MOTOR — Modelo de Madurez de Automatización Organizacional

En la era de la IA agentiva

Con el eje del SABER medido, el camino pide su simétrico: ¿quién ejecuta el trabajo? Este capítulo modela esa segunda trayectoria — la automatización organizacional — en siete niveles.

Introducción · La Tesis

Las organizaciones están automatizando sus procesos mediante inteligencia artificial a velocidades sin precedentes. Pero “automatizar” no es un estado binario — es una trayectoria con estadios cualitativamente distintos. Una organización donde los empleados usan ChatGPT sin gobernanza no está en el mismo lugar que una donde agentes autónomos coordinan operaciones 24/7 con Digital Twins predictivos.

MOTOR mide esa trayectoria. Su pregunta fundamental es: ¿quién ejecuta el trabajo en tu organización — humanos, humanos asistidos, o agentes autónomos?

El modelo describe 7 niveles de madurez que van desde el uso no gestionado de IA (Shadow AI) hasta organizaciones donde agentes tienen autoridad estratégica y operacional. El eje que mide es el HACER — el grado de automatización de los procesos organizacionales mediante IA.

MOTOR e IRIS: el par diagnóstico de AURA

El par diagnóstico quedó presentado al abrir la Parte I: IRIS mide el SABER, MOTOR mide el HACER, son ortogonales, y la madurez plena exige avanzar en ambos. Aquí opera el segundo eje.

Naturaleza diagnóstica

MOTOR es un modelo diagnóstico. Su propósito es evaluar en qué nivel se encuentra una organización y qué significa ese nivel. No prescribe qué implementar, cuánto invertir ni en qué plazo — eso ya no es diagnóstico: es la consultoría que se apoya en él.

La razón de diseño es la misma que sostiene a IRIS: se diagnostican capacidades organizacionales, no herramientas — y por eso el modelo no envejece con el estado del arte.

Estructura del Modelo

El modelo evalúa la madurez de automatización organizacional a través de 7 niveles que representan estadios progresivos en el grado de autonomía de los procesos.

Principios de diseño

Foco en automatización de procesos, no en adopción de tecnología. Cada nivel se define por quién ejecuta el trabajo y con qué grado de autonomía — no por qué herramientas de IA se usan. La tecnología es habilitadora, no el objeto de medición.

Secuencialidad. No se pueden saltar niveles. Cada nivel construye sobre los cimientos del anterior. Una organización que intenta operar en Nivel 4 sin haber resuelto la gobernanza del Nivel 2 generará riesgo, no valor.

Coexistencia evolutiva. Cada nivel subsume al anterior. Una organización en Nivel 4 no eliminó la colaboración humano-IA del Nivel 3 — la integró en un sistema más amplio donde los agentes operan autónomamente en los procesos que ya dominaban como colaboradores.

Mapa de transiciones

Cada transición entre niveles tiene un nombre que funciona como señal diagnóstica — describe la capacidad que una organización necesita haber desarrollado para completar el salto:

  1 → 2    Trust Infrastructure         De riesgo a gobernanza
  2 → 3    Wingworking                 De asistencia a delegación
  3 → 4    Agentic Infrastructure       De delegación a autonomía
           + DT Descriptivo
  4 → 5    Marketplace de Agentes       De genérico a especializado
           + DT Predictivo
  5 → 6    Organización Autónoma        De capacidades a autoridad
           + DT Organizacional
  6 → 7    Social Agentic               De intra-org a ecosistema
           + DT del Ecosistema

Estos nombres no son prescripciones de implementación — son etiquetas diagnósticas que describen la naturaleza del cambio. Si una organización dice “estamos implementando Trust Infrastructure”, un evaluador sabe que están en la transición 1→2.

Nivel 1 · Invisible / Shadow AI

La IA se usa sin gobernanza ni visibilidad organizacional

La organización tiene empleados usando herramientas de IA por cuenta propia — ChatGPT, Claude, GitHub Copilot, Midjourney — sin políticas, sin visibilidad y sin gobernanza. IT descubre el uso por facturas de tarjetas de crédito o por incidentes de seguridad. Cada empleado elige su propia herramienta (BYOA: Bring Your Own Agent).

Los procesos siguen siendo ejecutados por humanos. La IA existe como asistente personal no gestionado — aumenta la productividad individual pero no se captura organizacionalmente. El riesgo es alto: datos sensibles se exponen a clouds externos, decisiones se basan en outputs no validados, y no hay trazabilidad de qué se hizo con IA ni qué no.

