La matriz de autonomía L0–L4: cuánta libertad darle a un agente y bajo qué control

La conversación sobre agentes en la mayoría de los comités directivos se atasca en una pregunta binaria: ¿confiamos o no confiamos en la IA? Es una pregunta mal formulada, y por eso no produce decisiones. Nadie pregunta si confía en “los empleados” en abstracto. Se pregunta quién puede aprobar qué monto, quién firma un contrato, quién accede a qué sistema. La confianza organizacional siempre fue graduada y condicionada.

Con agentes debería ser igual. La herramienta para lograrlo es una matriz de autonomía: cinco niveles, cada uno con un rol distinto para el agente y un control distinto asociado.

Los cinco niveles

Nivel	Rol del agente	Control asociado
L0	Redacta, resume o propone	Revisión humana completa
L1	Analiza y recomienda	El humano decide
L2	Ejecuta acciones reversibles en sandbox	Validación automática
L3	Ejecuta bajo políticas y aprobación humana	Trazabilidad obligatoria
L4	Opera autónomamente dentro de límites definidos	SLO, error budget, monitoreo y rollback

La matriz no es una escalera que haya que subir. Es un vocabulario para decidir. La mayoría del trabajo con agentes en una organización sana vive en L0 y L1, y eso está bien: ahí es donde el valor aparece más rápido y el riesgo es más bajo. L4 debería ser excepcional y estar reservado a tareas de alta frecuencia, resultado verificable y consecuencia acotada.

Qué caracteriza a cada nivel en la práctica

L0 — Redacta, resume o propone. El agente produce un artefacto que un humano lee entero antes de que exista para el mundo. Borradores de correo, resúmenes de reunión, primeras versiones de un informe. El control es simple porque la exposición es nula: nada llega a un cliente, a un sistema o a una decisión sin pasar por una persona. El error de diseño más común en L0 es no dejar claro que el artefacto es un borrador, con lo que empieza a circular como si fuera definitivo.

L1 — Analiza y recomienda. El agente procesa información y emite una recomendación; el humano decide. Priorización de casos, clasificación de riesgo, sugerencias de asignación. El control aquí no es leer el output —eso ya no escala— sino verificar que el humano efectivamente esté decidiendo. El modo de falla típico de L1 es la aceptación automática: la recomendación se aprueba sin evaluar, y el nivel se convierte de hecho en L3 sin que nadie lo haya autorizado.

L2 — Ejecuta acciones reversibles en sandbox. El agente actúa, pero en un entorno aislado y sobre acciones que se pueden deshacer. Generar una rama de código, preparar un borrador de configuración, poblar un ambiente de pruebas. El control es automático: pruebas, validaciones, reglas que fallan si el resultado se sale de parámetros. Aquí el diseño del entorno importa más que el modelo.

L3 — Ejecuta bajo políticas y aprobación humana. El agente ejecuta acciones reales, con efecto en sistemas reales, dentro de políticas explícitas y con un humano aprobando el paso crítico. La trazabilidad deja de ser deseable y pasa a ser obligatoria: quién pidió, qué hizo el agente, con qué datos, qué herramientas invocó, quién aprobó. Sin esa traza, L3 es indefendible ante una auditoría.

L4 — Opera autónomamente dentro de límites definidos. El agente actúa sin aprobación caso a caso, dentro de fronteras explícitas. Este nivel exige el aparato completo de confiabilidad: objetivos de servicio definidos, presupuesto de error, monitoreo activo y capacidad de rollback. Si tu organización no tiene esos cuatro elementos para sus sistemas actuales, no los va a improvisar para un agente.

Lo que la matriz no resuelve por sí sola

Asignar un nivel es la decisión visible. Debajo hay un conjunto de controles que tienen que existir independientemente del nivel, y que son los que hacen que la matriz signifique algo:

• Identidad propia de cada agente. Un agente no debe operar con la credencial de una persona. Si lo hace, la traza es falsa y la revocación es imposible sin bloquear a alguien.
• Mínimo privilegio. Acceso exactamente a lo necesario, con lectura y escritura separadas.
• Herramientas permitidas y bloqueadas. Una lista explícita, no un permiso general de “usar las herramientas disponibles”.
• Entornos aislados. Que un error en pruebas no toque producción.
• Versionado de instrucciones, prompts, políticas y evaluaciones. Si cambió el comportamiento, tiene que ser posible saber qué cambió.
• Trazas de decisiones y llamadas a herramientas. No solo el resultado: el camino.
• Criterios explícitos de escalamiento a un humano. Cuándo el agente debe detenerse y preguntar.
• Límites de costo y consumo. Presupuesto por agente, por tarea, por período.
• Pruebas antes de otorgar mayor autonomía. Subir de nivel es una decisión con evidencia, no con entusiasmo.

