El 63% de los profesionales de aprendizaje y desarrollo (L&D) ya usa IA para generación de voz o conversión de texto a voz, lo que convierte la narración sintética en la tarea de IA más común en el diseño de aprendizaje corporativo (Synthesia, AI in Learning and Development Report 2026). Queda por delante de la redacción de contenido (60%) y de la creación de video (52%), lo que significa que la pista de voz se ha convertido en la primera parte de un video de formación que los equipos delegan en el software. El dinero y la evidencia avanzan juntos: el gasto en formación en EE. UU. alcanzó los US$ 102,8 mil millones (Training magazine, 2025 Training Industry Report), la valoración de Synthesia casi se duplicó hasta US$ 4 mil millones en un año, y los estudios controlados siguen encontrando que los alumnos puntúan prácticamente igual en las pruebas, ya narre un humano o una IA. Para el contexto más amplio del mercado de voz, consulta nuestras estadísticas del mercado de generadores de voz con IA. Reunimos datos de ATD, Training magazine, LinkedIn, Wyzowl, Kaltura, Edison Research, Nimdzi, MarketsandMarkets, Grand View Research, estudios revisados por pares en Computers and Education, PLOS ONE y Scientific Reports, y divulgaciones corporativas de Synthesia, HeyGen y ElevenLabs.
TL;DR
- El 63% de los profesionales de L&D usa IA para generación de voz o conversión de texto a voz (Synthesia, AI in L&D Report 2026).
- Las organizaciones que usan herramientas de video con IA tienen 4,5 veces más probabilidades de aumentar la creación de video (Kaltura e IntelliVid Research, 2025).
- El gasto en formación en EE. UU. subió 4,9%, hasta US$ 102,8 mil millones (Training magazine, 2025 Training Industry Report).
- El gasto directo en aprendizaje cayó a US$ 846 por empleado en 2025 desde US$ 1.254, mientras que las horas de aprendizaje formal subieron a 16,7 desde 13,7 (ATD, 2026 State of the Industry).
- Synthesia levantó US$ 200 millones con una valoración de US$ 4 mil millones y reporta que el 90% de la Fortune 100 son clientes suyos (Synthesia, enero de 2026).
- HeyGen superó los US$ 200 millones de ARR en junio de 2026, con el 85% de la Fortune 100 usándola en formación, capacitación de ventas y localización (HeyGen, 2026).
- Un video didáctico con IA tardó de 3 a 4 horas en hacerse, frente a 12 a 24 horas de uno tradicional, con resultados de prueba equivalentes (Netland et al., Computers and Education 2025).
- Los oyentes juzgaron humanos el 58% de los clones de voz de IA, frente al 62% de las voces reales (Lavan et al., PLOS ONE 2025).
- El 87% de las personas sigue prefiriendo a un presentador humano en el video instructivo, aunque el 75% se muestra receptivo al contenido con IA integrada (investigación de TechSmith).
- El 63% de los profesionales del marketing de video usó herramientas de IA para crear o editar videos en 2026, frente al 51% (Wyzowl, State of Video Marketing 2026).
- Se proyecta que el mercado de generadores de voz con IA alcance los US$ 20,71 mil millones en 2031, desde US$ 4,16 mil millones en 2025 (MarketsandMarkets).
1. Tamaño del Mercado y Proveedores Corporativos de Video con IA
Las proyecciones de mercado de la voz con IA discrepan por un factor de cuatro, porque cada firma traza el límite de forma distinta. MarketsandMarkets calcula el mercado de generadores de voz con IA en US$ 4,16 mil millones en 2025 y US$ 20,71 mil millones para 2031, un CAGR del 30,7% (MarketsandMarkets, AI Voice Generator Market), y halla que la conversión neuronal de texto a voz es el mayor segmento tecnológico, con el 49,6%. Grand View Research llega a un rango similar para 2030, mientras que The Business Research Company ve un mercado de apenas un cuarto de ese tamaño. Para un comprador corporativo, lo útil es la dirección compartida, no una cifra aislada. Nuestro compendio de estadísticas de texto a voz sigue la capa de TTS subyacente con más detalle.