Características observables:

• Nadie en la organización sabe qué herramientas de IA se usan ni por cuántas personas
• No hay políticas formales de uso de IA
• Empleados pagan suscripciones personales
• Datos sensibles (PII, financieros, estratégicos) se comparten con servicios externos sin control
• No hay trazabilidad de interacciones con IA
• Mejoras de productividad existen pero son invisibles y no replicables

Riesgos diagnósticos:

El Nivel 1 no es un punto de partida neutro — es un estado de riesgo activo. Las organizaciones en este nivel están expuestas a:

• Exposición de datos sensibles. PII (datos personales), PCI (datos de tarjetas), PHI (datos de salud) se comparten con servicios de IA externos sin control, tokenización ni trazabilidad.
• Incumplimiento regulatorio. GDPR, SOX, HIPAA, Ley de Contraloría, PCI-DSS — cualquier regulación que exija trazabilidad de cómo se procesan datos sensibles se viola potencialmente en cada interacción no gobernada con IA.
• Pérdida de propiedad intelectual. Código fuente, estrategias, análisis financieros, diseños — todo lo que los empleados comparten con servicios de IA públicos puede filtrarse o utilizarse para entrenar modelos.
• Decisiones sin validación. Outputs de IA se usan para tomar decisiones de negocio sin verificación, sin audit trail y sin responsabilidad clara.

Ejemplos típicos:

• Un desarrollador usa GitHub Copilot sin autorización, exponiendo código propietario a un servicio externo
• Un empleado resume emails confidenciales en ChatGPT público
• Un ejecutivo comparte un análisis estratégico con un chatbot para obtener feedback
• Un contador sube estados financieros a una IA pública sin controles de datos
• Un área de RRHH usa IA para filtrar CVs sin políticas de sesgo ni trazabilidad

Pregunta diagnóstica: ¿Saben cuántas herramientas de IA se usan en la organización, quién las usa, y qué datos se comparten con ellas?

Nivel 2 · Confiable / Trusted

La IA está gobernada con políticas claras y herramientas aprobadas

La organización ha tomado control: existen herramientas oficiales aprobadas, políticas de uso documentadas, y mecanismos de confianza implementados (tokenización de datos sensibles, audit trails, anti-prompt injection). Los empleados tienen acceso a IA enterprise con SSO, permisos y trazabilidad.

Los procesos siguen siendo ejecutados por humanos, pero ahora con asistencia gobernada. La IA opera como copiloto: ayuda a redactar, resume, analiza — pero el humano mantiene el control completo del proceso. La diferencia con el nivel anterior no es tecnológica sino organizacional: hay gobernanza, hay confianza, hay visibilidad.

Características observables:

• Herramientas oficiales enterprise aprobadas y desplegadas (Microsoft 365 Copilot, Claude Enterprise, etc.)
• Políticas de uso aceptable documentadas y comunicadas
• Training completado por la mayoría de los empleados
• Audit trails de interacciones con IA
• Datos sensibles protegidos (tokenización, controles de acceso)
• El uso de IA es visible y auditable
• La IA asiste pero no ejecuta tareas completas

Diferenciador crítico vs Nivel 1: - Nivel 1: Cero visibilidad, cero gobernanza, IA como riesgo individual no gestionado - Nivel 2: Visibilidad completa, gobernanza activa, IA como herramienta organizacional controlada - La diferencia no es la tecnología (puede ser la misma IA) — es la capa organizacional de control y confianza

Ejemplos típicos:

• Microsoft 365 Copilot desplegado enterprise-wide con gobernanza
• Claude Enterprise integrado con SSO corporativo y control de permisos
• Políticas documentadas de qué puede y qué no puede hacerse con IA
• Tokenización de datos sensibles antes de cualquier análisis con IA
• Training formal completado por 80%+ de los empleados

Pregunta diagnóstica: ¿Tienen herramientas de IA oficiales con gobernanza, audit trails y protección de datos sensibles implementadas?

Nivel 3 · Colaborador / Collaborator

Los humanos delegan tareas completas a agentes de IA

El salto cualitativo: los humanos dejan de usar IA como asistente y comienzan a delegarle tareas completas end-to-end. El patrón que define este nivel es Wingworking.

Wingworking

Wingworking es la metodología de colaboración humano-IA — desarrollada por el autor en la práctica de ultraBASE — donde el humano actúa como “piloto” — toma decisiones estratégicas, define objetivos y valida resultados — y el agente de IA opera como “wingman” — propone planes de ejecución, ejecuta tareas completas y reporta resultados. El nombre evoca la dinámica de un piloto y su wingman en aviación: confianza mutua, roles claros, comunicación estructurada.

