Mapa de progresión de habilidades
Qué significan los Levels 1, 2 y 3 para tu rol – de manera concreta.
Cómo usar esta página
El Marco de Referencia define tres niveles de madurez. Esta página muestra qué significan esos niveles en la práctica para familias de roles específicas – no en teoría, sino en el trabajo que haces día a día.
Para cada familia de roles:
- Level 1 (AI-Assisted): Usas la IA como herramienta. Los mismos flujos de trabajo, más rápidos en algunos puntos.
- Level 2 (AI-Integrated): La IA está integrada en tu flujo de trabajo. Parte de tu trabajo se ha rediseñado en torno a lo que la IA puede hacer.
- Level 3 (IA-nativa): Defines especificaciones y juzgas los resultados. La IA maneja la ejecución.
La escala de niveles individuales añade etapas intermedias: Tier 0.5 (IA-curioso), Tier 1.5 (IA-constructor) y Tier 2.5 (IA-avanzado). Si te encuentras entre dos niveles abajo, probablemente estás en la etapa .5 – en transición activa. Eso es progreso, no una brecha.
Encuentra tu familia de roles abajo. Identifica dónde estás. Luego usa Transforma Tu Rol para el proceso de transición y la sección Reconocer Tu Patrón para entender qué fuerzas estructurales actúan sobre tu rol.
Una nota sobre la profundidad. La columna de Ingeniería tiene la mayor sustancia operacional porque ahí es donde la madurez IA-nativa está mejor documentada. Las columnas de Atención al Cliente, Marketing, Ventas y Diseño reflejan la comprensión actual del marco: direccionalmente correcta, pero más ligera. Los modelos de madurez paralelos para los dominios de tareas discretas donde esta madurez existe más claramente (ingeniería, atención al cliente, operaciones financieras, revisión legal, investigación del conocimiento) están en la hoja de ruta del marco; hasta que se publiquen, trata las columnas no de ingeniería como el suelo de cómo se ve tu rol en cada nivel, no el techo. Ver también la nota más amplia del marco sobre esta asimetría.
Ingeniería
Patrón dominante: Elevación – de escribir código a especificar lo que el código debe hacer.
Level 1 – AI-Assisted
Usas IA para autocompletar código y consultas rápidas. Copilot o ChatGPT sugiere líneas; las aceptas o rechazas.
Cómo se ve:
- La IA autocompleta código mientras escribes
- Pegas código en ChatGPT para depurar o explicar
- Los resultados de IA requieren revisión y edición manual significativa
- Sin configuraciones compartidas ni plantillas de prompts en el equipo
- Tu flujo de trabajo es fundamentalmente el mismo que antes de la IA
Los datos: El 84% de los desarrolladores usa o planea usar herramientas de IA, el 51% diariamente. Pero la confianza ha caído al 29%, y el 66% reporta pasar más tiempo corrigiendo código generado por IA que lo que ahorran (Stack Overflow, 2025). Esta es la experiencia del Level 1: la IA ayuda en algunos puntos, pero la ganancia neta es incierta porque el flujo de trabajo no se ha rediseñado.
Level 2 – AI-Integrated
La IA es parte del flujo de trabajo de desarrollo, no solo un asistente. Diriges cambios en múltiples archivos, revisas código generado por IA a nivel de PR y mantienes archivos de contexto compartidos.
Cómo se ve:
- La IA genera código a partir de descripciones; revisas e iteras
- Existen plantillas de prompts y archivos de contexto compartidos para el código base
- La IA maneja pruebas, documentación y código repetitivo de manera sistemática
- Dedicas más tiempo a la arquitectura y la revisión, menos a escribir
- Eliminar la IA rompería tu velocidad de desarrollo
El cambio: En Level 2, aceptas ~30% de las sugerencias de IA pero retienes el 88% de los caracteres generados (GitHub/Accenture, 2024). La habilidad es saber qué aceptar, qué rechazar y cómo dirigir la generación.
