Scout y Project 120: cuando el L&D se convierte en infraestructura estratégica

Deloitte lanzó Scout el 1 de octubre de 2025 como asistente de aprendizaje impulsado por IA para sus profesionales en Estados Unidos. Se trata de una herramienta interna, pensada para personalizar el desarrollo profesional y acelerar cómo aprenden y se reciclan los equipos.

Según el comunicado oficial, Scout está diseñado para:

• Ofrecer experiencias de aprendizaje personalizadas en función del rol, el histórico de formación, las preferencias de contenido y los objetivos de desarrollo de cada profesional.

• Responder preguntas de aprendizaje con “respuestas accionables” en segundos, con recordatorios y “nudges” para mantener el desarrollo en marcha.

• Acompañar momentos críticos de carrera: asumir un nuevo rol, preparar un proyecto complejo, explorar una nueva capacidad o responsabilidad.

• Habilitar upskilling y reskilling a gran escala, alimentado por insights predictivos sobre necesidades futuras de habilidades.

Todo esto se inscribe dentro de algo llamado Project 120, un programa de aprendizaje y desarrollo que Deloitte describe como una inversión de 1.400 millones de dólares para rediseñar su experiencia formativa, pasando de modelos competenciales top-down a un enfoque profesional-led, data-driven y continuo.

A escala, esto significa poner un “motor de aprendizaje” apoyado en IA delante de una organización de más de 460.000 profesionales en todo el mundo, que en todo el 2025 ya se acerca a los 470.000 empleados según cifras públicas. No estamos hablando, por tanto, de un piloto táctico, sino de infraestructura: un sistema que se integra en la cultura, los procesos y las métricas de talento del grupo.

Qué es exactamente Scout

Más allá de la nota de prensa, una entrevista reciente en WorkLife con el Chief Learning Officer de Deloitte US aporta algunos matices interesantes sobre el diseño de Scout. De forma muy resumida, Scout se posiciona como:

• Capa de orquestación sobre un catálogo ya existente de contenidos de aprendizaje. No es un generador libre de documentos, sino un sistema que conecta a cada profesional con recursos internos curados, rutas formativas y respuestas puntuales.

• Sistema adaptativo: a medida que el profesional consume contenidos, interactúa con Scout y cambia de rol o de proyectos, las rutas se ajustan.

• Herramienta de soporte a momentos de transición: onboarding en un nuevo rol, toma de responsabilidades de liderazgo, entrada en un nuevo tipo de proyecto o industria.

• Motor de insights predictivos: a largo plazo, la intención declarada es anticipar necesidades de skills en función de tendencias de mercado y trayectorias de carrera, no solo reaccionar a la demanda actual.

En paralelo, Deloitte afirma que medirá el éxito de Scout no solo con métricas de adopción (awareness, uso recurrente, completitud de rutas), sino también con su impacto en movilidad interna, desempeño y, en última instancia, resultados de negocio.

Es decir, están tratando el aprendizaje asistido por IA como un producto interno con P&L implícito, no como un “beneficio blando” para la intranet. Este matiz es clave cuando lo comparamos con cómo se suele gestionar el L&D (*) en la mayoría de grupos de agencias.

Antes de hablar de Scout, hablemos de “workslop”

La otra mitad de esta historia es mucho menos glamourosa y cualquier persona que trabaje en una agencia la reconocerá al instante.

“Workslop” es el término acuñado en un artículo de Harvard Business Review para describir el contenido generado con IA que parece pulido, pero carece de la sustancia necesaria para avanzar realmente una tarea. Este tipo de documento que llega bien maquetado, con tono “corporate”, pero obliga a quien lo recibe a invertir tiempo en reinterpretar, corregir y, en muchos casos, rehacerlo casi desde cero.

La investigación de BetterUp Labs y el Stanford Social Media Lab, citada tanto por HBR como por WorkLife y Axios, cuantifica el fenómeno:

• 40% de los trabajadores de oficina en EEUU dicen haber recibido “workslop” recientemente.

• Cada incidente consume casi dos horas de trabajo de limpieza: aclarar, corregir, completar.

• En una organización de 10.000 personas, el coste puede acercarse a los 9 millones de dólares anuales en productividad perdida.

• Quien envía “workslop” es percibido como menos competente, creativo y fiable por sus compañeros.

El problema no es solo de eficiencia. Los estudios apuntan a que, en muchas organizaciones, la avalancha de contenido de baja calidad generada con IA está erosionando la confianza interna y explicando por qué gran parte de los programas piloto de IA no están entregando mejoras de productividad visibles. En el lenguaje de publicidad digital es lo que pasa cuando llenas el equipo de asistentes de IA sin cambiar procesos, ni roles, ni criterios de calidad. Lo que se gana en “tiempo de escritura” se pierde, multiplicado, en “tiempo de pensar”.