  Wingworking Pattern:
  ─────────────────────────────────────────────
  1. Humano → Define objetivo y contexto
  2. Agente → Propone plan de ejecución detallado
  3. Humano → Aprueba plan o solicita ajustes
  4. Agente → Ejecuta plan completo
  5. Humano → Valida resultados
  ─────────────────────────────────────────────
  Resultado (caso típico): ~15 minutos de supervisión vs ~3 días de ejecución manual

Wingworking marca la transición de “usar IA” a “trabajar con IA”. La diferencia es fundamental: en Nivel 2, el humano pide ayuda puntual (“resume este email”); en Nivel 3, el humano delega el resultado completo (“genera el reporte mensual de ventas, analiza desviaciones vs forecast, y envíalo al equipo”).

Los agentes están integrados con sistemas empresariales (ERP, CRM, databases) mediante protocolos estandarizados. Pero operan con workflows pre-definidos: el proceso es determinístico y repetible. El agente no toma decisiones autónomas — ejecuta un plan aprobado.

Características observables:

• Delegación real de tareas completas (no solo asistencia puntual)
• Agentes integrados con sistemas empresariales
• Flujos colaborativos estructurados: humano define → agente propone → humano aprueba → agente ejecuta
• El humano valida resultados antes de ejecución final
• El agente sigue workflows pre-definidos, no decide autónomamente
• Reducción significativa de tiempo en tareas delegadas (de días a horas)
• Matrices de delegación: qué puede delegarse según nivel de riesgo

Diferenciador crítico vs Nivel 2: - Nivel 2: IA asiste dentro de la tarea del humano — el humano ejecuta, la IA ayuda puntualmente - Nivel 3: IA ejecuta la tarea completa — el humano define y valida, la IA produce el resultado end-to-end

Diferenciador crítico vs Nivel 4: - Nivel 3: Workflow pre-definido, proceso repetible, sin modelo digital, humano aprueba cada plan - Nivel 4: Autonomía agentiva con Digital Twin Descriptivo, decisiones dinámicas sin aprobación humana

Ejemplos típicos:

• “Genera reporte mensual de ventas completo y envía al equipo” — el agente extrae datos del CRM, compara vs forecast, identifica top/bottom 5 productos, analiza causas, genera presentación
• “Procesa expediente de permiso de construcción” — el agente ejecuta 47 validaciones, genera ficha técnica, prepara resolución (3 días vs 15 días manual)
• “Analiza propuestas de presupuesto participativo y genera fichas técnicas” — el agente procesa propuestas ciudadanas, evalúa factibilidad, genera fichas estandarizadas (3 días vs 6 semanas)
• “Escribe módulo de autenticación siguiendo nuestros estándares” — el agente propone arquitectura, implementa, ejecuta tests, documenta

Pregunta diagnóstica: ¿Los empleados delegan tareas completas a agentes de IA — definiendo el objetivo y recibiendo el resultado — en lugar de solo pedir asistencia puntual?

Nivel 4 · Analista / Analyst

Agentes operan autónomamente 24/7 con coordinación multi-agente

Múltiples agentes auto-coordinados operan continuamente sin intervención humana. El humano interviene solo en excepciones — más del 95% de las decisiones operativas las toman los agentes dentro de reglas definidas. La organización tiene un Digital Twin Descriptivo: un modelo digital sincronizado en tiempo real que los agentes consultan como fuente de verdad.

La diferencia con el nivel anterior es fundamental: en Nivel 3, el humano aprueba cada plan; en Nivel 4, los agentes deciden y ejecutan autónomamente basándose en reglas inteligentes y análisis de datos del Digital Twin. No predicen ni simulan — reaccionan inteligentemente al estado actual.

Características observables:

• Agentes operando 24/7 sin supervisión constante
• Coordinación multi-agente: agentes se comunican entre sí
• Digital Twin Descriptivo de infraestructura/operaciones (estado actual + históricos)
• Humano interviene solo en excepciones (>95% autonomía operativa)
• Decisiones basadas en reglas inteligentes + análisis, no en simulación
• Time-to-insight: de semanas a segundos
• Shared context: agentes comparten estado y decisiones
• Sin capacidad predictiva (eso es Nivel 5)

Diferenciador crítico vs Nivel 3: - Nivel 3: IA ejecuta tareas con workflow fijo, sin modelo digital, humano aprueba cada plan - Nivel 4: IA toma decisiones autónomas usando DT Descriptivo como base, opera 24/7

Diferenciador crítico vs Nivel 5: - Nivel 4: Decisiones basadas en reglas + análisis del estado actual, sin simulación - Nivel 5: Agentes especialistas con capacidad predictiva/simulación, generan ventaja competitiva sostenible

