La Escalera de Supervisión: los cinco niveles de autonomía en la programación con IA

TL;DR. «Agente de codificación con IA» describe cinco cosas muy distintas, separadas por una sola pregunta: cuánta supervisión humana hay entre el agente y tu sistema en producción. Lo llamamos la Escalera de Supervisión, y va desde el nivel 1 (el agente sugiere, una persona escribe cada línea) hasta el nivel 5 (el agente funciona sin supervisión durante toda la noche). Más alto no es mejor. Es menos supervisado. La mayoría de los proyectos de IA que fracasan no fracasan porque la tecnología no pueda hacer el trabajo. Fracasan porque alguien lo hizo funcionar uno o dos niveles por encima de lo que ese trabajo podía asumir con seguridad, sin los controles que ese nivel necesitaba. Aquí está la escalera, y cómo situar tu propio trabajo en ella.

Por qué «agente de IA» es una palabra inútil por sí sola

Cuando un proveedor dice que construye con agentes de IA, no te ha contado casi nada. La misma frase cubre tanto a un desarrollador que usa autocompletado como a un sistema que escribe y publica código en producción durante toda la noche sin que nadie lo vigile. No son variaciones sobre un mismo tema. Son perfiles de riesgo distintos, modos de fallo distintos y precios distintos, vendidos bajo una sola palabra.

Esta vaguedad no es inofensiva. Es la razón por la que se desperdicia tanto dinero. Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelarán antes de que termine 2027, y los motivos que da son costes crecientes, valor de negocio poco claro y controles de riesgo insuficientes. No son problemas de tecnología. Son los síntomas de operar en el nivel de autonomía equivocado. Mientras tanto, la encuesta de Deloitte de 2026 encontró que solo alrededor del 21% de las organizaciones tiene una gobernanza madura para la IA agéntica, lo que significa que aproximadamente cuatro de cada cinco están desplegando una autonomía que todavía no saben controlar.

La solución no es temer la tecnología ni perseguir el nivel más alto. Es saber exactamente a qué nivel pertenece cada pieza de trabajo, e insistir en los controles que ese nivel exige. Eso requiere un lenguaje común. La industria del coche autónomo resolvió el mismo problema hace años con sus niveles de conducción autónoma, y hoy todo el mundo sabe qué significa «nivel 5 autónomo». El software necesita la misma claridad.

La Escalera de Supervisión

Cinco niveles, separados por cuánto ve y detiene una persona antes de que el código llegue a producción.

Lee la escalera como un dial, no como un marcador. El nivel 5 no es el destino. Es el ajuste con menos supervisión humana, lo que lo convierte en la opción correcta para un conjunto reducido de trabajo de bajo riesgo, y en la opción equivocada para casi todo aquello de lo que vive realmente un negocio.

Internet está lleno de historias de nivel 5. «Lo dejé corriendo toda la noche y me desperté con mil commits» es ya un género. Es una demo divertida. También es el nivel en el que un error sin supervisar va directo a producción, y para cualquier cosa con un cliente o un euro de por medio, esa no es una historia en la que quieras ser el protagonista.

Qué sostiene realmente cada nivel

Aquí está la parte que casi nadie cuenta, porque solo se puede escribir si has operado estos sistemas de verdad. Cuanto más subes en la escalera, más tienen que ser los controles mecánicos y no simples buenas maneras.

En los niveles 1 y 2, el control es obvio: una persona lee todo. Simple y lento, y correcto para el trabajo de mayor riesgo.

En los niveles 3 y 4 te mueves más rápido de lo que una persona puede leer línea a línea, así que las barreras tienen que estar incorporadas. Dos que aprendimos por las malas, operando agentes en nuestra propia plataforma cada día:

No puedes pedirle a un agente que se mantenga en su carril. Tienes que quitar el carril. Hicimos correr equipos de agentes en paralelo en los que se instruyó a un agente líder, en lenguaje llano, para delegar trabajo en vez de escribirlo. Bajo carga, siguió escribiendo de todos modos, en varias ejecuciones. Las instrucciones no aguantaron. Lo que aguantó fue mecánico: le quitamos al agente líder la capacidad de editar archivos por completo, de modo que su único movimiento posible fuera delegar. Un control que depende de que el agente decida obedecer no es un control. Es una esperanza.

