Gobernanza
Framework de madurez de IA generativa: los 7 niveles
· 5 min read · Fabián Almenara
Un framework de 7 niveles para medir la madurez real de IA en una empresa, caso de uso por caso de uso, no de golpe. De datos a sistemas multiagente. niveles de madurez IA, LLMOps, AgentOps, sistemas multiagente, RAG fine-tuning groundin
“Quiero IA” o “Fabián, ¿qué es eso de la IA?” ¿Cómo la puedo usar en mi empresa? Son preguntas recurrentes que sí, a día de hoy siguen ocurriendo.
Lo primero que digo a pesar de que muchos dicen que no, para mi la IA, a día de hoy es una herramienta. Seguramente pueda llegar a ser algo mucho más transformador pero a día de hoy es una herramienta que te potencia.
No quieres IA. Quieres resolver tus problemas.
Es cierto que muchos empresarios pequeños y medianos, tienen problemas que no pueden resolver por desconocimiento y por falta de presupuesto. Informes, aplicaciones sencillas, análisis de mercado, automatización de tareas recurrentes, análisis de datos, etc. Son tareas que ahora si están al alcance de la mano de cualquiera.
Para no quedarme en la opinión y tener algo con lo que diagnosticar de verdad, uso un framework de madurez de 0 a 6 niveles que encontré en el libro Agentic Architectural Patterns for Building Multi-Agent Systems, de Ali Arsanjani y Juan Pablo Bustos. Lo aplico en Cubicup y con clientes de consultoría. No es mío, la aplicación sí lo es.
Como todo framework. Lo ideal es empezar a usarlo y ver lo que funciona y lo que no y adaptarlo a tu forma de operar y a tus clientes. Pero bueno, creo que merece la pena mencionarlo.
Nivel 0 es preparación de datos, y es el nivel que casi todo el mundo se salta. Me encuentro constantemente el mismo caso: alguien quiere un plan financiero conectando un MCP directo a la base de datos del ERP, y ya está, ya tiene su plan financiero. La pregunta que siempre hago es si pones la mano en el fuego por esos datos. La respuesta casi siempre es que no, o que no lo sabe. Si no lo sabes, no tienes nivel 0, y sin nivel 0 no hay nivel siguiente que aguante de verdad.
Saber donde tienes los datos no significa que los datos esten bien o que puedan ser utilizados por una IA.
Nivel 1 es prompting, el nivel que ya usa todo el mundo, aunque siga habiendo bastante confusión sobre qué modelo usar para qué. Aquí empieza también la experimentación con function calling vía API.
Nivel 2 es RAG, y aquí hay otra trampa habitual: hablar de RAG sin tener antes una librería de prompts decente ni los datos bien ordenados. No puedes pretender que un sistema busque información bien si tu información de partida es un desastre.
Nivel 3 es fine-tuning, especializar un modelo generalista en el conocimiento, la terminología o el comportamiento de tu negocio.
Nivel 4 es grounding, donde dejamos de conformarnos con que el modelo dé una respuesta y empezamos a exigirle que diga cómo ha llegado a ella y de dónde la ha sacado, para poder monitorizar la precisión de verdad.
Hasta aquí, la mayoría de empresas llegan sin sustos serios. El salto duro está en el nivel 5: el agente único autónomo, orquestado por un LLM, capaz de razonar, planificar e interactuar con herramientas en varios pasos. Aquí aparecen las primeras prácticas serias de LLMOps o AgentOps. Y el nivel 6 va un paso más allá: varios agentes que se descubren entre sí con protocolos como A2A, y que incluso llegan a negociar para decidir cuál es la mejor respuesta.
Lo que más me gusta de este framework, y por lo que lo uso a diario, es que no exige completar el 100% de un nivel para pasar al siguiente, y no lo mides para toda la empresa de golpe.
Lo mides caso de uso por caso de uso. Puedes tener un agente en nivel 5 y un chatbot de soporte todavía en nivel 1, en la misma empresa, al mismo tiempo, y los dos estar exactamente donde tienen que estar.
¿Cómo aplico este framework en Cubicup?
Entra en este link para ver el caso de uso específico para la implementación de este framework en un agente que automatiza la generación de presupuestos.