Ejemplos típicos:

Dashboard ejecutivo generado conversacionalmente en 30 segundos:

  Humano: "Dame dashboard de obras en sector norte, último trimestre"
  Agente Analista: Accede a DT Descriptivo
                   → Extrae data de proyectos, contratistas, avance
                   → Genera visualizaciones automáticas
                   → Produce insights basados en históricos
  Resultado: Dashboard completo en 30 segundos vs 2 semanas manual

Balanceo de carga autónomo (Telecom):

  Estado DT Descriptivo:
  - Celda X: 87% carga
  - Celda Y: 62% carga
  - Celda Z: 58% carga

  Agente (sin simulación):
  → Regla inteligente: "Si X >85% Y vecinas <70%, redistribuir"
  → Análisis histórico: "A esta hora, redistribución funciona 92% veces"
  → Ejecuta: Redistribuye 30% X→Y, 20% X→Z
  → Monitorea DT: Si falla, revierte automáticamente

  NO simula escenarios, solo decide inteligentemente basado en DT + reglas

Respuesta autónoma a emergencia climática (Municipalidad):

  Agente Monitor Clima → Lee DT → Lluvia intensa detectada
  Agente Monitor → Agente Riesgo: "Lluvia intensa sector norte"
  Agente Riesgo → Lee DT históricos → Calcula probabilidad
  Agente Riesgo → Agente Emergencias: "Probabilidad inundación 85%"
  Agente Emergencias → Agente Comunicaciones: "Enviar 12K SMS"
  Agente Emergencias → Agente Tránsito: "Cerrar 6 rutas"

  7 agentes coordinados, todo en 13 minutos, sin intervención humana
  Leyendo/actualizando DT Descriptivo continuamente

Pregunta diagnóstica: ¿Tienen agentes operando 24/7 coordinados entre sí, consultando un modelo digital del sistema, con intervención humana solo en excepciones?

Nivel 5 · Especialista / Specialist

Agentes con capacidades predictivas propietarias generan ventaja competitiva

Los agentes no solo reaccionan al presente — anticipan el futuro. La organización tiene un Digital Twin Predictivo/Prescriptivo: modelos entrenados con datos propietarios (5-10 años) que permiten predecir eventos y simular escenarios. Esta capacidad genera ventaja competitiva sostenible (moat) porque los competidores necesitan años para replicar los datos.

La diferencia con el nivel anterior: en Nivel 4, un agente reacciona cuando un evento ocurre (basándose en reglas). En Nivel 5, un agente predice el evento 18 horas antes y prepara la respuesta óptima simulando múltiples escenarios.

Características observables:

• Agentes especialistas con modelos predictivos propietarios
• Digital Twin Predictivo/Prescriptivo (simulación de escenarios)
• Datos históricos propietarios curados (5-10 años)
• Capacidad de simulación: “¿qué pasa si…?”
• Optimización de decisiones antes de ejecutar
• Ventaja competitiva verificable (competencia no puede replicar)
• La predicción diferencia a la organización en su mercado

Diferenciador crítico vs Nivel 4: - Nivel 4: Agente REACCIONA cuando evento ocurre (tarde, basado en reglas) - Nivel 5: Agente PREDICE y PREPARA antes de que ocurra (simulación de escenarios)

Señal diagnóstica: Build vs Rent. Una organización puede llegar a Nivel 5 de dos maneras: construyendo su propio DT Predictivo con datos propietarios (requiere años de datos y expertise), o accediendo a agentes especialistas del mercado que ya tienen esa capacidad. Ambos caminos son válidos — la señal diagnóstica no es cómo llegó, sino si tiene la capacidad predictiva operando.

Ejemplo típico (Telecomunicaciones):

  Agente Especialista de Optimización de Eventos Masivos:

  Contexto: Concierto 50K personas en estadio mañana

  Digital Twin Predictivo propietario:
  → Modelo entrenado con 8 años de eventos en ESE estadio
  → PREDICE curva de demanda exacta:
     - 73% usuarios llega 2h antes (patrón local único)
     - Pico tráfico data 4.2x normal
     - Duración: 30min pre + 45min post

  Digital Twin Prescriptivo (simulación):
  → SIMULA 5 configuraciones de red:
     Escenario A: COWs (celdas móviles) en posición X,Y → 12% degradación
     Escenario B: COWs en posición W,Z → 3% degradación
     Escenario C: COWs + ajuste potencia → 0.8% degradación

  Decisión optimizada:
  → EJECUTA Escenario C (mejor en simulación)
  → Pre-posiciona recursos 18 horas antes

