Artículos
La Ruta de la IA: los 5 niveles para pasar de conversar a delegar
La mayoría de la formación en inteligencia artificial se queda en el primer escalón: aprender a escribir mejores prompts. Está bien, pero es el principio. La Ruta de la IA es la arquitectura de capacitación que usamos en Ludik para llevar a una persona desde conversar con la IA hasta delegarle trabajo real.
Son cinco niveles, seis tipos de conocimiento y 186 temas, con una regla que lo ordena todo: cada nivel se demuestra con casos reales de tu propio trabajo, y la salida de un nivel es la entrada del siguiente.
Cómo se recorre
- Casos reales. Se trabaja sobre tu propio trabajo: tus documentos, tus clientes, tus procesos. Nada de ejercicios de juguete.
- Por demostración. Un tema se considera aprendido cuando lo demuestras —lo explicas o lo ejecutas sin ayuda—, no cuando lo escuchaste.
- Avance visible. El progreso se registra en un mapa de ruta que muestra qué dominas y qué falta, nivel por nivel.
- A tu ritmo. Referencia de 2-3 sesiones por nivel, ajustable al punto de partida de cada persona.
Los seis tipos de conocimiento se repiten en cada nivel: vocabulario (nombrar), principios (entender), herramientas (conocer), fundamentos técnicos (comprender), técnicas (aplicar) y métodos (integrar).
Nivel 1 — Conversar: dominar el chat
Usar la IA de forma eficiente y efectiva a través del chat, con resultados consistentes sobre casos reales. 51 temas.
Hito de graduación: resolver un caso real de punta a punta en el chat, con prompts estructurados, iteración documentada y un entregable de calidad publicable.
Entradas: casos reales del propio trabajo · cuenta en un chat de IA.
Salidas: biblioteca de prompts · memoria configurada · criterio de elección de modelo · hábito de documentar.
Vocabulario · nombrar
- Token
- Ventana de contexto
- LLM / modelo
- Parámetros · entrenamiento vs. inferencia
- Temperatura / creatividad
- Razonamiento extendido (thinking)
- Prompt · system prompt · metaprompt
- Zero-shot / few-shot
- Memoria · sesión · proyecto · artefacto
- Alucinación · sesgo · knowledge cutoff
- Multimodal
- Tokens de entrada/salida · límites de uso
Principios · entender
- La IA predice, no “sabe”: verificar resultados
- Calidad del input = calidad del output
- Conversar es iterar, no consultar una vez
- El contexto es finito: cuándo abrir chat nuevo
- Específico gana a extenso
- Profundidad vs. velocidad: cuándo pedir cada una
- Pedir que te haga preguntas antes de ejecutar
- La IA es colaborador, no oráculo: el juicio es tuyo
- Privacidad: qué no se pega en un chat
Herramientas · conocer
- Panorama: Claude, ChatGPT, Gemini
- Familias de modelos: elegir según la tarea
- Búsqueda web · análisis de archivos
- Artefactos · proyectos
- Deep research (investigación profunda)
- Memorias y preferencias de usuario
- Contexto persistente (CLAUDE.md y equivalentes)
Fundamentos técnicos · comprender
- Cómo funciona un LLM (predicción de tokens)
- La ventana de contexto y cómo administrarla
- Por qué alucina un modelo
- No determinismo: misma pregunta, respuestas distintas
- Archivos que puede leer y sus límites
- Conocimiento entrenado vs. búsqueda en tiempo real
- Los tokens son dinero: por qué hay límites
Técnicas · aplicar
- Prompt: rol + contexto + tarea + formato + ejemplos
- “Hazme preguntas antes de responder”
- Few-shot: dar 2-3 ejemplos propios
- Delimitar: separar instrucción de material
- Pedir formato de salida explícito
- Pedir varias alternativas y elegir
- Pedir autocrítica a la respuesta
- Cadena borrador → crítica → versión final
- Recapitular al cerrar la sesión
Métodos · integrar
- Metaprompting: mejorar prompts con IA
- Iteración guiada con feedback específico
- Protocolo de verificación de outputs críticos
- Documentar y archivar sesiones
- Biblioteca personal de prompts
- Trabajar en paralelo: varias sesiones a la vez
- Flujos con archivos: Excel/PDF → extraer → generar
Nivel 2 — Conectar: la IA en tu ecosistema
Integrar la IA con tus herramientas y datos reales para dejar de copiar y pegar. 32 temas.
