Cuando lanzamos el AI Fluency Index(se abre en una pestaña nueva), queríamos entender cómo las personas mejoran al trabajar con Claude a lo largo del tiempo. Los primeros datos provinieron de Chat, y contaban una historia consistente: la fluidez se desarrolla a lo largo de dos vías que se comportan de manera muy diferente. Algunas habilidades crecen naturalmente con la práctica, y otras requieren una enseñanza deliberada y repetida. Ese hallazgo moldeó cómo pensamos sobre la incorporación y el aprendizaje dentro del producto, y le dio a las organizaciones un punto de partida para construir su propia capacitación en Claude.
Desde entonces, hemos extendido el Index a Claude Code y Claude Cowork, llevando el total a más de 50,000 conversaciones a través de los 11 indicadores conductuales de fluidez en IA. La fluidez tiene una estructura compartida en las tres superficies, pero cada producto tiene su propio punto de entrada. Lo que significa "llegar a dominar Claude" depende de qué Claude estés usando, y si eres responsable de ayudar a un equipo a desarrollar fluidez, esa distinción importa para decidir qué enseñar primero.

Este artículo repasa lo que encontramos y ofrece un modelo de currículo simple que puedes adaptar para tu organización.
Cada producto tiene un movimiento distintivo
Cada superficie de Claude recompensa un comportamiento diferente al inicio. A esto lo llamamos el movimiento distintivo: el comportamiento de entrada que, cuando está presente, eleva de manera más confiable a los demás indicadores de fluidez.
En Chat, el movimiento distintivo es iterar. Los usuarios que refinan mediante turnos de seguimiento muestran una fluidez más fuerte en todas las demás dimensiones que medimos, y los usuarios que envían un mensaje y se van no muestran casi ninguna evaluación crítica. La iteración crea el espacio donde se desarrollan las demás habilidades.
En Claude Code y Claude Cowork, el movimiento distintivo es clarificar el objetivo. Ambas superficies agénticas recompensan a los usuarios que expresan claramente lo que quieren antes de que Claude empiece a trabajar. Los usuarios que clarifican el objetivo también especifican el formato con más frecuencia, establecen el estilo de interacción de manera más deliberada y descomponen las tareas de forma más efectiva. La claridad del objetivo se agrupa con toda la gama de comportamientos de Descripción de una manera en que la iteración no lo hace en estas superficies.
Para cualquiera que esté construyendo capacitación en Claude para su organización, la implicación es que la incorporación debe enseñar primero el movimiento distintivo. Un currículo de Chat que no establezca la iteración desde el principio tendrá dificultades para construir algo sobre esa base. Un currículo de Claude Code o Claude Cowork que no establezca la claridad del objetivo producirá usuarios que entregan solicitudes vagas y luego se preguntan por qué el resultado no dio en el blanco.
El espectro de Descripción se desarrolla con la práctica
Después del movimiento distintivo, los aprendices avanzan a lo largo de lo que llamamos el espectro de Descripción: el rango de opciones disponibles para moldear lo que Claude te entrega. El espectro está organizado por durabilidad, es decir, cuánto tiempo afecta la función tus interacciones con Claude. En el extremo básico, el moldeado ocurre en el momento y afecta una sola respuesta. Iteras, agregas contexto, subes un archivo. En el extremo avanzado, el moldeado ocurre en la configuración y afecta cada respuesta posterior sin que tengas que esforzarte tanto. Configuras un Proyecto, escribes un CLAUDE.md, programas un flujo de trabajo.
El hallazgo alentador aquí es que las habilidades de Descripción parecen crecer de manera orgánica y no lineal con el tiempo y la exposición. Los usuarios que llevan más tiempo proporcionan ejemplos con más frecuencia, establecen el estilo de interacción de manera más deliberada y comunican las expectativas de tono con mayor claridad. Las personas que siguen usando Claude encuentran por sí mismas el camino hacia estas habilidades, así que si tu tiempo de capacitación es limitado, simplemente exponer a las personas a diferentes tipos de Descripción con los que puedan practicar con Claude debería resultar fructífero.
La espiral de Discernimiento tiene que enseñarse
El Discernimiento, el conjunto de comportamientos en torno a evaluar lo que Claude te devuelve, se desarrolla de manera muy diferente. No crece con la antigüedad. No se transfiere desde la familiaridad con las funciones.
Parte de esto se explica por un cambio en cómo ocurre la verificación. Cuando Claude edita un archivo o produce un informe, los usuarios pueden ver lo que hizo. Revisan el diff, ejecutan la prueba, hojean el resultado. Esta verificación observacional es real, y nuestros indicadores no la capturan por completo porque no escribes "¿esto está bien?" cuando simplemente puedes mirar. Pero la observación solo detecta los errores que puedes ver. Pasa por alto suposiciones incorrectas, contexto faltante y afirmaciones plausibles pero falsas. Un diff que compila aún puede codificar el enfoque equivocado, y un informe que se lee con fluidez aún puede citar la fuente equivocada.