Scout como respuesta explícita al “workslop”

Deloitte reconoce este problema de frente. En la entrevista de WorkLife se dice abiertamente que uno de los objetivos de diseño de Scout es evitar generar workslop. ¿Cómo lo intentan?

Diseño centrado en la persona, no “IA primero”
Scout se concibe como un sistema que amplifica el criterio humano, no que lo sustituye. El discurso oficial insiste en cultivar un “pilot mindset”: profesionales que usan la IA como copiloto, pero mantienen responsabilidad sobre la salida y la decisión.

Contenido curado, no generación arbitraria
El asistente no se alimenta de la web abierta ni genera documentos desde cero sin contexto. Conecta al profesional con recursos ya existentes, diseñados y validados por equipos de aprendizaje, y arma rutas personalizadas a partir de ese repositorio.

Guardarraíles de uso y cultura de calidad
Deloitte subraya que Scout se despliega con guías claras de uso apropiado de IA y con bucles de feedback continuos. El estándar de calidad exigido al trabajo “con IA” debe ser el mismo que al trabajo “sin IA”, justamente para evitar que la herramienta se convierta en una máquina de producir workslop con sello corporativo.

Medición más allá del “engagement”
En la fase inicial, las métricas se centran en uso y satisfacción, pero el objetivo declarado es correlacionar Scout con movilidad interna, desempeño y resultados de proyectos. Si el sistema genera mala calidad, esos indicadores lo van a delatar.

Esta es probablemente la diferencia más relevante con la mayoría de despliegues de IA generativa que estamos viendo en el sector de agencias: aquí hay un problema definido (“no queremos workslop”), un modelo de riesgo y una arquitectura diseñada para mitigarlo. No es simplemente “activemos el copiloto de turno y veamos qué pasa”.

Lo que esto implica para el modelo de agencia

Desde dentro de una red de agencias, la historia de Scout no va de “qué herramienta usa Deloitte”, sino de quién se está tomando en serio la arquitectura de aprendizaje y quién no. Las grandes consultoras llevan años tratando el aprendizaje como un sistema crítico: universidades corporativas, certificaciones internas, frameworks de skills, itinerarios obligatorios por nivel. Project 120 y Scout son la continuación lógica de esa línea, ahora con IA como capa de orquestación.

En muchas agencias, el L&D sigue siendo formación reactiva, ligada al pitch de la semana o al vendor que toca, PowerPoints dispersos en SharePoints imposibles de buscar, documentos clave escondidos en discos duros personales o en Slack e hiper-dependencia de “héroes” individuales que saben cómo funciona realmente el stack programático o el modelo de negocio del cliente.

En ese contexto, la irrupción de la IA generativa ha hecho dos cosas a la vez: ha facilitado rellenar huecos con contenido genérico (“armame un deck sobre CTV en retail media en 10 minutos”) y ha hecho aún más visible que no hay un sistema coherente de conocimiento debajo: cada profesional pregunta a su asistente, obtiene una versión distinta y el ruido interno se dispara.

El riesgo es muy claro: mientras unas organizaciones están convirtiendo la IA en infraestructura de aprendizaje estructurada, otras están creando fábricas de workslop decoradas con prompts. Y la diferencia no se verá en la próxima campaña, sino en quién sigue sabiendo de verdad cómo funciona el negocio dentro de cinco años.

El coste real del workslop en una agencia

Si trasladamos las cifras del estudio de BetterUp y Stanford a un grupo global de agencias, el resultado es incómodo. Una de las agencias Big 6 con 20.000 personas expuestas a herramientas de IA podría estar quemando decenas de millones al año en tiempo de “limpieza” de workslop, sin contar el impacto en confianza interna y en reputación ante el cliente.

El workslop en una agencia no es solo un memo mal escrito. Es el deck de estrategia lleno de buzzwords que el director de cuentas tiene que reescribir a medianoche. También es el documento de medición que mezcla KPIs incompatibles porque el modelo lo ha “inventado” a partir de casos genéricos, la recomendación de producto programático basada en capacidades que tu propia stack no tiene y el RFP respondido con benchmarks que no existen en el histórico real de la agencia.

Cada vez que algo así llega al cliente, la factura no es solo el tiempo de corrección, sino la erosión de confianza: tanto hacia la IA como hacia la propia organización que la promueve y de nuevo, las investigaciones sobre workslop muestran que quienes envían ese tipo de contenido son percibidos como menos fiables; en el contexto de una agencia, eso es dinamita para la relación con el anunciante.

Scout como blueprint de “IA de aprendizaje”

Si destilamos Scout a su esencia, lo que tenemos es un patrón que el mundo de agencias podría copiar con matices, si quisiera tomarse en serio la combinación de IA, talento y conocimiento interno:

Repositorio curado, no cajón desastre
Antes de conectar un modelo de lenguaje, Deloitte ha invertido años en desarrollar activos formativos propios, alineados con sus servicios y metodologías. La IA actúa sobre ese corpus, no sobre toda la web.

