Saltar al contenido
Henry Rincón
CV (PDF)

Métodos · Tema T1

Cómo se debe llevar la IA a una organización

Se imprime completa desde el navegador, en A4 o en carta.

Bloque 1

El problema

Llevar la IA a una organización que apenas empieza de modo que lo que se prueba llegue a operar, la gente lo adopte y el valor se pueda demostrar más allá del piloto.

Síntesis en tres líneas

  1. Se empieza por los problemas de la organización, no por la tecnología disponible: cada oportunidad declara qué problema resuelve, para quién y cómo se reconocerá un buen resultado, y no toda necesidad pide IA.
  2. Una cartera con criterios comunes decide qué avanza; la validación es progresiva —prueba de valor, piloto, escala— y en cada paso una métrica de negocio puede detener la iniciativa.
  3. El gobierno es la columna del programa y no un trámite final: roles y responsables, riesgos e impacto evaluados desde el diseño, y la adopción medida en usuarios y decisiones, no en accesos.
Bloque 2

El mapa

Del problema de la organización a la capacidad adoptada y gobernada

Desliza para ver el mapa completo.

Del problema de la organización a la capacidad adoptada y gobernadaLa organización y su problema alimentan una cartera de oportunidades que se filtra con criterios de prioridad. Lo priorizado pasa por una prueba de valor —que también decide si construir, comprar o componer con proveedores y plataformas— y por un piloto con métrica, y solo entonces escala a una capacidad en operación. Esa capacidad llega a personas formadas, su uso real se mide como adopción, y esa evidencia decide escalar, ajustar o detener; lo que se ajusta vuelve a la cartera. Debajo corre el gobierno: la organización designa roles y responsables, que responden por un sistema de gestión de IA; el sistema evalúa riesgos e impacto, y ese análisis condiciona cada decisión de escalar.La organización ysu problema1Cartera deoportunidades2Criterios deprioridad3Prueba de valor4Piloto conmétrica5Capacidad enoperación6Personas formadas7Adopción medida8Escalar, ajustaro detener9Roles yresponsables10Sistema degestión de IA11Riesgos y suimpacto12Proveedores yplataformas13

Leyenda de formas y colores

  • Actor — quien hace el trabajo
  • Dato — lo que se guarda y se lee
  • Control — una regla que se comprueba
  • Persona — una persona decide
  • Externo — lo que viene de afuera

Lectura del mapa, nodo por nodo

La organización y su problema alimentan una cartera de oportunidades que se filtra con criterios de prioridad. Lo priorizado pasa por una prueba de valor —que también decide si construir, comprar o componer con proveedores y plataformas— y por un piloto con métrica, y solo entonces escala a una capacidad en operación. Esa capacidad llega a personas formadas, su uso real se mide como adopción, y esa evidencia decide escalar, ajustar o detener; lo que se ajusta vuelve a la cartera. Debajo corre el gobierno: la organización designa roles y responsables, que responden por un sistema de gestión de IA; el sistema evalúa riesgos e impacto, y ese análisis condiciona cada decisión de escalar.

  1. Nodo 1 La organización y su problema (Persona) — Quién decide, qué proceso falla y qué resultado se espera: el punto de partida, antes que cualquier herramienta.
  2. Nodo 2 Cartera de oportunidades (Dato) — Cada oportunidad escrita como problema, usuarios y resultado esperado, con su responsable.
  3. Nodo 3 Criterios de prioridad (Control) — Valor, viabilidad, datos disponibles, riesgo, dependencia de terceros, integración y capacidad de adopción, iguales para toda la cartera.
  4. Nodo 4 Prueba de valor (Control) — La hipótesis principal, comprobada con el menor costo y riesgo razonables, y la línea base del indicador fijada antes del piloto.
  5. Nodo 5 Piloto con métrica (Control) — Usuarios reales y un resultado acordado de antemano; si no se alcanza, el piloto se pausa y se revisa.
  6. Nodo 6 Capacidad en operación (Actor) — La solución integrada al proceso, con supervisión, documentación y alguien que responde cuando el resultado no es el esperado.
  7. Nodo 7 Personas formadas (Persona) — Quienes usan la capacidad aprenden sobre sus propios procesos y productos, no sobre una demostración genérica.
  8. Nodo 8 Adopción medida (Control) — Usuarios con responsabilidad sobre el proceso, uso recurrente y decisiones que se apoyan en la capacidad: uso real, no accesos.
  9. Nodo 9 Escalar, ajustar o detener (Control) — La evidencia de adopción y de valor decide; detener después de invalidar bien una hipótesis no es un fracaso.
  10. Nodo 10 Roles y responsables (Persona) — El negocio responde por el propósito y los resultados; datos, seguridad, riesgo, cumplimiento y tecnología intervienen según la iniciativa.
  11. Nodo 11 Sistema de gestión de IA (Control) — Políticas, objetivos, procesos, controles y mejora continua: la IA tratada como capacidad que se gestiona, no como suma de proyectos.
  12. Nodo 12 Riesgos y su impacto (Dato) — Las consecuencias de una respuesta incorrecta o de una acción no deseada, la dependencia de proveedores y el efecto sobre las personas y los procesos.
  13. Nodo 13 Proveedores y plataformas (Externo) — Lo que ya existe afuera: se compra o se compone cuando resuelve la necesidad con menos operación propia.

