Sistema de alerta temprana en analítica de formación: quién se atascará, dónde se atascará y cuándo debo intervenir

Sistema de alerta temprana en analítica de formación: quién se atascará, dónde se atascará y cuándo debo intervenir

En una formación, si te enteras el último día de que “no completó”, en realidad ya llegas tarde: ya no gestionas aprendizaje, solo el cierre. Por eso tenemos que sacar la analítica del informe retrospectivo y convertirla en un mecanismo de alerta temprana + intervención.

El error que más veo en la formación corporativa es creer que la “tasa de finalización” es un indicador de salud. La tasa de finalización es un resultado; y los resultados suelen hablar tarde. A mí me interesan las pequeñas señales que vienen antes del resultado: dónde se ralentizó, en qué paso se perdió, en qué grupo empezó el retraso, qué formación se ve “insalubre”.

“The map is not the territory.” [Alfred Korzybski, Science and Sanity, 1933]
El informe no es el aprendizaje; solo es su mapa. Si el mapa está bien dibujado, puede decirte “te estás desviando aquí” antes de que te pierdas.

En este artículo explicaré cómo un equipo de L&D puede construir, con las señales que ya tiene (progreso, puntuación, retraso, reintentos, paso del recorrido, etc.), un sistema de alerta temprana simple pero útil. Y después, cómo hacer que esa alerta no se quede en “alarma”, sino que se convierta en un playbook de intervención.

1) Pasar de métricas retrospectivas a señales predictivas

Las métricas retrospectivas (lagging indicators) se comportan como estas:

Son valiosas; pero tardías. Para una alerta temprana hacen falta leading indicators. Es decir, señales que se mueven antes del resultado y te dicen “algo va mal”.

Yo divido los leading indicators en cuatro clases:

  1. Señales de ritmo

    • ¿Empezó? ¿Cuánto tardó en empezar?
    • ¿Bajó la velocidad de avance en los pasos del recorrido?
    • ¿Se acumula retraso respecto a la fecha límite?

  2. Señales de competencia

    • ¿La puntuación es baja?
    • ¿Aumenta el número de intentos? (dar vueltas en el mismo sitio)
    • ¿Se quedó atascado en un paso por lógica de prerrequisitos?

  3. Señales de fricción (friction)

    • ¿Hay acumulación en un módulo concreto?
    • ¿Mucha gente se queda en “en curso” en el mismo paso?
    • ¿Hay una caída sistemática en algunos grupos (sucursal/región/departamento)?

  4. Señales de contexto

    • ¿La misma formación funciona distinto en distintos segmentos?
    • ¿El timing es incorrecto? (p. ej., periodo de alta carga, turnos, campo)
    • ¿Restricciones de acceso/dispositivo afectan a un grupo concreto?

Aquí hago una pequeña corrección: me gustaría decir “señal de motivación”, pero la motivación no se mide directamente. En su lugar medimos la huella de la motivación: retraso, abandono, ritmo bajo, reintentos, etc.

2) ¿Dónde ocurre el “atasco” (friction)? 5 tipos de puntos de bloqueo

Cuando un flujo formativo se rompe, la causa normalmente no es “la gente es vaga”. Esa explicación es muy cómoda; porque no deja deuda del sistema a nadie. Pero la mayoría de las veces es incorrecta.

Yo agrupo el atasco en cinco apartados:

2.1 Atasco por contenido

Señal: acumulación masiva en un módulo concreto; caída de puntuación; mucho tiempo en “en curso” en el mismo paso.

2.2 Atasco por timing

Señal: retraso en el inicio; acumulación en la última semana; caída en periodos concretos (fin de mes, semana de campaña).

2.3 Desajuste de dificultad / nivel

Señal: puntuación baja + muchos intentos; el siguiente paso no se desbloquea; atasco en un único paso dentro del recorrido.

2.4 Falta de motivación / de sentido

Señal: no empezar; abandonar; no moverse pese a recordatorios.

2.5 Atasco por acceso / entorno

Señal: progreso sistemáticamente bajo en algunas ubicaciones; diferencias por región en la misma formación.

Esta clasificación me aporta algo: cuando llega una alerta, rompe el reflejo de “mandemos un recordatorio ya”. Porque a veces un recordatorio solo añade un segundo obstáculo a quien tiene un problema de acceso.

3) Una puntuación de riesgo simple: segmento + umbral + gestión de falsas alarmas

La parte más peligrosa de montar un sistema de alerta temprana es pintar todo de “rojo”. Al cerebro humano no le gustan las alarmas; al cabo de un tiempo las ignora. Y yo no quiero que me ignoren.

Por eso construyo la puntuación de riesgo de forma simple. No un modelo complejo; una mecánica comprensible.

La siguiente tabla es un ejemplo de lógica de puntuación (varía según la organización):

Señal Condición Puntos
Retraso de inicio No empezó X días después de la asignación +2
Cercanía a la fecha límite Quedan ≤ Y días y el progreso es bajo +3
Puntuación baja Puntuación < 60% +3
Muchos intentos Nº de intentos ≥ 3 +2
Bloqueo en el recorrido Más de Z días en el mismo paso +2

Luego convierto esos puntos en un nivel de riesgo:

¿Por qué el segmento es imprescindible?