| Métrica | Valor | Fuente |
|---|---|---|
| Mercado de generadores de voz con IA, 2025 | US$ 4,16 mil millones | MarketsandMarkets, AI Voice Generator Market 2025-2031 |
| Mercado de generadores de voz con IA, proyección 2031 | US$ 20,71 mil millones (CAGR del 30,7%) | MarketsandMarkets |
| Cuota del TTS neuronal en el mercado, 2025 | 49,6% (mayor segmento tecnológico) | MarketsandMarkets |
| Cuota de Norteamérica en el mercado, 2025 | 40,9% | MarketsandMarkets |
| Mercado de generadores de voz con IA, 2023 a 2030 | US$ 3,6 mil millones a US$ 21,8 mil millones (CAGR del 29,5%) | Grand View Research, AI Voice Generators Market Report |
| Mercado de generadores de voz con IA, 2025 a 2030 | US$ 2,48 mil millones a US$ 5,65 mil millones | The Business Research Company |
| Texto a voz incluido el doblaje con IA, 2023 | Cerca de US$ 5 mil millones | Nimdzi, Language Technology Market Size |
Los datos de los proveedores son más concretos que las proyecciones. La penetración de Synthesia en la Fortune 100 pasó del 40% a más del 70% en dos años y luego al 90% en enero de 2026 (Synthesia, anuncio de los US$ 100 millones de ARR; Synthesia, Serie E). La compañía situó explícitamente su Serie E de US$ 200 millones en torno a cómo las empresas ‘forman y mejoran las competencias de su plantilla’. HeyGen reporta que el 85% de la Fortune 100 la usa en formación, capacitación de ventas y localización (HeyGen, US$ 200 millones de ARR), y ElevenLabs incluye la formación interna y el doblaje entre sus casos de uso empresariales.
| Métrica | Valor | Fuente |
|---|---|---|
| Valoración de Synthesia | US$ 2,1 mil millones (ene. 2025) a US$ 4 mil millones (ene. 2026) | Anuncios de las Series D y E de Synthesia |
| Ingresos recurrentes anuales de Synthesia | Más de US$ 100 millones (abril de 2025) | Synthesia, abril de 2025 |
| Clientes de Synthesia en la Fortune 100 | 40% dos años antes, más del 70% (abr. 2025), 90% (ene. 2026) | Synthesia, 2025 y 2026 |
| Usuarios / idiomas / avatares de Synthesia | Más de 2 millones / más de 160 / más de 240 | Synthesia, Serie E, enero de 2026 |
| Ingresos recurrentes anuales de HeyGen | US$ 200 millones (junio de 2026), se duplicaron en ocho meses | HeyGen, 2026 |
| Usuarios / videos creados / idiomas de HeyGen | Más de 30 millones / más de 118 millones / más de 175 idiomas y dialectos | HeyGen, 2026 |
| ARR y valoración de ElevenLabs | Más de US$ 330 millones (finales de 2025), valoración de US$ 11 mil millones | ElevenLabs, Serie D, febrero de 2026 |
Nota de contexto: el número de clientes de Synthesia se expresa de forma distinta en cada comunicado (más de 60.000 empresas en enero de 2025, más de 65.000 en abril de 2025, más de 50.000 equipos en enero de 2026), por lo que no tratamos esas cifras como una línea de tendencia.
2. Presupuestos de Formación y Entrega: Dónde Encaja la Narración
Los datos de presupuesto explican el apetito por una narración más barata. La ATD halló que el gasto directo en aprendizaje cayó US$ 408, hasta US$ 846 por empleado en 2025, aun cuando las horas de aprendizaje formal subieron a 16,7 desde 13,7, el primer aumento de horas en cinco años (ATD, aspectos destacados del 2026 State of the Industry). La ATD señala como causas las aulas virtuales con instructor, los equipos de desarrollo del talento más reducidos y la administración automatizada. Más aprendizaje entregado con menos dinero por persona es justo la presión que empuja a los equipos de la locución en estudio a la voz sintética.