Level 3 – IA-nativa
La IA es la capa de ejecución; los humanos dan dirección y validan. El trabajo se estructura en torno a una unidad operacional recurrente (Contexto → Clarificación → Ejecución → Validación → Recuperación) y tu valor se concentra en los límites. Esto corresponde a los Peldaños 4-5 en la escala de ingeniería.
Unidad de trabajo: la funcionalidad o historia de usuario, manejada de extremo a extremo dentro de un bucle de agente (arquitectar → implementar → revisar → fusionar). No la línea de código. No el prompt.
Tiempo de ciclo: las historias se entregan en horas a días; las funcionalidades en días a semanas. "Atrasado en un entregable" pierde su antiguo significado: cuando un proyecto se estanca en L3, la causa rara vez es la capacidad humana.
Cómo se ve:
- Defines especificaciones, criterios de aceptación y restricciones
- La IA produce la implementación, ejecuta las pruebas, abre el PR y resuelve los comentarios de revisión
- Un agente revisor separado valida el PR; intervienes solo en problemas marcados o en la validación final de UX
- Las puertas de validación están graduadas por riesgo: revisión solo por agente para trabajo reversible, aprobación humana para cambios irreversibles (despliegues a producción, datos sensibles, comunicaciones orientadas al cliente)
- Ver el Laboratorio de IA para la unidad operacional en detalle
Modo de fallo: cuando un entregable se estanca, la causa suele ser el cuello de botella de IA: el agente ha alcanzado un límite estructural (dirección equivocada, spec ambigua, caso extremo subjetivo que no puede resolver solo). La recuperación es recalibración, no depuración: una sesión de lluvia de ideas que reconstruye la comprensión que tiene la IA del problema, a menudo con múltiples humanos aportando distintas perspectivas. Echar más humanos a la ejecución no ayuda.
Forma del día: Un día típico de L3 concentra el trabajo en los límites delantero y trasero. Mañana: revisa el resultado nocturno del agente, valida dos PRs que revisó el agente, ejecuta pruebas de UX con el primer usuario en una funcionalidad recién entregada. Mediodía: escribe specs para dos historias nuevas; mantén un diálogo de clarificación con el agente hasta que no quede ambigüedad material. Tarde: sesión de recalibración sobre una historia bloqueada; refina los criterios de aceptación para el siguiente sprint. Casi no se dedica tiempo a observar al agente ejecutarse.
Métricas: rendimiento (PRs fusionados por semana, historias entregadas), calidad (defectos por historia, cobertura de escenarios), coste (coste de tokens por PR fusionado, margen bruto de IA), no "tiempo ahorrado por la IA". Ver Economía de la IA en madurez.
La advertencia crítica: El Level 1 sin progresión degrada activamente la calidad. El análisis de 211 millones de líneas de código muestra que el desarrollo asistido por IA sin progresión de habilidades causó que la refactorización cayera del 25% a menos del 10% de los cambios, mientras que la rotación de código casi se duplicó (GitClear, 2025). Las herramientas facilitan producir código y dificultan producir código bueno. La historia de productividad también es bimodal: los estudios empíricos que miden a individuos en L1-L2 añadiendo IA a flujos de trabajo existentes encuentran que las ganancias son espurias o negativas; los casos de estudio de equipos reestructurados en torno a la ejecución por IA (AMPECO, Monte Carlo, Every) reportan ganancias de 4× y aumentos del 73% en la tasa de PR. Las habilidades de Level 2 y 3 (juicio de revisión, calidad de especificación, diseño de pruebas, diseño de procesos) son lo que desbloquea el segundo modo y previene el primero.