  Resultado: 0% degradación vs competencia con 40% llamadas caídas

Ejemplo típico (Municipalidad):

  Simulador de Políticas Públicas con Digital Twin:

  DT con 20 años datos demográficos, económicos, urbanos
  Simula: "¿Qué pasa si subo impuesto territorial 5%?"
  Predice: Recaudación, migración, impacto comercio local

  La capacidad de simular antes de implementar
  transforma decisiones de política pública de "apuestas" en "experimentos"

Pregunta diagnóstica: ¿Tienen agentes especialistas con capacidad de predecir eventos y simular escenarios usando datos propietarios que la competencia no puede replicar?

Nivel 6 · Gerente / Manager

Agentes gestionan equipos, presupuestos y recursos con autoridad organizacional

Los agentes no solo operan procesos — gestionan la organización. Tienen autoridad para asignar trabajo a humanos, optimizar presupuestos, evaluar desempeño, y tomar decisiones de gestión. La organización tiene un Digital Twin Organizacional: un modelo completo que incluye personas, finanzas, operaciones e interdependencias — no solo infraestructura técnica.

Los agentes simulan decisiones de gestión antes de ejecutarlas: “¿reasigno 50 técnicos de norte a sur?” se evalúa en el Digital Twin con todos los impactos en SLAs, costos, satisfacción. La diferencia con el nivel anterior: de DT de dominio técnico a DT de toda la organización.

Características observables:

• Agentes con autoridad para asignar trabajo a humanos
• Digital Twin Organizacional (personas + finanzas + operaciones + interdependencias)
• Simulación de decisiones de gestión antes de ejecutar
• Humanos reportan a agentes en dominios específicos
• Presupuestos gestionados o co-gestionados por agentes
• Métricas objetivas automatizadas para evaluación de desempeño
• Cultura organizacional adaptada: humanos aceptan autoridad de agente en dominios definidos

Diferenciador crítico vs Nivel 5: - Nivel 5: DT de dominio técnico especializado (red, infraestructura, operaciones) - Nivel 6: DT de TODA la organización (técnico + humano + financiero + interdependencias) - Nivel 5: Agentes con capacidades propietarias de predicción - Nivel 6: Agentes con autoridad organizacional — gestionan personas y presupuestos

Ejemplo típico (Telecomunicaciones):

  Agente Gerente de Operaciones Regionales:

  Decisión: ¿Reasignar 50 técnicos de Región Norte a Sur?

  Digital Twin Organizacional completo:
  → Modela: 5,000 técnicos, 12 regiones, SLAs, costos, satisfacción

  Simulación en DT:
  Escenario A: Reasignar 50
     - Norte: SLA baja 98%→92% (riesgo)
     - Sur: SLA sube 88%→95% (crítico)
     - Costo: $45K

  Escenario B: Reasignar 30
     - Norte: SLA baja 98%→95% (aceptable)
     - Sur: SLA sube 88%→93% (bien)
     - Costo: $28K

  Escenario C: Reasignar 30 + contratar 15 temporal Sur
     - Ambas regiones >95% SLA
     - Costo: $52K

  Decisión optimizada (basada en simulación): Escenario C

Ejemplo típico (Municipalidad):

  Agente Gerente de Finanzas Municipales:

  DT modela: presupuesto completo, 32 centros de costo, proyecciones
  Simula reasignación de recursos entre departamentos
  Predice impacto en ejecución, servicios, satisfacción ciudadana
  Ejecuta decisión optimizada — no es una "apuesta" sino un resultado simulado

Pregunta diagnóstica: ¿Tienen agentes con autoridad para asignar trabajo, gestionar presupuestos o tomar decisiones de gestión respaldadas por un modelo digital de toda la organización?

Nivel 7 · Autoridad / Authority

Agentes como socios estratégicos con visión del ecosistema completo

Los agentes participan en decisiones estratégicas. La organización tiene un Digital Twin del Ecosistema: un modelo que incluye no solo la organización sino también competidores, reguladores, proveedores, mercado y fuerzas externas. Los agentes simulan futuros a 5-10 años, detectan oportunidades estratégicas, evalúan fusiones y adquisiciones, y proponen nuevos negocios.

Los agentes tienen identidad digital verificable — un track record inmutable de logros y decisiones. Pueden ser “contratados” por otras organizaciones para proyectos específicos. La frontera entre organizaciones se difumina a medida que los agentes colaboran en redes inter-organizacionales.

