Stelemind · Blog
Modelo de madurez de IA: 4 etapas, de prompts a loops
Por Marko6 min de lectura
Todo tu equipo ya usa IA y, aun así, el trabajo se ve exactamente igual que hace un año. ¿Te suena? Un modelo de madurez de IA corporativo no te servirá de mucho: está pensado para empresas con un director de datos y un presupuesto de transformación. Un equipo de 15 personas necesita responder una pregunta más sencilla. ¿Qué cambia de verdad en el día a día cuando la IA pasa a formar parte del trabajo y deja de ser otra pestaña del navegador?
A continuación encontrarás cuatro etapas, las señales de cada una y un test breve para saber en cuál estás.
¿Qué es un modelo de madurez de IA?
Un modelo de madurez de IA describe hasta qué punto la IA está integrada en la forma de trabajar de una empresa: desde peticiones aisladas de algunas personas hasta procesos que funcionan solos. Muestra dónde estás hoy y cuál es el siguiente paso. Un buen modelo mide cuánto ha cambiado el trabajo diario, no cuántas herramientas pagas.
Hay muchos modelos de este tipo. Según una revisión de The Decision Lab, van de 4 a 7 etapas. Los más conocidos, entre ellos el de Gartner, evalúan estrategia, datos, gestión de riesgos y cultura. Para una gran empresa son las preguntas correctas. Para un estudio con 15 desarrolladores suenan abstractas: no hay una estrategia de IA, hay personas que hacen cosas con IA todos los días.
Por eso nos fijamos en otra cosa: cómo es una jornada de trabajo normal y qué lugar ocupa la IA en ella.
¿Cuáles son las 4 etapas de madurez de IA?
Las cuatro etapas de madurez de IA son Prompt, Context, Harness y Loop. En la primera, cada petición se escribe desde cero. En la segunda, la IA conoce el negocio. En la tercera, trabaja dentro del proceso con resultados verificados. En la cuarta, la rutina funciona en ciclos y las personas deciden. Cada etapa se apoya en la anterior.
Los nombres vienen de la ingeniería, donde describen cómo ha evolucionado el trabajo con modelos de lenguaje. Nosotros los aplicamos al negocio en su conjunto: no "cómo programa un ingeniero con IA", sino "cómo trabaja un equipo con IA".
Etapa 1. Prompt: cada uno por su cuenta
Cómo se ve. Las personas abren un chat de IA y escriben la petición desde cero cada vez. Algunas obtienen resultados excelentes, otras se rinden al segundo intento.
La señal. La calidad depende de quién pregunta. Dos responsables con la misma tarea reciben respuestas completamente distintas.
El límite. La IA no sabe nada de tu negocio. Cada petición empieza explicando quién eres y a qué te dedicas, o se lo salta y recibe una respuesta genérica.
Qué aporta la siguiente etapa. Reglas comunes y plantillas de peticiones, para que el resultado ya no dependa de la persona.
Etapa 2. Context: la IA conoce tu negocio
Cómo se ve. El equipo tiene una única base de conocimiento: decisiones, acuerdos, descripciones de procesos, historial de proyectos. La IA trabaja a partir de ella y no desde una hoja en blanco.
La señal. A una persona nueva o a un chat nuevo no hay que volver a contarle el contexto. La respuesta a "cómo hacemos esto aquí" está en la base.
El límite. La IA ayuda más, pero todavía nadie revisa el resultado de forma sistemática. Una persona decide a ojo si el trabajo está terminado.
Qué aporta la siguiente etapa. Trabajo con una definición clara de "terminado" que se verifica antes de aceptarlo.
Etapa 3. Harness: la IA dentro del proceso
Cómo se ve. Las tareas viven en un gestor de tareas con criterios de aceptación. La IA hace su parte del trabajo con acceso a las herramientas que necesita, y el resultado se verifica contra esos criterios.
La señal. "Terminado" significa lo mismo para todos. Cuando un trabajo vuelve para corregirse, el motivo queda escrito con palabras, no como "algo no cuadra".