Autoevaluación
| Pregunta | Level 1 | Level 1.5 | Level 2 | Level 2.5 | Level 3 |
|---|---|---|---|---|---|
| ¿Cómo empiezas una nueva funcionalidad? | Abres el editor, empiezas a codificar, usas IA para completar | Experimentas con IA para partes de la funcionalidad, construyendo y probando flujos de prompts | Describes la funcionalidad a la IA, revisas el resultado, iteras | Escribes especificaciones detalladas con restricciones, avanzando hacia resultados verificados por pruebas | Escribes una especificación con restricciones y casos de prueba, dejas que la IA implemente |
| ¿Qué pasa cuando el código de IA es incorrecto? | Lo corriges línea por línea | Iteras sobre el prompt, empezando a construir plantillas reutilizables | Mejoras el prompt/contexto y regeneras | Mejoras los escenarios y los sistemas de verificación | Recalibras (reconstruyes la comprensión de la IA mediante lluvia de ideas + re-especificación) antes de depurar; la spec o el contexto suelen ser la causa real |
| ¿Qué compartes con tus compañeros? | Nada específico de IA | Experimentos que funcionaron, borradores de prompts | Plantillas de prompts, archivos de contexto | Patrones de especificación, enfoques de verificación | Patrones de especificación, bibliotecas de escenarios |
Marketing
Patrón dominante: Especialización – desprenderse de la producción de contenido, profundizar el juicio estratégico.
Level 1 – AI-Assisted
Usas IA para primeros borradores y generación de ideas. Cada resultado se edita manualmente.
Cómo se ve:
- La IA genera borradores de artículos de blog, copy de emails o publicaciones en redes sociales
- Editas el 80%+ del resultado de IA antes de publicar
- Sin flujo de trabajo sistemático – la IA se usa de manera ad hoc
- Cada miembro del equipo usa la IA de manera diferente (o no la usa en absoluto)
- Las campañas todavía se planifican y ejecutan de manera tradicional
Los datos: El 91% de los líderes de marketing dice que sus equipos usan IA, con la creación de contenido (43%) como el principal caso de uso. Pero el 86% edita el contenido generado por IA antes de publicar (HubSpot, 2025). Y el 68% no recibe formación formal en IA (Marketing AI Institute, 2025).
Level 2 – AI-Integrated
Los flujos de trabajo de campaña se rediseñan en torno a la IA. La IA no solo redacta – genera variantes, maneja la investigación y produce análisis como un paso sistemático.
Cómo se ve:
- Las bibliotecas de prompts compartidas codifican la voz de marca y el posicionamiento
- La IA genera variantes de campaña; seleccionas y refinas
- La investigación, el análisis competitivo y los informes son flujos de trabajo IA-nativos
- Los nuevos miembros del equipo se incorporan a procesos integrados con IA
- El equipo produce más con menos personas
El cambio: Dejas de escribir contenido y empiezas a dirigir sistemas de contenido. Tu valor pasa de la velocidad de producción al juicio estratégico: qué ángulo, qué audiencia, qué posicionamiento.
Level 3 – IA-nativa
Defines estrategia, posicionamiento y restricciones. Los sistemas producen campañas, variantes e informes.
Cómo se ve:
- Especificas la campaña: objetivo, posicionamiento, restricciones, métricas de éxito
- La IA produce el creativo, el copy y el plan de distribución
- Revisas, seleccionas y ajustas – no produces
- El equipo de marketing es significativamente más pequeño pero produce significativamente más
- Tu rol es estrategia y criterio, no ejecución
Validación externa: La propia encuesta de madurez del Marketing AI Institute se corresponde casi directamente con estos niveles: el 40% de los equipos de marketing están en Experimentación (Level 1), el 26% en Integración (Level 2), el 17% en Transformación (Level 3) (Marketing AI Institute, 2025).