Hito de graduación: un flujo real multi-herramienta que elimina un copy-paste recurrente, demostrado en vivo.
Entradas: nivel 1 completado · inventario de herramientas · acceso a tus cuentas.
Salidas: 3+ conectores activos · 2+ flujos multi-herramienta · política de permisos · primera rutina recurrente.
Vocabulario · nombrar
- MCP · conector · integración
- API · endpoint
- Autenticación · OAuth · token · credencial
- Permisos / scopes · revocación
- Tool / tool call
- Lectura vs. escritura
- Automatización · rutina · webhook
Principios · entender
- Tu contexto real > el chat aislado
- Permisos mínimos necesarios
- Lectura y escritura: riesgos distintos
- Datos de clientes = responsabilidad profesional
- Human-in-the-loop: aprobar escrituras importantes
- Verificar lo que la IA escribió en tus sistemas
- La IA como capa, no reemplazo, de tus herramientas
- Cada conector amplía la superficie de riesgo
Herramientas · conocer
- Conectores: Drive, Gmail, Calendar, Notion, Slack…
- Directorio de MCPs: descubrir y evaluar
- Claude en el navegador / extensiones
- Zapier/Make vs. IA conectada: cuándo cada uno
Fundamentos técnicos · comprender
- Qué es una API (conceptual)
- Cómo funciona un MCP: cliente, servidor, tools
- Tokens, cuentas conectadas, revocación
- Dónde viven los datos al conectar
Técnicas · aplicar
- Auditar conexiones activas y sus permisos
- “Primero lee y propón, después escribe”
- Borradores en vez de envíos directos
- Nombrar recursos exactos (carpeta, doc, canal)
- Verificación por muestreo de lo escrito
Métodos · integrar
- Auditoría del stack: matriz valor/riesgo
- Flujos multi-herramienta (correo → resumen → agenda)
- Rutinas conectadas (reportes, seguimiento)
- Protocolo de seguridad para datos de clientes
Nivel 3 — Crear: de usuario a creador
Encapsular tu conocimiento experto en skills reutilizables, mini-apps y páginas simples. 31 temas.
Hito de graduación: un skill de tu metodología que otro puede usar con resultados consistentes, más una mini-app en uso real.
Entradas: niveles 1-2 · una metodología experta propia identificada · casos para probar.
Salidas: 2+ skills propios probados · 1 mini-app útil · sistema de memoria y documentación · criterio de qué merece skill.
Vocabulario · nombrar
- Skill · SKILL.md · trigger
- Artefacto · mini-app · prototipo
- Markdown
- HTML · CSS · JavaScript (reconocer)
- Frontend · interfaz · UI
- Plantilla · sistema vs. prompt suelto
Principios · entender
- El conocimiento encapsulado escala
- Skill = metodología + instrucciones ejecutables
- El experto eres tú: la IA empaqueta tu criterio
- Prototipar barato antes de invertir
- La consistencia viene de sistemas
- Lo no documentado no se puede delegar
- Un skill se valida con casos, no con intuición
Herramientas · conocer
- Sistema de skills de Claude
- Artefactos interactivos (HTML, React, IA embebida)
- Generadores de sitios simples
- Obsidian / Notion como memoria estructurada
Fundamentos técnicos · comprender
- Anatomía web: HTML estructura, CSS estilo, JS conducta
- Estructura de un skill: descripción, triggers, ejemplos
- Qué puede y no puede un artefacto
- Markdown como formato universal
Técnicas · aplicar
- Entrevista inversa: la IA te extrae la metodología
- Descripciones que disparan el trigger cuando deben
- Casos de prueba para validar un skill
- Pedir variantes de interfaz y elegir
- Naming de skills y procesos
Métodos · integrar
- De metodología a skill: extraer y documentar
- Ciclo de iteración: probar, medir, refinar
- Página web simple de punta a punta con IA
- Memoria organizacional: decisiones y aprendizajes
- Portafolio de skills: organizar y mantener
Nivel 4 — Construir: software real
Desarrollar software a medida con IA: base de datos, seguridad, deploy y dominio propio. 38 temas.
Hito de graduación: una app en producción usada por usuarios reales al menos dos semanas, mantenida por ti.
Entradas: niveles 1-3 · un problema que justifique software · cuentas de GitHub, Supabase y deploy.
Salidas: app publicada con dominio propio · repositorio versionado · seguridad aplicada · capacidad de mantenerla.