| Métrica | Valor | Fuente |
|---|---|---|
| Horas de aprendizaje formal por empleado, 2025 | 16,7 (desde 13,7 en 2024) | ATD, 2026 State of the Industry |
| Gasto directo en aprendizaje por empleado, 2025 | US$ 846 (desde US$ 1.254 en 2024) | ATD, 2026 State of the Industry |
| Organizaciones que aportaron datos | 340 | ATD, 2026 State of the Industry |
| Gasto total en formación en EE. UU. | US$ 102,8 mil millones (+4,9%) | Training magazine, 2025 Training Industry Report |
| Nómina del personal de formación | US$ 64,7 mil millones (+6,9%) | Training magazine, 2025 |
| Gasto en productos y servicios externos | US$ 16 mil millones (+29%) | Training magazine, 2025 |
| Gasto medio por alumno | US$ 874 (desde US$ 774) | Training magazine, 2025 |
Las dos encuestas principales miden cosas distintas (la ATD sigue el gasto directo por empleado en 340 organizaciones; Training magazine encuesta a empresas de EE. UU. con más de 100 empleados), y por eso una muestra el gasto por persona a la baja y la otra al alza. Ambas coinciden en que la entrega es mayormente digital: los métodos en línea o basados en computadora representan el 34% de las horas de formación, por delante de la instrucción en aula, con el 28% (Training magazine, 2025 Training Industry Report). La propia IA entrega solo el 2% de las horas, pero el 37% de las organizaciones ya usa herramientas de IA, frente al 25% de un año antes. El salto del 29% en productos y servicios externos es donde aterrizan en los presupuestos las suscripciones de video y voz con IA.
| Métrica | Valor | Fuente |
|---|---|---|
| Horas de formación entregadas en línea / basadas en computadora | 34% | Training magazine, 2025 |
| Horas de formación entregadas en aulas con instructor | 28% | Training magazine, 2025 |
| Horas de formación en aula virtual o webcast | 24% | Training magazine, 2025 |
| Horas de formación entregadas por IA | 2% | Training magazine, 2025 |
| Organizaciones que usan herramientas de IA para formación | 37% (desde 25%) | Training magazine, 2025 |
| Promedio de horas de formación por empleado | 40 (desde 47) | Training magazine, 2025 |
3. Adopción de IA en L&D: la Voz Va Primero
La cifra más reveladora de este compendio es el ranking de tareas. La generación de voz y la conversión de texto a voz (63%) encabezan todos los demás usos de IA en el diseño de L&D, por delante de la redacción de contenido y cuestionarios (60%), la creación de video (52%) y la traducción (38%) (Synthesia, AI in Learning and Development Report 2026). La narración es la pieza más fácil de sustituir: el guion ya existe, una voz sintética puede regenerarse tras cada edición y nadie tiene que volver a reservar un estudio. La encuesta tiene un sesgo de adopción temprana que sus autores reconocen, así que conviene tratar los niveles absolutos como un techo.
| Métrica | Valor | Fuente |
|---|---|---|
| Profesionales de L&D que ya usan IA | 87% (el 2% no tiene planes) | Synthesia, AI in L&D Report 2026 |
| Usan IA para generación de voz / conversión de texto a voz | 63% | Synthesia, AI in L&D Report 2026 |
| Usan IA para redacción de contenido / creación de video / traducción | 60% / 52% / 38% | Synthesia, AI in L&D Report 2026 |
| Citan producción más rápida / tiempo ahorrado en la creación de contenido | 84% / 88% | Synthesia, AI in L&D Report 2026 |
| Principales obstáculos: seguridad / precisión / aspectos legales | 58% / 52% / 41% | Synthesia, AI in L&D Report 2026 |
Encuestas más amplias confirman la intención, con menos detalle sobre la voz. El 71% de los profesionales de L&D está explorando, experimentando o integrando IA en su trabajo (LinkedIn, 2025 Workplace Learning Report, 937 profesionales de L&D y RR. HH.). Brandon Hall Group reporta que el 89% de las empresas esperaba que la IA transformara el L&D en 2025, pero que la mayoría la limitó a la creación básica de contenido y a las recomendaciones (Brandon Hall Group). En la encuesta de TalentLMS en EE. UU., el 88% de los gerentes de RR. HH. espera que la IA generativa cambie el tiempo necesario para crear contenido de aprendizaje (TalentLMS, 2026 L&D Report).