Autoevaluación
| Pregunta | Level 1 | Level 1.5 | Level 2 | Level 2.5 | Level 3 |
|---|---|---|---|---|---|
| ¿Cómo creas una campaña? | La planificas, luego usas IA para algunos borradores | Pruebas la IA en pasos específicos, construyendo bibliotecas de prompts | Defines el brief, la IA genera variantes, tú cuidas | Defines la estrategia y restricciones, la IA produce la mayoría de los entregables con edición ligera | Defines la estrategia y restricciones, la IA produce la campaña |
| ¿Cuál es tu cuello de botella? | Escritura y producción | Encontrar qué flujos de trabajo con IA se consolidan | Revisión y decisiones estratégicas | Definir las restricciones correctas para calidad consistente | Definir el problema correcto a resolver |
| ¿Cuánto editas el resultado de IA? | 80%+ | 50-70% (mejorando a medida que maduran los flujos de trabajo) | 30-50% | 15-25% (principalmente seleccionando, no reescribiendo) | 10-20% (seleccionando, no reescribiendo) |
Servicio al cliente
Patrón dominante: Elevación que pasa a Convergencia – de responder tickets a diseñar sistemas de servicio.
Level 1 – AI-Assisted
La IA sugiere respuestas. Los agentes copian, pegan y editan. El flujo de trabajo es el mismo, ligeramente más rápido.
Cómo se ve:
- La IA redacta sugerencias de respuesta para los agentes
- Los agentes manejan el mismo volumen y tipos de interacciones
- La IA solo maneja las consultas más simples y con más guión
- Sin cambios de rol – todos siguen haciendo el mismo trabajo
- La calidad depende de agentes individuales, no de sistemas
Level 2 – AI-Integrated
La IA maneja las consultas rutinarias de manera autónoma. Los agentes pasan de responder a entrenar, revisar y manejar casos complejos. Surgen nuevos roles.
Cómo se ve:
- La IA resuelve la mayoría de los tickets rutinarios sin participación humana
- Los agentes pasan más tiempo entrenando sistemas de IA que haciendo soporte tradicional
- Surgen nuevos roles: analistas de conversaciones, gestores de conocimiento, líderes de operaciones de IA
- La lógica de escalación se diseña y documenta, no se improvisa
- El equipo maneja significativamente más volumen con una plantilla estable o reducida
Los datos: El 82% de los equipos de soporte se siente positivo sobre la colaboración con IA. El 60% dice que los roles están evolucionando. El 40% de los equipos reporta que los agentes pasan más tiempo entrenando sistemas de IA que haciendo soporte tradicional (Intercom, 2025). Esto es el Level 2 en acción.
Level 3 – IA-nativa
Los humanos definen la estrategia de servicio, la lógica de escalación y los estándares de calidad. La IA ejecuta la gran mayoría de las interacciones.
Cómo se ve:
- Defines: qué constituye un buen servicio, cuándo escalar, cómo se ve la calidad
- La IA maneja el 80%+ de las interacciones
- Los agentes humanos existen para las decisiones de juicio, los momentos de relación y los casos que el sistema no puede manejar
- El equipo es una fracción de su tamaño anterior, pero la calidad del servicio es igual o mejor
- Tu rol es el diseño del sistema y la propiedad de la calidad, no la resolución de tickets
El servicio al cliente suele ser la primera función en alcanzar el Level 3. Muestra la mayor cobertura real de tareas de IA (Anthropic, 2026) y genera la mayor parte del valor de IA (38%, según BCG, 2025).
Autoevaluación
| Pregunta | Level 1 | Level 1.5 | Level 2 | Level 2.5 | Level 3 |
|---|---|---|---|---|---|
| ¿Qué haces la mayor parte del día? | Responder tickets | Probar la IA en categorías de tickets, construir plantillas de respuesta | Entrenar IA, manejar escalaciones, revisar calidad | Diseñar lógica de escalación, monitorear métricas de calidad de IA | Diseñar estrategia de servicio y reglas de escalación |
| ¿Qué pasa cuando la IA da una mala respuesta? | La corriges y sigues adelante | Construyes una mejor plantilla o entrada en la base de conocimiento | Actualizas los datos de entrenamiento o la base de conocimiento | Rediseñas los criterios de calidad o los datos de entrenamiento | Rediseñas la lógica de escalación o los criterios de calidad |
| ¿Cómo se mide tu desempeño? | Tickets resueltos, tiempo de respuesta | Calidad de plantillas, tasa de adopción de IA | Tasa de deflexión de IA, calidad de escalación | Calidad del diseño del sistema, calidad a escala | Métricas de calidad del servicio, efectividad del diseño del sistema |
Ventas
Patrón dominante: Especialización – desprenderse de la sobrecarga administrativa, profundizar el juicio en relaciones y negociaciones.