Skill graph como activo estratégico
El objetivo declarado de Scout es mapear habilidades, trayectorias y necesidades futuras de skills. Eso implica construir un “grafo de talento” interno que permite saber quién sabe qué, dónde hay brechas y cómo se pueden cerrar.

Moments that matter
La herramienta se diseña alrededor de momentos de fricción reales: nuevo rol, nuevo proyecto, nueva responsabilidad. No es una videoteca, es un sistema que aparece cuando el profesional tiene algo en juego.

Gobernanza y métricas
Hay roles claros (equipos de aprendizaje, responsables de contenido, sponsors ejecutivos) y métricas asociadas a negocio, no sólo “tiempo de formación consumido”.

Traducido al lenguaje de una red de medios: esto equivaldría a un sistema donde todo el know-how programático, de data y de producto está estructurado y versionado. La IA te lleva al playbook correcto para tu cliente, mercado y stack tecnológico, no al genérico. Los juniors aprenden haciendo, con rutas y casos asociados a campañas reales, en lugar de vivir en un loop de “copiar-pegar” prompts para salir del paso. La organización ve en tiempo real dónde faltan skills en CTV, retail media o Data Clean Rooms, y deja de depender del “powerpoint hero” de cada oficina.

El ángulo de poder: quién controla el conocimiento en la organización

Hay también una lectura de poder menos comentada: al construir una capa de IA sobre el aprendizaje, Deloitte está centralizando algo muy valioso: el control sobre la taxonomía de habilidades y sobre la narrativa de qué cuenta como “buen trabajo” dentro de la firma.

En agencias, ese poder suele estar mucho más fragmentado: cada red global tiene su propia jerga y frameworks, cada mercado adapta (o ignora) esos frameworks según su realidad y sus urgencias y cada área (creatividad, medios, data, tech) reclama su propia definición de “capacidad crítica”.

Un sistema tipo Scout aplicado a una holding de agencias no solo aceleraría el aprendizaje, también reordenaría quién define la ortodoxia: qué es una campaña bien medida, qué significa realmente “omnicanalidad”, qué capacidades son estratégicas y cuáles son commodities. Esta es quizá la conversación más incómoda: si el conocimiento se convierte en un grafo navegable asistido por IA, es más evidente qué partes de la organización aportan valor distintivo y cuáles podrían ser reemplazadas – por automatización, por in-housing del anunciante o por proveedores más especializados.

Scout es interesante, pero no porque Deloitte haya lanzado “otro producto de IA”, sino porque cristaliza una tendencia más profunda: las organizaciones que tratan el aprendizaje como infraestructura crítica están usando la IA para reforzar esa ventaja; las que lo tratan como un coste están abriendo la puerta al workslop masivo.

En el ecosistema publicitario, donde la complejidad regulatoria, tecnológica y de medición no deja de aumentar, la diferencia entre tener un sistema coherente de aprendizaje asistido por IA y limitarse a añadir copilotos sueltos no es cosmética. Es la diferencia entre seguir entendiendo el negocio dentro de cinco años o convertirse en otro proveedor más en la cadena de ejecución.

La gran pregunta para las grandes agencias, agencias independientes, publishers y plataformas no es si necesitan su propio Scout, sino si están dispuestos a hacer el trabajo sucio previo: ordenar el conocimiento, aceptar que el workslop ya es un problema de productividad y de confianza, y poner el aprendizaje, humano y asistido por IA, en el centro de su modelo de negocio, no en los márgenes de la intranet.

(*) L&D significa Learning & Development, es decir, Aprendizaje y Desarrollo. En el contexto de empresa L&D es el área o función encargada de que la gente aprenda y crezca profesionalmente. Abarca formación, pero también cosas más estratégicas:

• diseño de itinerarios de carrera,

• academias internas,

• certificaciones,

• programas de liderazgo,

• upskilling / reskilling (aprender nuevas skills o reciclarse).

Resumiendo: L&D es todo lo que la compañía hace de forma estructurada para que su talento no se quede obsoleto y pueda asumir nuevos retos (y, en el caso de Deloitte y Scout, apoyado en IA).

Puntos clave:

• Deloitte ha lanzado Scout como asistente de aprendizaje con IA dentro de Project 120, una inversión de 1.400 millones de dólares para personalizar y escalar el desarrollo de sus más de 460.000 profesionales, con foco en rutas adaptativas, momentos críticos de carrera e insights predictivos de skills.

• El diseño de Scout incorpora salvaguardas explícitas contra el “workslop”, apoyándose en contenido curado, un enfoque human-centered y métricas de calidad, en contraste con muchos despliegues de IA generativa que están generando documentos pulidos pero poco útiles y erosionando la productividad y la confianza interna.

• Para el ecosistema Scout funciona como blueprint de cómo integrar IA y aprendizaje de forma estructural: repositorio curado, grafo de skills, rutas ligadas a roles y gobernanza clara.

Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.