La forma en que trabajamos con IA está evolucionando rápidamente, pero no todos avanzan al mismo ritmo. Según un informe de EY (noviembre 2025), solo el 5% de los usuarios califican como avanzados, aquellos que usan la IA como un “socio de pensamiento” en lugar de una herramienta simple.

Alexey Evdokimov propone un modelo llamado La Hélice de IA (AI Helix), una espiral doble que describe cómo los individuos y la IA co-evolucionan a través de 6 etapas. Las etapas impares son instrumentales (dominas herramientas específicas) y las pares son colaborativas (surge un nuevo tipo de trabajo que requiere pensamiento de orden superior).

“Si pasas mucho tiempo escribiendo prompts, inspeccionando cada salida de IA y corrigiendo errores — estás microgestionando tu IA. Ahí es donde la mayoría comienza.”

Etapa 1: IA como Herramienta — Solucionadora Pasiva de Tareas

Etapa instrumental. Habilidad clave: ingeniería de prompts.

En esta etapa usas la IA para tareas específicas: buscar información, redactar textos, escribir fragmentos de código o fórmulas de Excel. Inicialmente, la IA ahorra tiempo a costa de calidad, produciendo alucinaciones y contenido genérico.

La ingeniería de prompts, el contexto basado en RAG y seleccionar el modelo correcto solucionan la mayoría de estos problemas. Sin embargo, incluso con prompts sólidos, los resultados requieren trabajo manual. La iniciativa sigue siendo completamente tuya: debes planificar cada paso, redactar cada prompt y evaluar cada salida. Esto es microgestión de IA.

Resultado típico: Resultados de alta calidad con un alto costo cognitivo. El ahorro de tiempo es mínimo o inexistente. Quienes se resisten a dominar nuevas herramientas suelen abandonar la IA en esta etapa.

Competencias humanas: Habilidad para hacer prompts, evaluar críticamente las salidas de IA y comprender sus limitaciones.

Etapa 2: IA como Colaboradora y Amplificadora de Pensamiento

Etapa colaborativa. Habilidad clave: comunicar objetivos y problemas a la IA.

Una vez que dominas la IA como ejecutora de tareas, te das cuenta de que puede asumir roles completamente diferentes. Las tareas ya no se “asignan” — se “discuten”. El enfoque pasa de “CÓMO resolver” a “POR QUÉ y QUÉ resolver”.

Surge la interacción invertida (flipped interaction): cuando la IA te hace preguntas aclaratorias antes de proceder, mejorando la relevancia con menos esfuerzo. Los meta-prompts aceleran la formulación conjunta de problemas.

Resultado típico: Surge un nuevo tipo de trabajo que produce mejoras cualitativas: mejores decisiones, objetivos más precisos, comprensión más profunda de los problemas. El tipo de socio de pensamiento que antes requería otro humano.

Competencias humanas: Diálogo productivo con IA, pensamiento crítico, disposición para delegar planificación, uso de meta-prompts.

Etapa 3: IA como Asistente Entrenado — Agente Personalizado

Etapa instrumental. Habilidad clave: construir flujos de trabajo de IA para tareas recurrentes.

Automatizas un conjunto específico de tareas repetitivas. Creas un system prompt o un pipeline sin código para un proceso recurrente específico. El agente sigue un guion estricto: carece de conciencia del proyecto y no puede adaptarse a casos extremos inesperados.

En el máximo nivel, los procesos más largos y heterogéneos se formalizan en cadenas de acciones automatizadas usando plataformas no-code (Zapier, Make, n8n) o Agent Skills. Estas automatizaciones pueden ejecutarse en horarios programados o activarse desde eventos externos.

Resultado típico: La inversión de tiempo en la configuración de automatización se amortiza solo para tareas que se repiten con frecuencia. Para esas tareas, la etapa 3 ofrece ganancias notables de productividad — hasta que el proceso debe cambiar.

Competencias humanas: Descomposición de procesos, formalización de instrucciones, trabajo con herramientas no-code, ingeniería básica de contexto.