Level 1 – AI-Assisted
La IA ayuda con borradores de emails e investigación básica. Los vendedores todavía dedican la mayor parte de su tiempo a tareas que no son de venta.
Cómo se ve:
- La IA redacta emails en frío y seguimientos
- La investigación es semi-manual con asistencia de IA
- El CRM lo actualizan los humanos
- El 70% del tiempo va a tareas que no son de venta (Salesforce, 2024)
- El proceso de ventas no ha cambiado, solo las tareas individuales
Level 2 – AI-Integrated
La IA automatiza la investigación, la secuenciación de alcance y el enriquecimiento del CRM. Los vendedores se centran en las relaciones y la estrategia de negociaciones complejas.
Cómo se ve:
- La IA maneja la investigación de prospectos, las secuencias de alcance y el timing de seguimiento
- El CRM se enriquece automáticamente con datos recopilados por IA
- Los vendedores se centran en conversaciones de alto valor: calificación, negociación, cierre
- Los usuarios de IA tienen 2,4 veces menos probabilidades de sentirse sobrecargados
- La sobrecarga de tareas que no son de venta cae significativamente
El cambio: El valor pasa del volumen de actividad (llamadas realizadas, emails enviados) a la calidad del negocio (precisión del pipeline, tasa de cierre, tamaño del negocio). Los vendedores de Level 2 no trabajan más duro – trabajan en lo correcto.
Level 3 – IA-nativa
Los humanos definen la lógica de calificación, las reglas de negocio y los umbrales de escalación. La IA produce alcance, propuestas y análisis del pipeline.
Cómo se ve:
- Defines: perfil de cliente ideal, criterios de calificación, reglas de precios, condiciones de escalación
- La IA produce: alcance, seguimientos, propuestas, análisis competitivo
- Tu tiempo va a construir relaciones, cuentas estratégicas y decisiones de juicio
- Para 2027, se predice que el 95% de los flujos de trabajo de investigación de vendedores comenzarán con IA (Gartner, 2025)
- Los vendedores que se asocian con IA tienen 3,7 veces más probabilidades de cumplir su cuota
Autoevaluación
| Pregunta | Level 1 | Level 1.5 | Level 2 | Level 2.5 | Level 3 |
|---|---|---|---|---|---|
| ¿Cuánto tiempo dedicas a tareas administrativas? | 70%+ | 50-60% (automatizando tareas activamente) | 30-40% | 15-25% (la mayoría del admin lo maneja el sistema) | Menos del 15% |
| ¿Cómo investigas un prospecto? | Manualmente, con algo de ayuda de IA | Construyes flujos de trabajo de investigación con IA, pruebas la automatización | La IA produce el brief de investigación, tú lo revisas | La IA maneja la investigación de extremo a extremo, tú revisas y defines estrategia | La IA identifica y califica prospectos, tú manejas las relaciones |
| ¿Cuál es tu ventaja competitiva? | Volumen de actividad | Experimentación con flujos de trabajo | Juicio en negocios | Diseño de sistemas para el proceso de ventas | Especificación de qué significa "bueno" |
Diseño
Patrón dominante: Elevación – de la producción de píxeles a la dirección de sistemas.
Level 1 – AI-Assisted
La IA genera moodboards, conceptos iniciales o copy. Refinas todo manualmente.