Características observables:

• Digital Twin del Ecosistema (organización + competencia + mercado + entorno)
• Simulación de escenarios estratégicos a 5-10 años
• Agentes proponen nuevos productos/servicios con business case
• El board considera recomendaciones de agentes regularmente
• Agentes con identidad digital verificable y reputación
• Redes inter-organizacionales de agentes
• Detección de oportunidades estratégicas y prevención de riesgos

Diferenciador crítico vs Nivel 6: - Nivel 6: DT de TU organización (intra-org, control alto, horizonte 6-24 meses) - Nivel 7: DT del ECOSISTEMA (inter-org, control bajo, horizonte 5-10 años) - Nivel 6: Agente optimiza la organización existente - Nivel 7: Agente propone cambiar el juego — nuevos mercados, M&A, pivots estratégicos

Ejemplo típico (Telecomunicaciones):

  Agente Estratégico detecta oportunidad:

  Digital Twin del Ecosistema Telecom:
  → Modela: Tu telco + 3 competidores + disruptores
     (Starlink, Apple eSIM, Google Fi) + regulador + 18M suscriptores

  Tendencias externas:
  → 6G en 2030, satelital LEO democratizado
  → Work from home permanente, digital nomads emergentes

  Simulación: "¿Qué pasa si Starlink captura 15% mercado rural en 3 años?"

  Escenario A (Defensivo): Reducir precio rural para competir
     → Resultado: -$45M revenue, mantener 80% share rural
  Escenario B (Ofensivo): Abandonar rural, focus urbano premium
     → Resultado: -$30M revenue rural, +$80M urban premium
  Escenario C (Asociativo): Partnership con Starlink (wholesale rural)
     → Resultado: -$15M margin rural, +$20M nuevos servicios

  Recomendación a Board: Escenario B + hedge con C

Ejemplo típico (Municipalidad):

  Red Nacional de Agentes Municipales:

  Digital Twin del Ecosistema Municipal Nacional:
  → Modela: 345 municipalidades con sus capacidades
  → Gobierno central (SUBDERE, SENAPRED)
  → Recursos compartibles (ambulancias, equipos, personal)
  → Patrones de emergencias (histórico 20 años)

  Simulación de coordinación ante catástrofe:
  → Terremoto 7.8 zona centro
  → DT simula respuesta coordinada 345 municipios
  → Optimiza compartición de recursos automáticamente

Pregunta diagnóstica: ¿Tienen agentes que participan en decisiones estratégicas con un modelo digital del ecosistema completo — competencia, mercado, regulación — y simulación de futuros a largo plazo?

Digital Twins como Dimensión Diagnóstica

Los Digital Twins emergen como indicador transversal de madurez que evoluciona progresivamente. Su presencia y sofisticación son una señal diagnóstica potente del nivel de automatización.

  Nivel    Tipo de Digital Twin              Alcance
  ───────────────────────────────────────────────────────────────
  1–3      No existe                         N/A
  4        Descriptivo                       Infraestructura/operaciones
  5        Predictivo/Prescriptivo           Dominio técnico especializado
  6        Organizacional                    Toda la organización
  7        Estratégico del Ecosistema        Org + competencia + mercado

DT Descriptivo (Nivel 4)

Modelo digital sincronizado en tiempo real. Responde: ¿qué tengo? ¿cuál es el estado actual? ¿qué pasó? Monitoreo, correlación, detección de anomalías. No predice ni simula.

DT Predictivo/Prescriptivo (Nivel 5)

Extensión del descriptivo con capacidad de anticipar y simular. Responde: ¿qué va a pasar? ¿qué pasa si hago X? ¿cuál es la mejor acción? Requiere datos propietarios (5-10 años) y genera ventaja competitiva sostenible.

DT Organizacional (Nivel 6)

Modelo de toda la organización: personas, finanzas, operaciones, interdependencias. Responde: ¿cómo optimizo asignación de recursos? ¿qué impacto tiene esta decisión en toda la org?

DT del Ecosistema (Nivel 7)

Modelo del ecosistema completo: competidores, reguladores, mercado, fuerzas macro. Responde: ¿qué oportunidades estratégicas existen? ¿qué pasa si el competidor X hace Y?

Diferencias por industria

La construcción de Digital Twins varía radicalmente según la madurez de los sistemas existentes. Esto tiene implicaciones diagnósticas importantes:

Industrias con sistemas maduros (Telecom, Energía, Manufactura): - Nivel 4 puede construirse sobre sistemas existentes. En telecomunicaciones, el OSS (Operation Support Systems) ya es esencialmente un DT Descriptivo — la inversión es agregar la capa de agentes, no construir el modelo desde cero. - Nivel 5 se alimenta de décadas de datos operacionales ya curados. - El diagnóstico debe evaluar: ¿qué sistemas legacy pueden convertirse en DT?