Además, a medida que las tareas que antes realizaban los empleados en etapas tempranas de su carrera se automatizan cada vez más con Claude, se necesitarán programas intencionales para enseñar a las personas "cómo se ve lo bueno".
Si tu tiempo de capacitación es limitado, el Discernimiento es donde debes concentrarlo.
Un modelo de currículo simple
En pocas palabras, la secuencia de enseñanza es:
- Enseñar primero el movimiento distintivo
- Avanzar a lo largo del espectro de Descripción
- Revisitar el Discernimiento en cada paso
Toda experiencia de aprendizaje de producto, ya sea un módulo formal o una sesión rápida de equipo, debe reforzar el movimiento distintivo del producto, introducir funciones relevantes para el aprendiz y cerrar con una verificación de Discernimiento. Incorporar un paso de "ahora cuestiónalo" es lo que mantiene la evaluación crítica dentro del ciclo.
Las tablas a continuación mapean este modelo a cada producto. Úsalas como punto de partida para tu propio currículo, adaptando las funciones y verificaciones para que coincidan con lo que tu equipo realmente usa.
Chat
Movimiento distintivo: iterar. Refinar mediante turnos de seguimiento.
| Nivel de durabilidad | Funciones | Enfoque de enseñanza | Verificación de Discernimiento |
|---|---|---|---|
| Básico | Iteración, selección de modelo, carga de archivos, búsqueda web | Mostrar, luego dejar que las personas exploren con sus propias tareas | ¿Esta respuesta es realmente utilizable, o necesita otro turno? |
| Medio | Artifacts, pensamiento extendido, conectores | Combinar la creación con la especificación de formato; posicionar el pensamiento como "cuando quieres que Claude piense más a fondo" | Lee el pensamiento. ¿El razonamiento se sostiene, o Claude simplemente sonó confiado? |
| Duradero | Proyectos, instrucciones personalizadas, memoria | Mostrar cómo un Proyecto bien configurado cambia cada conversación dentro de él | ¿Tu Proyecto le está dando a Claude el contexto correcto, o solo más contexto? |
Claude Code
Movimiento distintivo: clarificar el objetivo. Expresar lo que quieres antes de que Claude empiece a ejecutarse.
| Nivel de durabilidad | Funciones | Enfoque de enseñanza | Verificación de Discernimiento |
|---|---|---|---|
| Básico | Claridad del prompt, referencias a archivos, selección de modelo | Un objetivo claro, una ejecución agéntica, luego revisión | Antes de aceptar el diff, pregúntale a Claude qué asumió |
| Medio | Skills, comandos de barra, MCPs | Moldear una capacidad repetible | Probar la capacidad en un caso en el que podría equivocarse |
| Duradero | CLAUDE.md, hooks, subagentes | Moldear cada sesión en el repositorio | Audita tu configuración. ¿Claude la está usando de la manera que esperas? |
Claude Cowork
Movimiento distintivo: clarificar el objetivo. Escribir un brief que nombre lo que necesitas antes de que Claude lo ejecute.
| Nivel de durabilidad | Funciones | Enfoque de enseñanza | Verificación de Discernimiento |
|---|---|---|---|
| Básico | El prompt inicial, selección de modelo, preguntas incrustadas, revisión del resultado | Escribir un prompt autocontenido; verificar lo que obtuviste de vuelta | Antes de usar esto, pregúntate: ¿qué lo haría incorrecto? |
| Medio | Conectores, plugins, skills | Moldear un patrón repetible de obtención o producción | ¿El conector obtuvo lo que realmente necesitabas, o solo lo que fue fácil de encontrar? |
| Duradero | Flujos de trabajo programados, automatizaciones de varios pasos | Moldear trabajo que se ejecuta sin ti | ¿Cuándo fue la última vez que verificaste que este flujo de trabajo sigue produciendo buen trabajo? |
Hacia dónde ir desde aquí
El AI Fluency Index continúa rastreando estos patrones mensualmente, y seguiremos publicando lo que aprendamos a medida que los productos evolucionen y el conjunto de datos crezca. Si estás construyendo capacitación en Claude para tu organización y quieres fundamentarla en esta investigación, el marco y material didáctico de AI Fluency(se abre en una pestaña nueva) están disponibles de forma gratuita, y puedes suscribirte al boletín de AI Fluency(se abre en una pestaña nueva) para recibir notificaciones sobre nuevas investigaciones en fluidez de IA.
Nos interesa particularmente escuchar de equipos que estén experimentando con la enseñanza del Discernimiento en superficies agénticas, ya que ahí es donde los datos sugieren la mayor brecha entre lo que los usuarios hacen naturalmente y lo que requiere una buena práctica. Si estás llevando a cabo algo en esa línea, nos encantaría aprender de ello.