Cómo se ve:
- La IA produce inspiración: moodboards, variaciones de conceptos, exploraciones de estilo
- Todo el trabajo de producción (layouts, componentes, activos) se hace manualmente
- La IA es un punto de partida, no un participante en el flujo de trabajo
- El proceso de diseño no ha cambiado – la IA añade un paso de lluvia de ideas
Level 2 – AI-Integrated
La IA maneja el trabajo de producción. Pasas al pensamiento sistémico, la dirección de marca y el juicio de calidad.
Cómo se ve:
- La IA genera diseños, variaciones de activos y adaptaciones responsivas
- Defines los sistemas de diseño y las restricciones de marca; la IA opera dentro de ellos
- El tiempo de producción cae drásticamente; el tiempo de revisión y dirección aumenta
- Los roles de producción de nivel inicial se contraen a medida que la IA absorbe ese trabajo
- El 71% de los profesionales de UX cree que la IA dará forma al futuro de la UX (UX Design Institute, 2025)
El cambio: Tu valor pasa de la ejecución artesanal al criterio y el diseño de sistemas. No eres menos diseñador – eres más arquitecto.
Level 3 – IA-nativa
Defines sistemas, restricciones y reglas de marca. La IA produce los artefactos.
Cómo se ve:
- Especificas: sistema de diseño, parámetros de marca, restricciones, criterios de calidad
- La IA produce: mockups, componentes, layouts responsivos, bibliotecas de activos
- Revisas, cuidas y refinas – no dibujas
- El diseño orientado a resultados reemplaza el trabajo a nivel de píxeles
- Los "Arquitectos de Sistemas" y los "Directores de IA" emergen como los roles de diseño de alto valor (NN/g, 2025)
Para el tercer trimestre de 2025, "el trabajo manual de píxeles había efectivamente terminado para la producción comercial" (UX Design Institute, 2025). La progresión del Level 1 al Level 3 está ocurriendo más rápido en diseño que en la mayoría de las otras funciones.
Autoevaluación
| Pregunta | Level 1 | Level 1.5 | Level 2 | Level 2.5 | Level 3 |
|---|---|---|---|---|---|
| ¿Qué produces? | Entregables de píxeles perfectos | Combinación de entregables manuales y asistidos por IA | Sistemas de diseño y dirección, la IA produce entregables | Sistemas de diseño y restricciones, la IA produce la mayoría de los activos | Especificaciones y criterios de calidad |
| ¿Cuál es tu cuello de botella? | Tiempo de producción | Encontrar qué herramientas de IA funcionan para tu flujo de trabajo | Tomar las decisiones de diseño correctas | Definir restricciones que produzcan calidad de marca consistente | Definir las restricciones correctas |
| ¿Qué habilidades están creciendo? | Dominio de herramientas | Integración de herramientas de IA, diseño de prompts | Pensamiento sistémico, juicio de marca | Especificación de restricciones, juicio de calidad a escala | Ingeniería de especificaciones, criterio a escala |
Transversal: las habilidades que importan en cada nivel
Independientemente de tu familia de roles, ciertas habilidades se componen a través de la progresión:
Level 1 → Level 2: La habilidad crítica es reconocer qué partes de tu trabajo son patrones heredados – ejecución repetible que la IA puede absorber. La transición trata de ver la oportunidad, no solo de usar la herramienta.
Level 2 → Level 3: La habilidad crítica es la ingeniería de especificaciones – escribir instrucciones lo suficientemente claras para que la IA pueda ejecutar sin supervisión en tiempo real. Esta es la Regla de Traducción Universal aplicada a tu trabajo individual.
En cada nivel: Las cinco funciones irremplazables (Dirección, Juicio, Criterio, Relación, Responsabilidad) definen lo que permanece humano. Tu progresión no trata de hacer menos. Trata de concentrarte en lo que solo tú puedes hacer.
Los trabajadores en roles expuestos a la IA ganan hasta un 30% más de salario (PwC, 2025). El mercado ya está valorando la progresión.
← Volver al inicio · Transforma tu rol · Estándares de ejecución con IA · Guía de especificación