| Métrica | Valor | Fuente |
|---|---|---|
| Profesionales de L&D que exploran o integran IA | 71% | LinkedIn, 2025 Workplace Learning Report |
| Empresas que esperaban que la IA transformara el L&D en 2025 | 89% | Brandon Hall Group, The Learning Revolution |
| Empleados que dicen que las habilidades de IA son cruciales / que recibieron formación en IA | 73% / 25% | Brandon Hall Group, The Learning Revolution |
| Gerentes de RR. HH. que esperan que la IA generativa cambie el tiempo de creación de contenido | 88% | TalentLMS, 2026 L&D Report (101 gerentes de RR. HH. de EE. UU.) |
| Gerentes de RR. HH. que citan el contenido de IA poco fiable como obstáculo | 22% | TalentLMS, 2026 L&D Report |
4. Velocidad y Costo de Producción
La velocidad es la ganancia más clara, y la mejor cifra independiente proviene de la academia, no de los proveedores. En el experimento de Netland et al., un video didáctico generado por IA tardó de 3 a 4 horas en producirse, frente a 12 a 24 horas de un video tradicional (Computers and Education, 2025). Incluso comparando el caso más lento de IA (4 horas) con el tradicional más rápido (12 horas), se trata de un recorte de dos tercios del tiempo, y llegó sin una pérdida medible en las puntuaciones de las pruebas (véase la Sección 5). Para una mirada más profunda a cómo la narración sintética cambia la economía por minuto de los locutores, consulta nuestras estadísticas de tarifas de locución.
Las encuestas de los proveedores apuntan en la misma dirección, pero merecen un descuento. La encuesta de Synthesia a 102 usuarios de L&D halló que el tiempo medio de producción bajó de 13 a 5 días, y el 43% dijo que la IA había sustituido procesos tradicionales, con los locutores entre los insumos más sustituidos (Synthesia, estadísticas de videos de formación). Es de 2023, así que es el dato más reciente disponible de su tipo y, al ser una encuesta de proveedor a sus propios usuarios, debe leerse como el mejor de los casos.
| Métrica | Valor | Fuente |
|---|---|---|
| Tiempo de producción por video: IA frente a tradicional | 3-4 horas frente a 12-24 horas | Netland et al., Computers and Education 2025 |
| Participantes en el experimento de Netland et al. | 447 adultos de EE. UU., 4 videos hechos con IA y 4 hechos por humanos | Netland et al., Computers and Education 2025 |
| Tiempo medio de producción de un video de formación | de 13 días a 5 días (-62%) | Encuesta a usuarios de Synthesia, 2023 (n=102) |
| Horas mensuales dedicadas al video / proporción ahorrada con IA | 45 horas / 34% | Encuesta a usuarios de Synthesia, 2023 |
| Usuarios que dicen que la IA sustituyó los procesos tradicionales de producción | 43% | Encuesta a usuarios de Synthesia, 2023 |
Los datos del lado de la demanda de Kaltura muestran por qué importa la velocidad. Las organizaciones que usan herramientas de video con IA tienen 4,5 veces más probabilidades de aumentar la creación de video (Kaltura e IntelliVid Research, State of AI Video in the Enterprise, 1.201 empleados, 1.er trimestre de 2025), y el 65% de los trabajadores prefiere ver un video bajo demanda antes que preguntar a un compañero.