Etapa 4: IA como Agente Semi-Autónomo en un Espacio de Trabajo Complejo

Etapa colaborativa. Habilidad clave: ingeniería de contexto para un agente versátil.

La etapa 4 trae un cambio doble. Primero, la IA gana autonomía parcial para recopilar contexto: puede navegar por un conjunto diverso de artefactos, encontrar información relevante y proponer soluciones sin instrucciones paso a paso. Segundo, el rango de tareas se expande dramáticamente.

Trabajas con el mismo agente de IA en todo un proyecto o dominio. El espacio de trabajo se construye alrededor de un dominio amplio, no de una automatización única. El agente y tú trabajan juntos en un espacio compartido, leyendo y modificando los mismos archivos.

“Configurar un espacio de trabajo de agente es exigente, pero puedes y debes construirlo con el agente, lo cual es mucho más rápido. Después de esta configuración compartida, ocurre un salto cualitativo: pasas de ser un despachador que dicta cada paso a ser un coautor que colabora en un espacio compartido.”

Competencias humanas: Ingeniería de contexto (estructurar conocimiento para el agente), articulación de objetivos, edición colaborativa de artefactos con IA, reflexión colaborativa tras cada sesión.

Etapa 5: IA como Especialista Autónomo con Autoverificación

Etapa mayormente instrumental. Habilidad clave: uso de Agent Skills y verificación automatizada de calidad.

En la etapa 5 puedes orquestar un flujo de trabajo iterativo sin microgestionar la IA. Para lograrlo, tú y el agente construyen un conjunto de guías reutilizables — no archivos AGENTS.md específicos del proyecto, sino Agent Skills independientes del proyecto para abordar tipos específicos de subtareas.

Dos palancas instrumentales para velocidad y calidad:

  • Ecosistema de Agent Skills: Habilidades que se aplican a múltiples proyectos. Un creciente número de Skills vive en GitHub y agregadores como skillsmp.com o agentskills.so.
  • Autoverificación del agente: La segunda columna de la autonomía. Incluye listas de verificación, evaluaciones de IA generadas contra criterios humanos, y verificaciones algorítmicas.

Resultado típico: Tu rol pasa de “evaluar y dar feedback” a “decidir”. La IA propone opciones y tú seleccionas la mejor. Tu rol ahora se asemeja al de un product manager.

Etapa 6: IA como Agente Auto-Mejorable

Etapa colaborativa. Habilidad clave: configurar un ciclo de mejora continua.

Una vez que las tareas específicas se completan consistentemente con alto estándar, el enfoque se desplaza hacia mejorar conjuntamente el proceso de trabajo mismo. El agente retiene tu feedback y decisiones durante una sesión. Al final, sintetiza esa experiencia y actualiza las guías — incluyendo el meta-contexto como AGENTS.md y los archivos de Skill.

Resultado típico: Surge un framework personalizado que puedes escalar a todos tus proyectos. Las habilidades del agente y tus procesos de trabajo colaborativo se vuelven auto-mejorables. Asumes el rol de arquitecto de procesos, Scrum Master o estratega.

¿En qué etapa estás hoy?

El cambio de “prompter” a “coautor” a “arquitecto de procesos” no es obligatorio. Puedes detenerte donde te sientas cómodo. Personalmente, la zona de confort del autor es Etapa 4 + Agent Skills seleccionadas. Pero cuando se trata de “vibe coding”, se mueve entre las Etapas 5 y 6.

Lo importante no es avanzar a toda costa, sino reconocer dónde estás y qué habilidades necesitas desarrollar para dar el siguiente paso si así lo deseas.

“Las etapas no se reemplazan entre sí — se construyen unas sobre otras. Una persona puede estar en la etapa 5 para sus proyectos profesionales y en la etapa 2 para su vida personal, dependiendo del contexto, las herramientas y cuánto ha invertido en cada dominio.”

¿Quieres profundizar en cómo desarrollar las habilidades técnicas y blandas que cada etapa demanda? Sigue explorando estos temas en el blog de DojoFullStack, donde compartimos guías prácticas sobre agentes de código, automatización inteligente y desarrollo de software para la comunidad LATAM.