La ventaja competitiva no es tener IA. Es que tu gente la use bien en el puesto real. Aiforwork es la capa donde se practica ese puesto con IA, antes de llevarlo a producción, y mide quién está preparado.
Tener la herramienta no es saber usarla, y haber formado no es poder demostrarlo. «Completado» no es «capaz». Esa distancia, entre la licencia desplegada y la capacidad real por rol, es el riesgo que nadie está midiendo. Y es donde trabajamos.
Tres piezas inseparables. Quita una y las otras dos dejan de sostenerse. Es lo que separa una plataforma de AI Readiness de un repositorio de contenidos.
Dónde está cada rol y hasta dónde tiene que llegar. Un diagnóstico de capacidad medible por persona, departamento y organización.
El workflow del puesto, practicado con IA sobre expedientes y siniestros del propio sector en un AI Lab. La persona decide y supervisa, sin que el error llegue a producción.
Prueba auditable, por rol y por ejecución, de que sabe hacerlo. Doble evaluación de calidad y de productividad, no una encuesta de satisfacción.
Donde se practica el puesto real con IA antes de tocar producción, con datos del propio trabajo detrás. Del diagnóstico al gobierno, en un mismo sistema.
La unidad de diseño no es una competencia suelta ni un módulo: es el workflow del puesto. El gestor revisa un expediente, el tramitador resuelve un siniestro, el técnico prioriza una incidencia. Con IA, decidiendo y supervisando.
Mide el AI Capability Gap: la distancia entre lo que el rol necesita saber hacer con IA y lo que hoy sabe.
Lo que cada rol necesita desarrollar, y nada más, anclado a DigComp 3.0 y AIComp 2.2.
Doble evaluación GDPVal (calidad) y ClawWork (productividad), 0–4, por cada ejecución. Sin encuestas.
Un mismo dato, varias lecturas: RR.HH., Transformación Digital y comité de dirección.
Aislamiento por organización e integridad de la evidencia. Diseñado para sostener el gobierno de la IA.
El diagnóstico localiza el gap. El itinerario lo reduce. La simulación lo valida. El dashboard lo hace visible al comité.
«Recomiendo aprobar con condición. Riesgo medio: ingresos verificados, ratio de deuda en el límite.»
Contrasta el dato con la documentación, detecta el supuesto que la IA pasó por alto y decide.
La misma evidencia, cuatro lecturas. Cada responsable entra por la pregunta que le quita el sueño.
«¿Podéis demostrar quién está realmente preparado?»
«¿Qué parte de tu gente usa la IA de verdad, y bien, en su puesto?»
«Si la AESIA te lo pidiera hoy, ¿qué le enseñas?»
«¿Estamos preparados para la IA, o solo gastando en ella?»
El mismo método, aterrizado en la tarea crítica: donde la IA cambia de verdad el trabajo y donde el error no puede llegar al cliente.
Dos marcos de competencia y dos rúbricas de desempeño. Estructura reconocible para el regulador, medición honesta para el comité.
Marco europeo de competencia digital. Un lenguaje común y reconocido por la institución.
Competencias específicas de IA: criterio de uso, validación, formulación de instrucciones y supervisión de agentes.
Rúbrica de calidad del entregable, escala 0–4. Metodología propia inspirada en marcos públicos.
Rúbrica de productividad del workflow, escala 0–4. Metodología propia, no un sello oficial.
GDPVal y ClawWork son rúbrica propia de evaluación del desempeño, no certificaciones regulatorias ni benchmarks oficiales de terceros.
Acotamos un workflow faro, de 3 a 5 roles y de 2 a 3 departamentos. Al cierre tienes un informe de AI Readiness y una recomendación de escalado, no una impresión.
Si la prueba convence, se escala. Si no, te quedas con un mapa de readiness del rol que ya vale por sí solo.
De profesional → a AI-Native
No medimos lo que se ha visto. Medimos lo que la persona es capaz de hacer.
Solicita una demo de 30 minutos. Tomamos un rol crítico y te mostramos la evidencia de capacidad que generaría.
Gracias. Te escribimos para coordinar la demo.