| Métrica | Valor | Fuente |
|---|---|---|
| Probabilidad de aumentar la creación de video con herramientas de IA | 4,5x | Kaltura e IntelliVid Research, 2025 |
| Trabajadores que prefieren el video bajo demanda a preguntar a un compañero | 65% | Kaltura e IntelliVid Research, 2025 |
| Creadores de video que dicen que herramientas más fáciles les permitirían hacer más | 68% | Kaltura e IntelliVid Research, 2025 |
| Empleados cuya organización fomenta la producción de video | 75% | Kaltura e IntelliVid Research, 2025 |
| Interesados en funciones de video con IA para la calidad de producción | 77% | Kaltura e IntelliVid Research, 2025 |
5. Resultados de Aprendizaje: ¿Enseña Igual de Bien una Voz Sintética?
El consenso de la investigación es más estrecho de lo que cualquiera de los dos bandos afirma. En varios estudios controlados, la narración con IA y los presentadores de IA producen puntuaciones de prueba estadísticamente equivalentes a las humanas, mientras que los humanos conservan una pequeña ventaja en interacción y experiencia. Netland et al. evaluaron a 447 adultos con cuatro videos de gestión hechos con IA y cuatro hechos por humanos: las ganancias de conocimiento fueron similares, pero los videos humanos dieron una ventaja pequeña aunque significativa en la experiencia de aprendizaje (Computers and Education, 2025). Un estudio con 108 estudiantes halló mayor interacción con un instructor humano, pero ninguna diferencia de rendimiento (Arkün-Kocadere y Çağlar-Özhan, IRRODL 2024).
Sobre la voz en concreto, un estudio de 2026 cruzó instructores reales frente a generados por IA con voces humanas frente a sintéticas en 130 participantes y no halló un efecto directo de ninguna sobre la motivación ni la retención de conocimientos; el costo apareció solo de forma indirecta, cuando un instructor de IA se percibía como menos humano (Education and Information Technologies, 2026). Un trabajo anterior de Craig y Schroeder halló que una voz de TTS moderna produjo más aprendizaje en pruebas de transferencia que un motor antiguo y fue valorada como igual a una voz humana en credibilidad (Computers and Education, 2017; dato más reciente disponible para esa comparación, ya que el TTS ha mejorado mucho desde entonces).
| Métrica | Valor | Fuente |
|---|---|---|
| Conocimiento adquirido: videos hechos con IA frente a hechos por humanos (447 adultos) | Grado similar; pequeña ventaja humana en la experiencia | Netland et al., Computers and Education 2025 |
| Efecto directo de la voz sintética frente a la humana en la retención (130 participantes) | Ninguno significativo | Education and Information Technologies, 2026 |
| Rendimiento académico: instructor de IA frente a humano (108 estudiantes) | Sin diferencia significativa; mayor interacción con el humano | IRRODL, 2024 |
| Prueba de conocimientos: avatar de IA frente a aprendizaje en línea autodirigido | 10,63 frente a 8,92 (p = 0,036, n = 48) | Bakhtiari et al., Frontiers in Psychology 2026 |
| Estudiantes que pusieron en primer lugar un video personalizado (493 estudiantes) | 88,4% | Tomlinson et al., Scientific Reports 2026 |
| Posición media: IA personalizado frente a humano no personalizado | 2,26 frente a 2,69 (menor es mejor, p < 0,001) | Tomlinson et al., Scientific Reports 2026 |
| TTS moderno frente a voz humana en credibilidad | Valorados como iguales | Craig y Schroeder, Computers and Education 2017 |
Nota sobre el caso atípico: el resultado más favorable a la IA (Bakhtiari et al., Frontiers in Psychology 2026) comparó un avatar de IA con aprendizaje en internet sin guía, no con un instructor humano, así que dice más sobre la estructura que sobre la voz. El estudio de Scientific Reports (Tomlinson et al.) es el hallazgo más afilado para los equipos de formación: los estudiantes prefirieron videos generados por IA a su medida frente a videos genéricos grabados por humanos, de modo que la personalización pesó más que el rostro y la voz humanos.
