Un framework para evaluar la madurez de los agentes de IA
La encuesta State of AI Agents, de LangChain, muestra una distribución que cualquier framework de madurez debe tomarse en serio: el 51% de las empresas ya tiene agentes en producción, pero la mayor queja registrada es la calidad de ejecución - con un peso dos veces mayor que cualquier otro factor. Eso significa que "estar en producción" no es sinónimo de madurez; muchas empresas están en producción y aun así inseguras sobre la fiabilidad de lo que operan.
Por qué cinco niveles, no dos
Es tentador simplificar la madurez en "no usa" versus "usa" agentes. Los datos de LangChain muestran que eso esconde la variable que más importa: la diferencia entre los equipos de tecnología y los de otros sectores no está en si adoptan o no - está en cuántos métodos de control simultáneos usa cada uno. Los equipos de tecnología usan, en promedio, un 51% más de controles simultáneos (trazabilidad, evaluación offline, permisos granulares, aprobación humana) que otros sectores. Ese gradiente de control es la base de los cinco niveles a continuación.
Nivel 1 - Experimental
Uso puntual, sin proceso formal. Casos de uso no documentados, sin política de datos ni herramientas, ausencia de seguridad dedicada, cero observabilidad más allá de los logs por defecto. Corresponde a la etapa anterior al "51% en producción" de la encuesta - todavía probando si el caso de uso se sostiene.
Nivel 2 - Asistido
El agente actúa bajo supervisión constante, cada acción revisada por un humano antes de ejecutarse. Herramientas limitadas, sin integración profunda con sistemas internos. Métricas informales, sin evaluaciones estructuradas.
Nivel 3 - Integrado
El agente ya accede a datos y herramientas corporativas de forma consistente, con integraciones reales (no prototipos). Aquí es donde se encuentra la mayoría de las empresas encuestadas por LangChain: casos de uso claros (investigación y resumen, productividad personal, atención al cliente), pero seguridad y observabilidad todavía incompletas - la "calidad de desempeño" sigue siendo la principal queja porque el proceso de evaluación aún no maduró.
Nivel 4 - Gobernado
Aquí entran los controles que separan a los equipos de tecnología del resto en la encuesta: permisos de solo lectura por defecto, aprobación humana obligatoria para acciones críticas (escritura, eliminación), evaluación offline sistemática (39,8% de las empresas ya lo hace) y trazabilidad como práctica estándar, no excepción. La tesis de Microsoft - "AI alone won't change your business. The system running it will" - describe exactamente este nivel: el sistema alrededor del agente, no el agente aislado, es lo que garantiza la fiabilidad.
Nivel 5 - Autonomía controlada
El agente actúa con autonomía real en procesos de negocio, pero dentro de un ciclo de vida formal - lo que Microsoft describe como "source, test, deploy, observe, and improve" - con mejora continua supervisada por humanos, no reemplazada por ellos. Ownership claro por agente, métricas de negocio (no solo técnicas) asociadas a cada uno, y escala multiplicada por equipos, no por individuos aislados.
Cómo usar el framework
Evalúa cada una de las diez dimensiones - casos de uso, datos, herramientas, integraciones, seguridad, observabilidad, métricas, evaluaciones, ownership, escala - por separado. Es común que una empresa esté en el nivel 4 en seguridad y en el nivel 2 en evaluaciones al mismo tiempo. El objetivo no es un sello único de "nivel X", sino un mapa de dónde invertir a continuación - normalmente, la dimensión más atrasada es la que más define el riesgo real de la operación.
Fuentes
- LangChain - State of AI Agents - https://www.langchain.com/stateofaiagents
- Microsoft - AI alone won't change your business. The system running it will. - https://blogs.microsoft.com/blog/2026/06/02/ai-alone-wont-change-your-business-the-system-running-it-will/