Industrias emergentes (Smart Cities, Retail, Servicios): - Nivel 4 requiere construir el DT desde cero. No existe un “OSS municipal” maduro. - La inversión y complejidad son significativamente mayores. - La oportunidad: diseñar desde cero sin deuda técnica. - El diagnóstico debe evaluar: ¿qué infraestructura de datos existe como base?

Ejemplo concreto:

  Telecom llegando a Nivel 4:
  → OSS ya existe como DT Descriptivo
  → Agregar capa de agentes sobre la base existente
  → Datos de 10+ años disponibles

  Smart City llegando a Nivel 4:
  → Hay que construir DT de infraestructura urbana completo
  → Integrar sensores IoT, sistemas municipales, datos históricos
  → Los datos pueden no existir o estar fragmentados

Dimensiones de Evaluación por Nivel

Distribución del Mercado

Estado actual (2025): - ~70% en Nivel 1 (Invisible / Shadow AI) - ~25% en Nivel 2 (Confiable / Trusted) - ~4% en Nivel 3 (Colaborador / Collaborator) - <1% en Nivel 4+ (Analista+ / Analyst+)

Proyección 2030: - ~10% en Nivel 1-2 (rezagados) - ~30% en Nivel 3 (Colaborador) - ~50% en Nivel 4 (Analista) ← Nuevo estándar competitivo - ~10% en Nivel 5+ (líderes de industria; dentro de este grupo, <0.1% en Nivel 7, experimental)

Nivel 4 (Analista) será el nuevo baseline del mercado para 2030 — el mínimo para competir. La velocidad de llegada determina la ventaja competitiva. Nivel 5 (Especialista) será el diferenciador sostenible para quienes tengan datos propietarios y capacidad de inversión.

Estas estimaciones son referenciales y basadas en la observación del mercado al momento de publicación.

Assessment Rápido

8 preguntas para ubicar tu nivel:

1. ¿Tienen inventario completo de herramientas de IA usadas? No → Nivel 1 · Sí, con gobernanza → Nivel 2+

2. ¿Tienen políticas formales de uso de IA con enforcement activo? No → Nivel 1 · Sí → Nivel 2+

3. ¿Trust Infrastructure implementada (tokenización, audit trails)? No → Nivel 1 · Sí → Nivel 2+

4. ¿Delegan tareas completas end-to-end a agentes? No → Nivel 2 · Sí, con workflow fijo → Nivel 3 · Sí, con autonomía → Nivel 4+

5. ¿Tienen Digital Twin Descriptivo de infraestructura/operaciones? No → Nivel 3 o inferior · Sí, completo y en tiempo real → Nivel 4+

6. ¿Agentes operan 24/7 con coordinación multi-agente? No → Nivel 3 o inferior · Sí → Nivel 4+

7. ¿Agentes especialistas con capacidad predictiva/simulación? No → Nivel 4 o inferior · Sí, con DT Predictivo → Nivel 5+

8. ¿Digital Twin Organizacional o del Ecosistema? No → Nivel 5 o inferior · DT Organizacional → Nivel 6 · DT del Ecosistema → Nivel 7

¿Cómo usar este modelo?

Para diagnóstico: Identifica el nivel que mejor describe el estado actual de la organización en cada dimensión. Una organización puede estar en niveles diferentes según la dimensión — por ejemplo, en Nivel 3 en Autonomía Operacional pero en Nivel 1 en Gobernanza. El nivel general se determina por la dimensión más baja, ya que representa el cuello de botella real.

Para planificación: El modelo permite identificar brechas y priorizar. Si la organización está en Nivel 3 en operaciones pero en Nivel 1 en gobernanza, la gobernanza es el cuello de botella — no importa cuánta automatización se implemente si no hay gobernanza para sostenerla. La prescripción específica de qué implementar y en qué orden pertenece al trabajo de consultoría que parte de este diagnóstico.

Para comunicación ejecutiva: Los 7 niveles ofrecen un vocabulario común. “Estamos en Nivel 2, avanzando hacia Nivel 3” es una frase que un board entiende y que permite tomar decisiones estratégicas sobre inversión y prioridad.

En conjunto con IRIS: El diagnóstico completo de la transformación organizacional requiere ambos modelos. IRIS evalúa el eje SABER (inteligencia organizacional). MOTOR evalúa el eje HACER (automatización de procesos). Una organización con IRIS alto y MOTOR bajo sabe todo pero hace poco. Una con MOTOR alto e IRIS bajo automatiza a ciegas. El cuadrante superior derecho — alta inteligencia, alta automatización — es el destino.