La revisión tiene que atrapar lo que la velocidad se salta, y va a encontrar bastante. En una de nuestras propias ejecuciones de construcción, un equipo de agentes publicó diecisiete cambios con su propia revisión automática dando el visto bueno. Cuando una persona lo revisó después, salieron a la luz dieciséis problemas, siete de ellos graves: un webhook de pago que podía procesar el mismo evento dos veces, un control de permisos que se saltaba silenciosamente, un error de índice repetido de forma idéntica en tres sitios, y contraseñas de desarrollo que habrían funcionado en producción. Nada de esto significa que los agentes fueran malos. Significa que, a esa velocidad, la capa de revisión no es opcional: es el producto. Guardamos el catálogo exacto de lo que se coló, porque un proveedor que no puede contarte cómo fallan sus agentes probablemente no lo ha mirado.

Por eso el nivel 4 bien hecho no es más peligroso que el nivel 2. Es más rápido con la misma seguridad, porque las barreras son estructurales. Y por eso el nivel 5, para trabajo real de producción, es una postura de marketing y no de ingeniería.

Situar tu propio trabajo en la escalera

No necesitas saber cómo está construido nada de esto para tomar la decisión. Necesitas saber qué hay en juego. Tres preguntas sitúan casi cualquier pieza de trabajo:

• Si esto fallara en silencio, ¿qué se rompe? Un cliente cobrado dos veces, datos expuestos, un incumplimiento normativo: ese trabajo pertenece al nivel 2 o 3, sin excepciones. Un borrador interno del que nadie depende: el nivel 4 o 5 está bien.
• ¿Puede una persona seguir viendo lo que se publicó? La autonomía solo es segura cuando alguien revisa el resultado, aunque sea por lotes. Si la respuesta honesta es que nadie está mirando, no estás en el nivel 5, estás sin supervisión, que es algo distinto y peor.
• ¿Qué detiene un error antes de que lo vea un cliente? Si la respuesta es una persona, estás en el nivel 2. Si es una persona más controles automáticos, nivel 3. Si la respuesta es «el agente normalmente acierta», no tienes respuesta, ni nivel.

La mayoría de los negocios, la mayor parte del tiempo, quieren que su trabajo real se construya en el nivel 3 o 4: rápido, pero con controles automáticos y una persona senior que pueda detener cualquier cosa. Esa combinación es donde la velocidad y la seguridad dejan de competir entre sí. La confianza en los agentes totalmente autónomos cayó el último año, del 43% al 27% según la investigación de Capgemini, y eso no es pesimismo. Es el mercado aprendiendo dónde va el dial.

La única pregunta que atraviesa cualquier discurso comercial

Cuando alguien se ofrece a construirte software con IA, no necesitas interrogar su arquitectura. Pregunta una sola cosa: ¿en qué nivel operáis, y qué detiene mecánicamente al agente por debajo de la autonomía total?

Una buena respuesta suena así: «Sobre todo nivel 3 y 4. Los agentes no pueden fusionar su propio trabajo, un test que falla bloquea cualquier cosa, y un ingeniero senior revisa el resultado». Una mala respuesta agita las manos hacia lo avanzada que es la IA y lo poco que se equivoca. La primera describe un sistema. La segunda describe una esperanza, y estarías pagando por la esperanza.

Construimos software de producción con equipos de agentes cada día, sobre todo en los niveles 3 y 4, con las barreras que describe este artículo. Si quieres situar tu propia hoja de ruta en esta escalera con honestidad, para eso sirve una primera conversación.