La realidad virtual (VR) ha demostrado ser un medio efectivo de capacitación laboral para personas con discapacidades intelectuales que pueden tener dificultades para aprender. Sin embargo, es poco probable que logren completar con éxito una tarea específica utilizando solo contenido de capacitación laboral basado en VR sin recibir ayuda complementaria de otros. Por lo tanto, para aumentar la efectividad de la capacitación laboral virtual para personas con discapacidades intelectuales en situaciones de capacitación en las que puedan tener dificultades y no puedan avanzar, los contenidos del programa de capacitación deben identificar automáticamente esos momentos y brindar apoyo para que puedan realizar correctamente la tarea. Para identificar el momento de intervención, realizamos un experimento (n = 21) para recopilar datos de seguimiento ocular de personas con discapacidades intelectuales mientras realizaban una capacitación de barista basada en VR. Medimos los patrones de escaneo ocular para identificar alguna diferencia entre las personas con discapacidades intelectuales que completan un paso dado de forma independiente y aquellas que solicitan intervención. Descubrimos que la información sobre los tipos de objetos fijados no ayudaba a identificar ninguna diferencia, pero la información sobre la transición ocular, movimientos oculares entre dos áreas de interés diferentes, fue útil para identificar la diferencia. Nuestros hallazgos brindan implicaciones para identificar el momento de intervención para personas con discapacidades intelectuales.