6. Percepción, Confianza y Detección
Que los empleados noten que la voz es sintética es cada vez más una moneda al aire. En un estudio de 2025 en PLOS ONE, los oyentes calificaron como humanos los clones de voz de IA el 58% de las veces, frente al 62% de las voces humanas reales, una diferencia que no fue estadísticamente significativa (Lavan et al., PLOS ONE 2025). Las voces de IA genéricas de catálogo fueron más fáciles de detectar: solo el 41% se juzgó humano, frente al 81% de las voces reales en la misma prueba. Esa es la brecha que cierra una voz de marca clonada o personalizada, y es también la razón por la que el consentimiento de la persona cuya voz se clona importa tanto como la calidad del audio.
| Métrica | Valor | Fuente |
|---|---|---|
| Clones de voz de IA juzgados humanos | 58% (frente al 62% de las voces reales) | Lavan et al., PLOS ONE 2025 |
| Voces de IA genéricas juzgadas humanas | 41% (frente al 81% de las voces reales) | Lavan et al., PLOS ONE 2025 |
| Puntuación de realismo: clones / humanas / IA genéricas (0-100) | 63,0 / 63,8 / 47,4 | Lavan et al., PLOS ONE 2025 |
| Consumidores que no lograron identificar clips de voz generados por IA | 90% | Informe de IA conversacional de Twilio, nov. 2025 (vía CX Dive) |
| Consumidores que piensan que la IA debería identificarse al principio | 76% | Twilio, Customer Insights Series 2026 |
La preferencia es distinta de la detección. El 87% de las personas sigue prefiriendo a un presentador humano en el video instructivo, aunque el 75% se muestra algo o muy receptivo al contenido con IA integrada (TechSmith, estadísticas de video e investigación de audiencias). La exposición cambia opiniones, sin embargo: en un estudio de Edison Research con 1.005 oyentes de audiolibros de ficción, la disposición a escuchar narración con IA subió del 31% al 65% una vez que la gente la escuchó de verdad, y la versión de IA con varias voces fue valorada favorablemente por el 61%, frente al 53% de la narración humana (Edison Research en SSRS para Spoken, julio de 2026). Los audiolibros no son videos de formación, pero el patrón (reticencia declarada, aceptación a ciegas) es el mismo que reportan los equipos de L&D.
| Métrica | Valor | Fuente |
|---|---|---|
| Prefieren un presentador humano en el video instructivo | 87% | Investigación de TechSmith |
| Receptivos al video instructivo con IA integrada | 75% | Investigación de TechSmith |
| Disposición a probar la narración con IA: antes frente a después de escuchar | 31% frente a 65% | Edison Research en SSRS, 2026 |
| Valoración favorable: IA con varias voces frente a narración humana | 61% frente a 53% | Edison Research en SSRS, 2026 |
| Intención de compra: narración con IA frente a humana | 46% frente a 49% | Edison Research en SSRS, 2026 |
7. Videos Explicativos y Localización
En el lado del marketing, la IA ya es la práctica mayoritaria. El 63% de los profesionales del marketing de video usó herramientas de IA para crear o editar videos en 2026, frente al 51% un año antes (Wyzowl, State of Video Marketing 2026), y los videos explicativos son el segundo formato más común, con un 68%. Los explicativos encajan bien con la locución con IA: guiones cortos, actualizaciones frecuentes del producto y un solo narrador. Para los equipos que prueban guiones en voz alta antes de decidirse por una voz, pasar el texto por un generador de voz con IA gratuito es una forma rápida de oír el ritmo y la duración.
| Métrica | Valor | Fuente |
|---|---|---|
| Empresas que usan el video como herramienta de marketing | 91% | Wyzowl, State of Video Marketing 2026 |
| Profesionales del marketing de video que usan herramientas de IA para crear o editar videos | 63% (51% en 2025) | Wyzowl, 2026 |
| Profesionales del marketing de video que producen videos explicativos | 68% | Wyzowl, 2026 |
| Personas que han visto un video explicativo para informarse sobre un producto | 96% | Wyzowl, 2026 |
| Personas que prefieren un video corto para informarse sobre un producto | 63% | Wyzowl, 2026 |
| Personas convencidas de comprar tras ver un video | 85% | Wyzowl, 2026 |
| Profesionales del marketing que reportan buen ROI del video | 82% | Wyzowl, 2026 |
La localización es donde la voz sintética más cambia las cuentas, porque cada idioma adicional solía significar otra sesión de estudio. El 76% de los consumidores prefiere comprar productos con información en su propio idioma, y el 40% nunca comprará en sitios web en otros idiomas (CSA Research, Can’t Read, Won’t Buy 2020; 8.709 consumidores en 29 países, dato más reciente disponible). La industria de servicios lingüísticos alcanzó los US$ 72,6 mil millones en 2025, y el 39% de los principales proveedores ya ofrece doblaje con IA (Nimdzi 100, 2026). Nuestras estadísticas de doblaje con IA cubren el lado de los medios de ese cambio.