Vocabulario · nombrar
- Vibe coding · repositorio · Git · commit
- Base de datos · tabla · registro · query
- Backend · servidor · frontend · framework
- Deploy · hosting · dominio · DNS
- Ambientes: local, staging, producción
- Variables de entorno · API keys · autenticación
- Bug · log · debug
Principios · entender
- Software = datos + lógica + interfaz
- La seguridad no es opcional
- MVP primero, features después
- El código que no entiendes es deuda
- Versionar todo: volver atrás es libertad
- Especificar antes de codear
- Probar con datos reales: compilar ≠ funcionar
- El costo de cambiar crece con el tamaño
Herramientas · conocer
- Claude Code y desarrollo agéntico
- Supabase (base de datos y autenticación)
- GitHub (versionado)
- Vercel / Netlify / Cloudflare (deploy)
- Registradores de dominio y DNS
Fundamentos técnicos · comprender
- Arquitectura: frontend ↔ backend ↔ base de datos
- Modelado de datos: entidades y relaciones
- Seguridad esencial: RLS, llaves, roles
- Ciclo de deploy: local → staging → producción
- Costos: qué se paga y cómo escala
Técnicas · aplicar
- Escribir un brief técnico antes de codear
- Pedir el plan antes que el código
- Construir por módulos pequeños
- Leer un error y pegarlo con contexto
- Commits frecuentes · volver atrás sin miedo
- Pedir explicación de cada módulo construido
- Probar cada feature con datos reales
Métodos · integrar
- Del problema al brief técnico
- Vibe coding: planear → construir → probar → corregir
- Diseño de base de datos con IA: del concepto a las tablas
- Checklist de seguridad pre-lanzamiento
- Deploy completo con dominio propio
- Mantenimiento: errores, debug, actualizar
Nivel 5 — Delegar: tu equipo digital
Operar agentes autónomos que trabajan 24/7 con tus instrucciones, skills y ciclos de trabajo. 34 temas.
Hito de graduación: un agente ejecutando trabajo real durante un mes, con supervisión estructurada y retorno medible.
Entradas: niveles 1-4 · procesos documentados (skills, SOPs) · infraestructura propia · presupuesto operativo.
Salidas: 1+ agente en operación con resultados medibles · matriz de delegación · protocolo de supervisión · reporte de resultados.
Vocabulario · nombrar
- Agente · agente autónomo · multi-agente
- Orquestación · subagente
- Ciclo de trabajo · tarea programada · cron · trigger
- Instrucciones de sistema · contexto persistente
- Human-in-the-loop · guardrails · escalación
- SOP · log · monitoreo · alerta
Principios · entender
- Un agente vale lo que sus instrucciones y contexto
- Autonomía con límites: qué decide solo
- El agente hereda tu conocimiento (niveles 1-4)
- Supervisar sistemas, no tareas
- Confianza progresiva: bajo riesgo → escalar
- Todo agente falla: diseñar para el fallo
- Medir resultados, no actividad
- El costo continuo se gestiona, no se descubre
Herramientas · conocer
- Plataformas de agentes (Claude Code agéntico, programados)
- Orquestadores y automatizaciones (cron, webhooks)
- Monitoreo: logs, reportes, alertas
Fundamentos técnicos · comprender
- Anatomía: instrucciones + herramientas + memoria + ciclo
- Programar ciclos: horarios, triggers, condiciones
- Gestión de contexto de largo plazo
- Permisos y aislamiento del agente
- Costos de operación continua
Técnicas · aplicar
- Redactar SOPs ejecutables sin ambigüedad
- Criterios de aprobación: decide solo vs. me consulta
- Diseñar el reporte del agente
- Revisar logs por muestreo
- Mantener el control de apagado
- Piloto de bajo riesgo como primera delegación
Métodos · integrar
- Identidad del agente: el “desglose de ti”
- Qué delegar primero: matriz riesgo/valor
- Instrucciones operativas: SOPs para agentes
- Diseño de ciclos: nocturno, revisiones, reportes
- Protocolo de supervisión
- Escalamiento: de un agente a un equipo
La ruta se recorre acompañado
En Ludik dictamos esta ruta en mentoría 1 a 1 —personalizada, sobre tus propios casos—, en talleres grupales y in-company para equipos completos. La imparte Miguel Palacios, y se adapta al punto de partida de cada persona: no todos entran por el nivel 1.
Escríbenos y te contamos cómo funciona.