Los niveles de automatización de agentes de IA

La conducción autónoma tiene un lenguaje útil: de L1 a L5. L1 es asistencia, L2 es automatización parcial, L3 empieza a manejar condiciones más complejas, L4 funciona de forma independiente en ámbitos definidos y L5 es la idea de una conducción totalmente autónoma, o FSD: el sistema puede ir del punto de partida al destino sin que conduzca una persona.

La automatización de agentes de IA necesita un lenguaje parecido. Ahora todo el mundo dice «agente», pero a menudo se refiere a cosas muy distintas. Para una persona, es el autocompletado. Para otra, un asistente de programación. Para otra, es un agente que puede leer archivos, ejecutar comandos, actualizar sistemas, recordar trabajos anteriores y completar un proceso de negocio.

El valor de este marco es sencillo: ayuda a un equipo a situarse donde realmente está. Una vez que conoces el nivel, puedes ver qué falta para avanzar: un mejor entorno para los agentes de IA, una memoria de IA más sólida, flujos de trabajo de IA más claros, permisos más seguros o agentes de IA más capaces.

L1: asistencia de IA, la persona conduce

En L1, la IA es una ayudante. Ve una pequeña cantidad de contexto, predice lo que podrías querer hacer después y te ayuda a avanzar más rápido. La persona sigue dirigiendo la tarea, eligiendo el objetivo, revisando el resultado y haciéndose responsable de él.

Un ejemplo sencillo es la función Tab de Cursor IDE. Predice la siguiente edición o línea de código a partir del archivo y la posición del cursor. Puede parecer muy potente porque elimina obstáculos al escribir código, pero no decide qué módulo cambiar, ni ejecuta la batería de pruebas, ni abre una solicitud de incorporación de cambios, ni publica nada. El volante sigue por completo en manos humanas.

Otro ejemplo habitual de L1 es la IA generativa en formato de chat. Escribes una instrucción como «genera una imagen de producto con estilo cinematográfico para una nueva herramienta de flujos de trabajo de IA», revisas el resultado, ajustas la instrucción y eliges la imagen final. El modelo puede producir una imagen, un párrafo o una idea útil, pero la persona sigue definiendo el objetivo, evaluando la calidad, iterando y decidiendo qué se usa.

Entre los usos habituales de L1 están:

• Completar una línea de código
• Redactar una respuesta
• Generar una imagen a partir de una instrucción
• Resumir un documento
• Sugerir un título
• Explicar un fragmento breve de código

L1 es útil, pero es fácil sobreestimarlo. Hace que la persona trabaje más rápido, pero no automatiza el flujo de trabajo.

L2: automatización de tareas bajo supervisión humana

En L2, la IA empieza a actuar dentro de una tarea delimitada. Puede ayudar con un archivo, una función, un error pequeño, una prueba o una petición concreta. La persona sigue definiendo la tarea, revisando el resultado y decidiendo si lo acepta.

GitHub Copilot encaja bien aquí. Va más allá de completar una línea: puede sugerir cambios, explicar errores, proponer ideas para pruebas y trabajar con más contexto dentro del IDE. Pero, la mayor parte del tiempo, quien desarrolla sigue supervisando de cerca. La persona decide qué pedir, qué aceptar, qué rechazar y cuándo está listo el código.

Aquí es donde empiezan a importar los primeros elementos del entorno de un agente de IA. El sistema necesita contexto, acceso a herramientas, límites de permisos, registros, espacios para la revisión cruzada y una forma de que la persona inspeccione el resultado.

Por ejemplo, una tarea de publicación de contenidos puede dividirse en:

• Generar un borrador en Markdown
• Crear una imagen principal en PNG
• Subir la imagen a la biblioteca multimedia de un CMS
• Probar la conversión de Markdown sin publicar
• Publicar el artículo
• Abrir la página de producción y comprobar que el título, el texto y la imagen se muestran correctamente

En L2, la IA puede ayudar con algunos de estos pasos, pero la persona sigue supervisando el proceso.

L3: automatización de flujos de trabajo, con intervención humana ante la incertidumbre

En L3, la IA ya no se limita a responder una pregunta o completar una tarea pequeña. Puede entender un flujo de trabajo de varios pasos, ejecutar distintas acciones, detectar fallos y ajustar el siguiente paso.

Claude Code es un buen ejemplo de este nivel. Puedes darle un objetivo de ingeniería y puede examinar el repositorio, editar varios archivos, ejecutar comprobaciones de tipos o pruebas, leer los errores, solucionar el problema e informar de lo que cambió. Gestiona un flujo de trabajo; no se limita a producir texto.

Aquí también se vuelve central el flujo de trabajo de IA. Un agente útil necesita un camino para realizar el trabajo: planificar, editar, verificar, recuperarse y resumir. Si falla una ejecución de prueba, debe corregir los metadatos iniciales. Si se rompe la URL de una imagen, debe examinar el registro multimedia. Si una página de producción aparece sin contenido, debe revisar el slug, la configuración regional, el estado del CMS y el contenido de texto enriquecido.

L3 es habitual en la automatización de alto valor porque es potente y, al mismo tiempo, realista:

• Ingeniería de software: editar código, ejecutar pruebas, corregir errores de lint y preparar una PR
• Operaciones de contenido: convertir un encargo en un artículo del CMS y verificar la página publicada
• Operaciones de ventas: enriquecer datos de clientes potenciales, actualizar campos del CRM y crear tareas de seguimiento
• Análisis de datos: obtener datos, generar un informe y explicar anomalías
• Atención al cliente: clasificar solicitudes, redactar respuestas y derivar los casos excepcionales

La clave no es que el modelo converse mejor. La clave es que el flujo de trabajo esté lo bastante completo para que el agente siga avanzando hasta encontrar una incertidumbre real o un límite de permisos.