El límite. El proceso todavía depende de que las personas se acuerden de él: alguien tiene que ponerlo en marcha, enviar recordatorios y comprobar que nada se haya atascado.
Qué aporta la siguiente etapa. Una rutina que funciona sin recordatorios manuales.
Etapa 4. Loop: los procesos funcionan en ciclos
Cómo se ve. Las tareas recurrentes arrancan solas, el trabajo atascado se detecta solo y una persona solo recibe una pregunta cuando hace falta su decisión.
La señal. El responsable dedica su tiempo a decidir, no a perseguir a nadie. Una semana de vacaciones no detiene el trabajo.
El límite. Esta etapa necesita las tres anteriores. Un loop sin base de conocimiento y sin verificación de resultados solo comete errores más rápido.
Qué viene después. Espacio para agentes y automatizaciones que se conectan a un sistema que ya funciona.
¿Cómo evaluar tu madurez de IA?
Evalúa tu madurez de IA con ocho preguntas, dos por etapa. Responde con un sí o un no sincero pensando en una semana de trabajo normal, no en la mejor. Tu etapa es donde aparece el primer "no". El test lleva dos minutos y no requiere herramientas, solo una mirada honesta a la semana pasada.
Etapa 1. Prompt
- ¿La mayor parte del equipo usa IA al menos una vez al día?
- ¿Hay reglas o plantillas comunes para las peticiones habituales?
Etapa 2. Context
- ¿Las decisiones y los acuerdos están registrados en un solo lugar y no dispersos entre chats y cabezas?
- ¿La IA recibe ese contexto cuando trabaja en una tarea?
Etapa 3. Harness
- ¿Cada tarea tiene un criterio que indica que está terminada?
- ¿El resultado se verifica contra ese criterio antes de aceptarlo?
Etapa 4. Loop
- ¿Las tareas recurrentes arrancan sin un recordatorio manual?
- ¿Te enteras del trabajo atascado antes de que se pase el plazo?
¿Se puede saltar una etapa de madurez de IA?
No se puede saltar una etapa de madurez de IA: cada una se apoya en la anterior. Los agentes sin base de conocimiento trabajan a ciegas, y los loops sin verificación de resultados solo multiplican los errores más rápido. Puedes recorrer las etapas más deprisa que las grandes empresas, pero no puedes dejar ninguna fuera.
La tentación es fácil de entender. Casi todas las noticias hablan de agentes, y parece que basta con conectar uno para que el trabajo funcione solo. En la práctica, un agente en la etapa uno es simplemente otro empleado que no sabe nada de la empresa y al que nadie supervisa. Nuestra opinión: el dinero invertido en agentes antes de tener una base y una forma de verificar resultados se pierde en su mayor parte.
¿Por dónde debería empezar un equipo pequeño?
Empieza por el paso de la etapa uno a la etapa dos: reúne el contexto de tu negocio en una sola base para las personas y la IA. Es el paso más barato, y las etapas posteriores se apoyan en él. Las herramientas se pueden cambiar, pero las decisiones y acuerdos que reúnas te acompañan durante años.
En la práctica, eso significa tres cosas:
- dejar por escrito las decisiones que hoy viven en los chats y en la cabeza del responsable;
- acordar que la información nueva va a la base, no solo a los mensajes;
- enseñar al equipo a trabajar con la IA de forma que tome su contexto de ahí.
Lo último es lo más difícil. Una base es fácil de crear e igual de fácil de abandonar si el equipo nunca se acostumbra a ella.
Resumen
Para un equipo pequeño, un modelo de madurez de IA se reduce a una pregunta: ¿qué lugar ocupa la IA en tu jornada de trabajo normal? Prompt, Context, Harness y Loop van en orden, y ninguna se puede saltar. Si tu equipo está en la etapa uno, el mejor paso siguiente no es una herramienta nueva, sino una base de conocimiento compartida.
Nosotros trabajamos sobre un sistema que pasó por estas cuatro etapas, y construimos lo mismo para otras empresas, en torno a sus procesos. Si quieres ver cómo son las etapas 3 y 4 en un sistema en funcionamiento, te lo mostramos en una llamada de 20 minutos.