Modelo de madurez en IA · Etapas de adopción
AI Maturity Model
¿Qué es el modelo de madurez en IA?
- De uso individual a rediseño del trabajo: distinción de etapas
- Cada etapa tiene cuellos de botella distintos
- Hay que diagnosticar por área para obtener resultados precisos
Al presentar el modelo de madurez en una reunión, cambia la unidad de la conversación. La discusión de «hay que adoptar la IA / todavía es pronto» pasa a una conversación de asignación: «ventas está en la etapa 2, así que la meta de este año es llegar a la etapa 3». El presupuesto también cambia: la partida que era una sola línea de licencias se divide en distribución de cuentas, capacitación básica, revisión de estándares de trabajo y revisión de seguridad, y cada ítem explica qué cuello de botella de qué etapa resuelve ese dinero. La utilidad real del modelo de madurez es ordenar dónde conviene invertir primero el dinero y las horas de capacitación.
El criterio para separar las etapas no es cuántas herramientas hay, sino si 'ese método se mantiene aunque cambie el responsable'. La frontera entre repartir una herramienta y aplicarla al trabajo no está en el porcentaje de cuentas, sino en si el procedimiento de uso de la IA aparece escrito en el documento estándar o en la lista de verificación de esa tarea. En la práctica, basta con reportar solo tres indicadores —el porcentaje de cuentas activas, el porcentaje de usuarios que la usan al menos una vez por semana (muchas empresas toman 30% como referencia interna) y si se ha designado a un responsable de revisar los entregables— para acertar el diagnóstico en la mayoría de los casos. Los cuellos de botella de las etapas iniciales son el acceso y las competencias básicas; los de las etapas posteriores son la normativa, los datos y la responsabilidad de revisión.
El diagnóstico solo tiene sentido si se hace por área y no como promedio de toda la empresa. Es común que marketing esté en el nivel 3 mientras producción está en el nivel 1, y si se planifica con una sola cifra, un promedio de nivel 2, se imparte una capacitación que no se ajusta a ninguno de los dos. Además, este modelo no es lo mismo que la madurez de DX ni la madurez de datos. Aunque la base de datos sea débil, el trabajo documental puede alcanzar el nivel 3; y a la inversa, aunque los datos estén bien acumulados, si nadie los usa, el nivel es 1.
El error más común es que la hoja de diagnóstico se convierta en una planilla de evaluación por áreas. Si se anota que un área está en la etapa 1, se lee como «área rezagada»; entonces, en la siguiente encuesta las respuestas se inflan y el diagnóstico pierde utilidad. Las etapas son una tabla de asignación de la siguiente tarea, no una boleta de calificaciones, y eso debe dejarse claro desde la primera explicación. También es riesgoso definir la etapa solo con la autoevaluación de la alta dirección. Es frecuente la brecha en que, vista desde arriba, es la etapa 3, pero según la encuesta a los operativos es la etapa 1; un plan armado sin ver esa brecha termina en la compra de otra herramienta que nadie en el área abre.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría. Instructor.
Seolyeong ParkEspecialista en IA generativa y AX, con 17 años de experiencia práctica y más de 200 sesiones de enseñanza, que logra que personas sin formación técnica la usen de inmediatoEs la forma de un modelo de madurez (de la familia CMM) que se usó durante mucho tiempo en informática y análisis de datos, aplicada a la adopción de IA. Las consultoras e institutos de investigación difieren un poco en el número y el nombre de las etapas, pero la estructura común es el avance desde el uso individual hasta el rediseño del trabajo.
Veamos un caso hipotético. A es una empresa de autopartes en Corea, con 380 colaboradores y ventas anuales de unos KRW 90,000,000,000 (≈ US$67,362,200). El año pasado realizó dos rondas de capacitación en prompts para todo el personal, pero seis meses después, las personas que lo usaban de verdad eran apenas una decena. El área de capacitación decidió no preguntar «¿por qué no lo usan?», sino «¿en qué punto estamos?», y empezar por ahí.
- El responsable de planificación de la capacitación se reunió con 24 operativos de 8 áreas y les preguntó. El área de marketing ya estaba generando borradores de páginas de producto con IA, pero un capataz del área de gestión de producción respondió que ni siquiera sabe qué es una cuenta.
- Con solo tres datos —la tasa de cuentas asignadas, el porcentaje de usuarios semanales y si el uso está mencionado en el estándar de trabajo— se clasificó a marketing en la etapa 3, a gestión administrativa en la etapa 2 y a producción y calidad en la etapa 1.
- El director de producción dijo que «también lo usamos», pero al revisarlo, solo existía la cuenta personal de un jefe de equipo. Ahí mismo se aceptó el diagnóstico de nivel 1 tal cual.
- La etapa 1 recibe un curso práctico de 90 minutos, y marketing, en etapa 3, un taller de criterios de revisión y actualización de estándares de trabajo; así se separó la capacitación, abandonando el método de dar el mismo curso a todo el personal.
- Seis meses después, la proporción de usuarios que lo usan al menos una vez por semana subió del 18% al 47%, el tiempo para redactar un borrador de página de producto de marketing bajó de 4 horas a 1 hora y media, y también la División de Producción avanzó a la etapa 2.