Capacitación en IA para equipos no técnicos: el programa de 6 semanas que llevó a cuatro perfiles sin código a construir un sistema multiagente

El 90% de los profesionales de negocio que usan IA a diario quiere construir agentes, pero casi ninguno lo ha hecho. Esa es la brecha que AWS decidió atacar con un programa de capacitación en IA para equipos no técnicos. En seis semanas, cuatro profesionales de cara al cliente, sin formación en ingeniería y que nunca habían trabajado juntos, construyeron WealthWise, un asesor financiero multiagente que ganó el primer puesto de la competencia interna.

La premisa, publicada en el blog de machine learning de AWS por Alicia Retzlaff, Imaan Tariq, Sara Golon y Patricia Laszlo, es incómoda para muchas organizaciones: el mayor obstáculo para adoptar IA ya no es la falta de conciencia, sino la distancia entre hablar de IA y construir con ella. Los equipos de ventas, operaciones, finanzas o producto han visto las demos y sacado las certificaciones. Pero cuando un cliente pregunta «¿y esto cómo funciona realmente?», les falta la respuesta que solo da haber construido algo.

Qué construyeron: un sistema multiagente en seis semanas

Los datos de partida son reveladores. Un 80% de los participantes había explorado Amazon Bedrock AgentCore, pero menos de uno de cada cinco había tocado el Strands Agents SDK o construido agentes con AWS Lambda. Muchos evitaban hackathons por creer que su nivel técnico no les permitiría competir con ingenieros.

WealthWise combina cinco agentes especializados: análisis de portafolio, evaluación de riesgo, planificación financiera, información de mercado y recomendaciones de inversión personalizadas. Funciona con una arquitectura de dos servidores (Node.js y Python Flask), modelos Amazon Nova, el Strands Agents SDK para orquestar a los agentes y mantener memoria conversacional, y cuatro tablas de Amazon DynamoDB para persistir datos en tiempo real. Integra datos de mercado en vivo y responde en menos de cinco segundos incluso en razonamientos financieros complejos. Cada agente decide qué herramientas invocar y las encadena, un patrón clave de los agentes de IA multiagente.

Los propios participantes atribuyen el resultado a cinco principios fijados el primer día: aprender antes que ganar, reuniones diarias breves, un producto mínimo viable funcionando de extremo a extremo hacia el día 2, uso activo de mentorías (office hours) y divertirse, es decir, seguridad psicológica antes que producción técnica.

Cómo funciona el programa de formación práctica en IA

El diseño es tan relevante como el resultado. El programa dura seis semanas, con unas cuatro horas semanales por participante. No es casual: según los datos internos de AWS, quienes completaron un formato por fases retuvieron tres veces más habilidades prácticas que quienes pasaron por un intensivo de dos días. Quien no programa a diario necesita ciclos de iteración: tiempo para atascarse, recuperarse y volver a construir.

Las fases descritas incluyen:

Reclutamiento con respaldo directivo: se nominó a perfiles como gestores de cuentas, consultores de soluciones o analistas de operaciones, y se explicó a sus líderes que el tiempo invertido era una inversión en fluidez, no una distracción.

Equipos de 3-4 personas con niveles mixtos, que parten de un problema real de su trabajo. Sin un caso concreto, la formación se vuelve abstracta.

Capacitación dentro de las herramientas reales, con ejercicios que replican el proyecto. Así se evita el abandono más común: el bloqueo en la configuración del entorno.

Construcción con mentor técnico, que desbloquea infraestructura y sugiere patrones sin hacer el trabajo por el equipo. El margen de 2-3 ciclos de iteración permite desechar el prototipo de la semana 3 y rehacerlo mejor en la semana 5.

Un dato de replicabilidad: lo coordinaron cuatro personas junto a mentores, sin equipo dedicado, en paralelo a sus trabajos. Lo que sí hace falta es alguien con suficiente credibilidad interna para proteger el tiempo de los participantes.

Qué puedes aplicar en tu empresa

La lección no es «compra estas herramientas», sino cómo diseñar el aprendizaje. Algunas acciones concretas:

1. Mide tu brecha real. Pregunta a tus equipos qué han construido, no qué cursos han hecho. En AWS, la barrera no era la voluntad, sino el andamiaje para construir con seguridad.
2. Evita el formato maratón. Un bloque de cuatro horas semanales durante un mes y medio supera a un hackathon de fin de semana para perfiles no técnicos.
3. Empieza por un problema real del rol. Un caso tomado del día a día da propósito al contenido técnico y produce prototipos que se pueden mostrar a un cliente.
4. Asegura un mentor técnico por equipo. Su papel es desbloquear, no ejecutar.
5. Exige un MVP temprano. Un flujo completo funcionando en los primeros días reduce el riesgo y fomenta la iteración.
6. Consigue el aval de los managers antes de lanzar. Sin tiempo protegido, el programa muere en la segunda semana.

Este enfoque encaja con una tendencia más amplia: DoorDash ya usa su plataforma de IA generativa con 5.000 empleados, de los cuales el 40% no son ingenieros. Y cuando esos prototipos evolucionen hacia producción, conviene tener en cuenta cómo Elastic unificó la evaluación de sus agentes tras casi dos años en producción y cómo AWS y Cisco automatizan la seguridad de agentes empresariales.

Una advertencia sobre los resultados

Conviene leer el caso con criterio. Se trata de un programa interno de AWS, con herramientas propias y una muestra pequeña. Los datos de retención y el éxito de WealthWise son autoinformados, y el artículo original, que se corta antes de detallar las fases finales, no ofrece métricas de impacto en negocio. Varias plataformas de agregación recogen el mismo mensaje sin aportar datos nuevos. Aun así, la lógica del diseño es transferible a cualquier stack tecnológico.

El siguiente paso para tu organización

La capacitación en IA para equipos no técnicos deja de ser un lujo cuando tus clientes preguntan cómo funcionan los agentes y tus equipos solo pueden recitar la demo. La pregunta no es si tu gente debe aprender a construir con IA, sino cuántos clientes y casos de uso te costará seguir postergándolo. ¿Quién en tu empresa podría liderar un piloto de seis semanas el próximo trimestre?