L4: automatización de un ámbito dentro de límites claros

En L4, el agente puede trabajar durante mucho tiempo dentro de un ámbito definido. Conoce el objetivo, tiene acceso a herramientas, entiende los permisos, recuerda el historial y puede escribir los resultados en sistemas de negocio reales.

OpenClaw y Hermes apuntan a este nivel. No son solo herramientas para completar tareas aisladas o sesiones individuales de programación. Están diseñados para una ejecución persistente: herramientas, memoria, flujos de trabajo, permisos y ciclos de retroalimentación. Su valor no reside solo en que un agente pueda completar una tarea impresionante una vez, sino en que pueda operar de forma repetida y fiable dentro de un ámbito de negocio.

Aquí la memoria de IA se vuelve esencial. Sin memoria, el agente empieza de cero cada vez. Con memoria, puede recordar decisiones anteriores, el estilo de escritura preferido, las reglas del producto, el contexto específico de cada cliente, las restricciones de publicación y los patrones de trabajos previos.

L4 no significa que el sistema pueda hacerlo todo. Significa que puede trabajar con un alto grado de autonomía dentro de un área definida. Si sale de esa área, debe detenerse, reducir su autonomía o derivar el asunto a una persona.

Entre los posibles ejemplos de L4 están:

• Un agente de marketing que convierte continuamente las novedades del producto en artículos de blog, correos electrónicos, publicaciones en redes sociales y páginas de destino
• Un agente financiero que reúne pruebas, comprueba anomalías y prepara informes de cierre de mes
• Un agente de recursos humanos que coordina la incorporación, los permisos, la formación y las actualizaciones de estado
• Un agente de cumplimiento que sigue los cambios normativos y prepara material para auditorías
• Un agente de operaciones de datos que vigila métricas, investiga cambios y asigna tareas a los equipos

La parte difícil no es solo la inteligencia del modelo. Es combinar el entorno de los agentes de IA, la memoria de IA, los flujos de trabajo de IA, los permisos, los registros de auditoría, las vías para revertir cambios y la derivación a personas en un sistema operativo estable.

L5: autonomía total, el nivel FSD al que aún no hemos llegado

L5 es uno de los términos de los que más se abusa en la automatización de agentes de IA. No significa que el modelo suene inteligente. No significa que el agente pueda usar muchas herramientas. Significa que puede operar en un entorno abierto y cambiante y asumir la responsabilidad del resultado final.

En la analogía con la conducción, L5 no es «funcionó en una carretera conocida». Es la verdadera idea de la conducción totalmente autónoma: el sistema puede afrontar cambios en la carretera, situaciones inusuales y todo el trayecto de principio a fin sin que conduzca una persona.

Aún no estamos ahí. Incluso los sistemas de agentes más potentes de hoy se parecen más a un L3 sólido o a un L4 específico de un ámbito. Pueden funcionar extraordinariamente bien cuando el camino, los permisos, las herramientas y los criterios de éxito están definidos. Todavía no son conductores universales de procesos de negocio capaces de responsabilizarse con seguridad de cualquier resultado en todos los sistemas, sectores y casos excepcionales.

Para acercarse a L5, el sistema necesitaría:

• Un entorno para agentes de IA que gestione herramientas, permisos, observabilidad, auditoría y reversión de cambios
• Memoria de IA para conservar el contexto a largo plazo, las preferencias, las decisiones y el conocimiento del negocio
• Flujos de trabajo de IA que gestionen el estado del proceso, los criterios de validación y las excepciones
• Agentes de IA capaces de planificar, ejecutar, verificar, recuperarse y mejorar con el tiempo

Por ahora, el camino práctico es avanzar desde L2 y L3 y después ampliar a L4 cuando el ámbito esté lo bastante claro. L5 sigue siendo la dirección, no la realidad actual.

Por qué importa este marco

La automatización de agentes de IA llegará a todos los sectores, pero no todos los equipos madurarán al mismo ritmo. Ingeniería, marketing, atención al cliente, finanzas, derecho, operaciones sanitarias, educación, fabricación y cadena de suministro pueden usar L1 a L5 como mapa compartido.

Si un equipo está en L1, debe ofrecer una excelente experiencia con el asistente. Si está en L2, debe construir un entorno sólido para los agentes de IA. Si está entrando en L3, la atención debe pasar a la coordinación de flujos de trabajo y la recuperación ante errores. Si quiere llegar a L4, necesita memoria de IA, permisos, capacidad de auditoría e integraciones estables con los sistemas.

La mejor pregunta no es «¿deberíamos usar agentes de IA?». Hay preguntas mejores:

¿Dónde estamos hoy? ¿Cuál es el siguiente nivel? ¿Qué flujos de trabajo son lo bastante repetitivos, valiosos y verificables para automatizarlos primero? ¿Qué partes de nuestro sector ya tienen caminos, reglas y ciclos de retroalimentación claros?

Cuando el entorno de los agentes de IA, la memoria de IA, los flujos de trabajo de IA y los agentes de IA funcionan juntos, la automatización de IA deja de ser una demostración y empieza a convertirse en infraestructura. L1 a L5 no es un eslogan. Es una hoja de ruta.