La regla de promoción

El uso más valioso de la matriz no es clasificar, es gobernar los ascensos. Un agente sube de nivel cuando existe evidencia, no cuando alguien se cansa de aprobar.

Una regla de promoción razonable tiene tres componentes: un volumen mínimo de casos observados en el nivel actual, una tasa de intervención humana por debajo de un umbral acordado, y ningún incidente de política o seguridad en el período. Si un agente lleva doscientas ejecuciones en L1 con una tasa de corrección del dos por ciento y sin incidentes, la conversación sobre L2 es una conversación con datos. Si lleva veinte ejecuciones y “parece que funciona bien”, no lo es.

La regla inversa también tiene que existir: qué hace que un agente baje de nivel. Un incidente de seguridad, un cambio de modelo sin revalidar, una migración de datos que altera el contexto disponible. La degradación automática de autonomía ante un cambio no evaluado es una de las protecciones más baratas y menos implementadas.

Un mismo proceso, cinco niveles

Para hacer la matriz concreta, conviene recorrer un solo proceso a través de los cinco niveles. Tomemos la respuesta a solicitudes de cotización, un caso que existe en casi cualquier organización.

En L0, el agente redacta un borrador de cotización a partir de la solicitud recibida. Una persona lo lee entero, ajusta lo que haga falta y lo envía. El ahorro es de tiempo de redacción; el criterio comercial sigue siendo enteramente humano.

En L1, el agente además analiza la solicitud contra el histórico y recomienda un rango de precio, señalando casos similares anteriores. La persona decide el precio. La diferencia con L0 es que ahora el agente aporta juicio, y por eso aparece el riesgo específico de este nivel: que la recomendación se acepte sin evaluar. Vale la pena medir con qué frecuencia el precio final difiere del recomendado. Si nunca difiere, no hay decisión humana.

En L2, el agente prepara la cotización completa en un entorno de borradores, ejecuta las validaciones —márgenes mínimos, disponibilidad, condiciones de crédito del cliente— y presenta el resultado ya verificado. Nada salió del entorno de borradores. Si una validación falla, el caso se detiene y se marca.

En L3, el agente emite la cotización al cliente, pero solo después de que una persona aprueba el envío. La política define qué casos puede procesar: por debajo de cierto monto, clientes existentes, productos estándar. Todo lo demás escala. Y cada envío queda registrado con quién aprobó, qué datos se usaron y qué reglas se aplicaron.

En L4, el agente emite directamente las cotizaciones que caen dentro de límites estrictos y bien delimitados —montos bajos, catálogo estándar, clientes con historial— sin aprobación caso a caso. Existe un objetivo de servicio, un presupuesto de error, monitoreo de la tasa de reclamos y capacidad de suspender el proceso completo en minutos.

Lo que revela este recorrido es que el salto realmente difícil no está donde la intuición lo pone. No es de L0 a L1, ni de L3 a L4. Es de L1 a L2, porque es el punto donde la organización tiene que definir por escrito qué constituye una cotización válida. Mientras el criterio vive en la cabeza de quien cotiza, no hay validación automática posible y el agente no puede pasar de recomendar.

Cómo usar esto el lunes

Toma los tres usos de IA que hoy están activos en tu organización —incluidos los que nadie autorizó formalmente— y asígnales un nivel. No el nivel que quisieras: el nivel en el que efectivamente están operando.

El hallazgo habitual de ese ejercicio es que hay al menos un caso operando de facto en L3 mientras la organización cree que está en L1, porque la recomendación se aprueba sin leerse. Ese hallazgo, por sí solo, justifica la hora que toma hacer el ejercicio.