| Métrica | Valor | Fuente |
|---|---|---|
| Consumidores que prefieren la información del producto en su propio idioma | 76% | CSA Research, 2020 |
| Consumidores que nunca compran en sitios en otros idiomas | 40% | CSA Research, 2020 |
| Tamaño de la industria de servicios lingüísticos, 2025 | US$ 72,6 mil millones | Nimdzi 100, 2026 |
| Proveedores de servicios lingüísticos que ofrecen doblaje con IA | 39% | Nimdzi 100, 2026 |
| Idiomas y dialectos admitidos por una plataforma líder de video con IA | Más de 175 | HeyGen, 2026 |
Resumen: Locución con IA en Formación Corporativa y Videos Explicativos en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Profesionales de L&D que usan generación de voz con IA / IA de cualquier tipo | 63% / 87% | Synthesia, AI in L&D Report 2026 |
| Organizaciones que usan herramientas de IA para formación | 37% (desde 25%) | Training magazine, 2025 |
| Profesionales de L&D que exploran o integran IA | 71% | LinkedIn, 2025 Workplace Learning Report |
| Gasto en formación en EE. UU. | US$ 102,8 mil millones | Training magazine, 2025 |
| Gasto directo en aprendizaje por empleado, 2025 | US$ 846 (desde US$ 1.254) | ATD, 2026 State of the Industry |
| Horas de aprendizaje formal por empleado, 2025 | 16,7 (desde 13,7) | ATD, 2026 State of the Industry |
| Horas de formación entregadas en línea | 34% | Training magazine, 2025 |
| Mercado de generadores de voz con IA, 2025 a 2031 | US$ 4,16 mil millones a US$ 20,71 mil millones | MarketsandMarkets |
| Mercado de generadores de voz con IA, proyección 2030 | US$ 21,8 mil millones | Grand View Research |
| Valoración de Synthesia / clientes en la Fortune 100 | US$ 4 mil millones / 90% | Synthesia, enero de 2026 |
| ARR de HeyGen | US$ 200 millones (junio de 2026) | HeyGen |
| ARR de ElevenLabs, finales de 2025 | Más de US$ 330 millones | ElevenLabs |
| Tiempo de producción de un video didáctico: IA frente a tradicional | 3-4 horas frente a 12-24 horas | Netland et al., 2025 |
| Puntuación en la prueba: aprendizaje con avatar de IA frente a en línea autodirigido | 10,63 frente a 8,92 | Bakhtiari et al., 2026 |
| Clones de voz de IA juzgados humanos | 58% (voces reales 62%) | Lavan et al., PLOS ONE 2025 |
| Prefieren un presentador humano en el video instructivo | 87% | Investigación de TechSmith |
| Profesionales del marketing de video que usan herramientas de IA | 63% | Wyzowl, 2026 |
| Videos explicativos entre los profesionales del marketing de video | 68% | Wyzowl, 2026 |
| Consumidores que prefieren su propio idioma | 76% | CSA Research, 2020 |
| Proveedores lingüísticos que ofrecen doblaje con IA | 39% | Nimdzi 100, 2026 |
Metodología y Fuentes
Cada cifra anterior se rastreó hasta la organización o la revista que la produjo. Cuando una cifra solo era accesible a través de un medio de comunicación, la cita nombra a ambos. Excluimos cifras muy repetidas que no pudimos rastrear hasta un documento primario, incluidas las afirmaciones de costo de producción por minuto del video con IA frente al de estudio y varias cifras del tipo ‘el X% de la formación ya se narra con IA’ procedentes de listados sin fecha.
