despachos Am Law 100. El literal dice que socios, asociados y personal de desarrollo profesional completaron «más de 160 horas de testeo» y respondieron encuestas. De ahí sale el 97% muy de acuerdo en que es valioso para la formación, y el 94% que lo volvería a usar.

De quién es. Del fabricante, que administra la encuesta sobre su propio producto.

Lo que no demuestra. Nada sobre la competencia del abogado. Sin grupo de control, sin medida antes y después, sin tamaño de muestra declarado. Las 160 horas son de probar el producto, socios incluidos, no de práctica de aprendices.

Por qué lo leo así. Un 97% de satisfacción con muestra desconocida es un dato de otra cosa. Sirve para decir que la herramienta gusta, y eso importa cuando lo que fracasa la mitad de las veces es que la gente no la use.

TaxSIM, en KPMG

Business Insider (18 de mayo de 2026) y Fortune (26 de mayo de 2026)

Brad Brown, responsable digital de fiscal en KPMG US, dice que ya no se consiguen tantas repeticiones de esa tarea como en el pasado. Unos 10.000 profesionales fiscales tendrían acceso a finales de 2026.

De quién es. De la propia firma, en entrevistas. No existe comunicación oficial: ni el producto ni el proveedor aparecen en la sala de prensa de KPMG, y la web del proveedor tampoco describe el producto. KPMG dice además que planea vender estas simulaciones a clientes.

Lo que no demuestra. Que funcione. Ninguna medida, y el producto está en fase de prueba, no desplegado.

Por qué lo leo así. El diagnóstico me lo creo, y lo firma quien tiene los datos internos. La solución está por demostrar, y ellos tampoco dicen lo contrario.

La evidencia sobre si esto enseña

La resumí en mi artículo sobre simuladores conversacionales con IA. Dos datos que conviene tener a mano. En un metanálisis de doce ensayos aleatorizados sobre simulación clínica, la rama de modelos de lenguaje no superó a la enseñanza tradicional, mientras que la de visión por ordenador sí; los autores lo atribuyen a que la eficacia de los modelos de lenguaje depende enormemente del diseño instruccional. Y en un estudio con noventa aprendices en un simulador conversacional, mejorar la puntuación dentro de la plataforma no predijo hacerlo mejor en una tarea real evaluada aparte; lo que sí predijo transferencia fue repartir la práctica en el calendario. Los dos son de otros campos y el salto a formación de empresa lo doy yo.