Vista Rápida: Los 7 Niveles

Tabla de consulta rápida; el detalle de cada nivel vive en su sección.

Glosario

Agentic Infrastructure. Conjunto de protocolos y servicios que permiten a múltiples agentes de IA comunicarse, coordinarse y ejecutar tareas autónomamente. Señal diagnóstica de la transición 3→4.

Autopilot. Modo de operación donde agentes ejecutan tareas de forma autónoma 24/7 sin supervisión humana en tiempo real, con intervención solo en excepciones. Característica definitoria del Nivel 4.

BYOA (Bring Your Own Agent). Patrón observable del Nivel 1 donde cada empleado elige y usa su propia herramienta de IA sin coordinación organizacional.

Digital Twin (Gemelo Digital). Modelo digital sincronizado de un sistema, organización o ecosistema. Enabler transversal que evoluciona desde Descriptivo (Nivel 4) hasta Estratégico del Ecosistema (Nivel 7).

DT Descriptivo. Digital Twin sincronizado en tiempo real que monitorea estado actual e históricos sin capacidad predictiva. Señal diagnóstica del Nivel 4.

DT Predictivo/Prescriptivo. Digital Twin con capacidad de predecir eventos y simular escenarios. Requiere datos propietarios (5-10 años). Señal diagnóstica del Nivel 5 y fuente de moat.

DT Organizacional. Digital Twin que modela toda la organización (personas, finanzas, operaciones, interdependencias). Señal diagnóstica del Nivel 6.

DT del Ecosistema. Digital Twin que modela el ecosistema completo (competencia, reguladores, mercado, fuerzas externas). Señal diagnóstica del Nivel 7.

Moat (Ventaja Competitiva Sostenible). Capacidad propietaria difícil de replicar. En MOTOR, emerge en Nivel 5 cuando los datos propietarios (5-10 años) alimentan agentes especialistas con capacidad predictiva.

Organización Autónoma. Modelo organizacional donde agentes gestionan procesos y personas basándose en métricas objetivas y simulaciones del DT Organizacional. Señal diagnóstica de la transición 5→6.

Quick Win. Caso de uso de IA con alta visibilidad, baja complejidad técnica y ROI rápido (típicamente menor a seis meses), seleccionado para generar momentum y validar capacidad antes de inversiones mayores. Concepto operativo aplicable a cualquier nivel de MOTOR, particularmente útil en transiciones tempranas (1→2, 2→3) donde la organización necesita evidencia visible de retorno antes de comprometer presupuestos mayores.

Shadow AI. Uso no gestionado de herramientas de IA sin gobernanza, compliance ni visibilidad organizacional. Estado definitorio del Nivel 1.

Social Agentic. Ecosistema donde agentes de diferentes organizaciones colaboran con identidades digitales verificables. Señal diagnóstica de la transición 6→7.

Marketplace de Agentes. Ecosistema donde capacidades de agentes se adquieren, comparten o comercializan entre organizaciones. Señal diagnóstica de la transición 4→5: la organización deja de construir toda capacidad internamente y empieza a componer con capacidades especializadas del mercado.

Sweet Spot. Nivel de madurez donde se maximiza el balance entre retorno, riesgo e inversión. En MOTOR, el Sweet Spot está en Nivel 4 (Analyst): es el punto donde la organización captura la mayor parte del valor económico de la autonomía operacional sin asumir el costo y la complejidad de Niveles 5-7. Para 2030, el Nivel 4 será el nuevo baseline competitivo del mercado.

Trust Infrastructure. Conjunto de tecnologías (tokenización, anti-prompt injection, audit trails, compliance automático) que permiten usar IA de forma gobernada y auditable. Señal diagnóstica de la transición 1→2. Es la misma primitiva que AgencyDomains especifica formalmente en su canon; aquí se usa como umbral de madurez, no como spec.

Wingworking. Metodología de colaboración humano-IA donde el humano actúa como “piloto” (decisiones estratégicas, validación) y la IA como “wingman” (ejecución táctica delegada). Práctica original de ultraBASE. Señal diagnóstica de la transición 2→3 y característica definitoria del Nivel 3.

Referencia Cruzada

MOTOR es el instrumento de medición del eje HACER — la automatización organizacional mediante IA. Junto con IRIS (Modelo de Madurez de Inteligencia Organizacional), conforma el par diagnóstico de AURA — la arquitectura empresarial agentiva de ultraBASE.

La visión fundacional de la arquitectura es la Introducción de este libro.