- Synthesia: AI in Learning and Development Report 2026 (421 encuestados, octubre a noviembre de 2025), anuncio de la Serie E (enero de 2026), anuncio de la Serie D (enero de 2025), anuncio de los US$ 100 millones de ARR (abril de 2025), estadísticas de videos de formación (encuesta a usuarios de 2023)
- HeyGen: HeyGen supera los US$ 200 millones de ARR (2026)
- ElevenLabs: anuncio de la Serie D (febrero de 2026)
- ATD: aspectos destacados del 2026 State of the Industry Report de la ATD y el 2026 State of the Industry Report señala las últimas tendencias de desarrollo del talento
- Training magazine: 2025 Training Industry Report
- LinkedIn: 2025 Workplace Learning Report
- Brandon Hall Group: aprendizaje con IA, estudio The Learning Revolution
- TalentLMS: 2026 L&D Report (101 gerentes de RR. HH. y 1.000 empleados de EE. UU., septiembre de 2025)
- Kaltura e IntelliVid Research: State of AI Video in the Enterprise (octubre de 2025)
- Wyzowl: State of Video Marketing 2026
- TechSmith: estadísticas de video e investigación de audiencias
- MarketsandMarkets: AI Voice Generator Market 2025-2031; Grand View Research: AI Voice Generators Market Report; The Business Research Company: AI Voice Generator Global Market Report
- Nimdzi: The 2026 Nimdzi 100 y Language Technology Market Size
- CSA Research: Consumers Prefer their Own Language (2020)
- Estudios revisados por pares: Netland et al., Computers and Education 2025; instructores reales frente a generados por IA y voces humanas frente a sintéticas, Education and Information Technologies 2026; Arkün-Kocadere y Çağlar-Özhan, IRRODL 2024; Bakhtiari et al., Frontiers in Psychology 2026; Tomlinson et al., Scientific Reports 2026; Craig y Schroeder, Computers and Education 2017; Lavan et al., PLOS ONE 2025
- Edison Research en SSRS para Spoken: estudio sobre narración de audiolibros con IA (julio de 2026); Twilio: investigación sobre divulgación y transparencia de la IA (2026) y el hallazgo de noviembre de 2025 sobre detección de voz, tal como lo reporta CX Dive
- Nota sobre los datos: las proyecciones del mercado de voz con IA se contradicen con fuerza (US$ 20,71 mil millones para 2031 de MarketsandMarkets y US$ 21,8 mil millones para 2030 de Grand View Research, frente a los US$ 5,65 mil millones para 2030 de The Business Research Company) por diferencias de alcance; mostramos las tres en lugar de promediarlas. La ATD y Training magazine discrepan sobre la dirección del gasto por alumno porque miden poblaciones y bases de costos distintas. La encuesta de L&D de Synthesia tiene un sesgo de adopción temprana reconocido, y su encuesta de tiempo de producción de 2023 son datos de proveedor de sus propios usuarios; sería bienvenido un parámetro independiente y más reciente del tiempo de producción. Las cifras de ARR, Fortune 100 y valoración de los proveedores son autodeclaradas. La comparación de producción de 3-4 horas frente a 12-24 horas es la estimación de los propios investigadores en un solo estudio, y la leemos tal como la reporta una revisión de 2025 en arXiv (arXiv 2509.00709), no a partir del texto completo del artículo. TechSmith no indica el año de la encuesta de sus cifras del 87% y el 75%. La cifra de detección del 90% de Twilio se leyó a través de CX Dive; la publicación de transparencia de 2026 de Twilio aplica una cifra similar del 90% a la IA basada en texto, así que ambas podrían describir pruebas distintas. CSA Research (2020) y Craig y Schroeder (2017) se muestran como dato más reciente disponible. Los estudios de resultados de aprendizaje usan sobre todo estudiantes o paneles en línea, y no empleados en formación en el lugar de trabajo.
Última actualización: 3 de octubre de 2026. Actualizamos este compendio trimestralmente, y se espera la próxima revisión cuando la ATD publique su State of the Industry Report de 2027 y Training magazine publique su Training Industry Report de 2026.