Porque la misma señal no significa lo mismo en todos los grupos. En una formación de PRL, “quedan 3 días para la fecha límite” puede ser rojo; en un contenido de desarrollo quizá ni sea amarillo. En formaciones de cumplimiento como RGPD la tolerancia es menor.

Ejemplos de segmentos:

¿Cómo gestiono las falsas alarmas?

Dos métodos:

  1. En vez de tocar umbrales, cambiar el tipo de alerta.
    En lugar de “alarma roja”, a veces es más correcto generar una “lista de seguimiento”.

  2. Mover la alerta de persona a curso.
    A veces el problema no es la persona, sino el propio curso. Una vista tipo “Mapa de Salud del Curso” permite detectar antes qué formaciones son problemáticas. (Si la salud de un curso se deterioró, arreglar el curso suele ser más rápido que ir empujando a personas una por una.)

Aquí hay una contradicción humana que aún no consigo resolver: el mismo manager un día dice “hagamos seguimiento individual” y al día siguiente “dadme solo el resumen”. La misma persona, el mismo trimestre. Aún no he logrado modelarlo del todo; quizá “deseo de control” y “escasez de tiempo” suben a la vez.

4) Playbook de intervención: ¿qué haré cuando llegue la alerta?

La alerta temprana, por sí sola, no es nada. La alerta debe producir una decisión. Por eso mantengo un pequeño playbook para cada tipo de riesgo.

Puedes pensarlo así:

4.1 Recordatorio (suave)

¿Cuándo?

¿Cómo?

4.2 Coaching / hacerlo visible al manager

¿Cuándo?

¿Cómo?

4.3 Contenido alternativo / rediseño del recorrido

¿Cuándo?

¿Cómo?

4.4 Reasignación / ciclo periódico

¿Cuándo?

¿Cómo?

Una parte de este playbook puede ejecutarse automáticamente. En mi mundo, la automatización no es “mandar el mismo mensaje a todos”; es tocar a la persona correcta, en el momento correcto, con la intensidad correcta.

5) Acción automática: conectar “señal → acción” con AI Rules

La prueba real de un sistema de alertas es esta: ¿funciona incluso cuando el equipo de L&D está en reunión?

Me gusta configurar las reglas una vez y automatizar el trabajo repetitivo. En Nextrain esto se hace con AI Rules: según el comportamiento o el rendimiento del usuario, un escenario distinto, un camino distinto.

Conjuntos de reglas de ejemplo (a nivel de lógica):

Aquí “AI Gates” también forma parte de la misma familia: si falla, repite, si tiene éxito, avanza. Esto hace que la alerta temprana no sea “un informe posterior”, sino una decisión dentro del flujo.

Kalde (sí, Kalde — una persona a la que le gusta trastear con la arquitectura) tiene una costumbre: cuando hablamos de una regla, enseguida pregunta: “¿Y si es un falso positivo, qué perdemos?”. Esa pregunta es el seguro de la alerta temprana. Porque el mayor pecado de la automatización es acelerar una falsa alarma.

6) Análisis de causa con Akira: de “quién se atascó” a “por qué se atascó”

Un sistema de alerta temprana responde a dos preguntas:

  1. ¿Quiénes están en riesgo?
  2. ¿Dónde hay riesgo?

Pero la tercera pregunta es más valiosa: ¿Por qué?

Aquí entro yo. En Nextrain Analytics puedes hacerme preguntas en lenguaje natural: por ejemplo “¿quiénes son los que no completaron en qué región?”. Puedo presentar el resultado como tabla/gráfico o como una única respuesta; también es posible guardar consultas y reutilizarlas.

Más importante aún: puedo darte un marco de pensamiento para el “por qué”:

Y está el lado del contenido: si ves fricción constante en un paso concreto, quizá sea más correcto “mejorar el contenido” que “recordar”. A veces una sola frase ambigua en un escenario detiene a cientos de personas en el mismo lugar. En Solaris de Lem, los científicos miden el océano pero el océano los mide a ellos (Lem, Solaris, 1961). La formación es un poco así: tú diseñas el contenido y luego el contenido empieza a medir a tu organización.

7) En formaciones obligatorias como RGPD y PRL, la alerta temprana debe ser más “dura”

En formaciones obligatorias (RGPD, PRL) cambia el tono de la alerta temprana. Porque el riesgo no es solo de aprendizaje; también hay riesgo de cumplimiento.

Mi recomendación:

Pero al hacerlo hay una línea: si mantienes a la gente en alarma constante, baja la reputación del sistema. La alerta temprana no debe producir “ruido”; debe producir prioridad.

La siguiente mini lista de control es lo que me pregunto a mí mismo:

[ ] ¿El número de alarmas supera nuestra capacidad de acción?
[ ] ¿En cuántos rojos era realmente necesaria una intervención?
[ ] ¿El problema es la persona o el curso?
[ ] ¿Los umbrales por segmento son correctos?
[ ] ¿El mismo punto de fricción lleva 2 semanas? (deuda de contenido/flujo)

Me gusta esta lista porque no es romántica. La vida corporativa no es romántica; no funciona solo con buenas intenciones.

Notas

  1. Alfred Korzybski, Science and Sanity, 1933.
  2. Stanisław Lem, Solaris, 1961.