Conexiones

  • de La organización y su problema a Cartera de oportunidades (plantea)
  • de Cartera de oportunidades a Criterios de prioridad (se filtra)
  • de Criterios de prioridad a Prueba de valor (prioriza)
  • de Proveedores y plataformas a Prueba de valor (compone)
  • de Prueba de valor a Piloto con métrica (valida)
  • de Piloto con métrica a Capacidad en operación (escala)
  • de Capacidad en operación a Personas formadas (llega a)
  • de Personas formadas a Adopción medida (uso real)
  • de Adopción medida a Escalar, ajustar o detener (evidencia)
  • de Escalar, ajustar o detener a Cartera de oportunidades (regresa)
  • de La organización y su problema a Roles y responsables (designa)
  • de Roles y responsables a Sistema de gestión de IA (responde por)
  • de Sistema de gestión de IA a Riesgos y su impacto (evalúa)
  • de Riesgos y su impacto a Escalar, ajustar o detener (condiciona)
Bloque 3

Las fases

  1. Fase 1

    Partir de los problemas de la empresa, no de la tecnología

    Entradas

    • Los procesos, las decisiones y los resultados que hoy no alcanzan lo esperado.
    • Las capacidades y los datos que la organización ya tiene.

    Actividades

    • Levantar el proceso ejecutado, no el de los manuales, antes de proponer una solución.
    • Escribir cada oportunidad como problema, usuarios, resultado esperado y responsable.
    • Separar lo que se resuelve con una mejora del proceso, una regla o un producto analítico de lo que pide IA.

    Artefactos

    • Las oportunidades escritas, con su problema y su responsable.
    • El mapa del proceso ejecutado.
    Quién decide
    La dirección, con los responsables de cada proceso.
    Control que cierra la fase
    Ninguna oportunidad entra a la cartera sin decir qué problema resuelve y para quién.
    Evidencia

    En la Fundación CTIC cada oportunidad tuvo que declarar primero qué problema resolvía y para quién; con esa regla se identificaron más de 10 y se evaluó formalmente la mitad.

  2. Fase 2

    Priorizar los casos de uso de IA con criterios comunes

    Entradas

    • La cartera de oportunidades.
    • Los criterios de prioridad, acordados antes de puntuar.

    Actividades

    • Puntuar cada caso por valor, viabilidad, datos disponibles, riesgo, dependencia de terceros, integración y capacidad de adopción.
    • Elegir el patrón de solución: no toda iniciativa de IA requiere un agente.
    • Abrir un expediente por iniciativa priorizada.

    Artefactos

    • La cartera priorizada.
    • El expediente con responsable, resultados esperados, riesgos iniciales y criterios de evaluación.
    Quién decide
    Quien patrocina la cartera, con las áreas que la usarán.
    Control que cierra la fase
    Cada iniciativa priorizada tiene responsable, resultados esperados, riesgos iniciales y criterios de evaluación escritos antes de comenzar.
    Estado del campo

    El Cloud Adoption Framework pide evaluar cada caso de uso por viabilidad, valor estratégico y recursos, y puntuarlo por impacto de negocio, complejidad técnica, recursos requeridos y alineación con los objetivos.[2]

  3. Fase 3

    Validar con una prueba de valor antes de construir

    Entradas

    • La iniciativa priorizada y su hipótesis principal.
    • El indicador que el caso promete mover.

    Actividades

    • Comprobar la hipótesis con una exploración de datos, una prueba controlada o un prototipo limitado.
    • Empezar por un caso interno, sin clientes expuestos.
    • Fijar la línea base del indicador antes del piloto.

    Artefactos

    • La hipótesis confirmada o descartada, por escrito.
    • La línea base.
    Quién decide
    El responsable de la iniciativa.
    Control que cierra la fase
    Si la hipótesis no se sostiene, la iniciativa se detiene o se rediseña: detener también es un resultado.
    Evidencia

    En la Fundación CTIC se procura que la validación sea progresiva: una exploración de datos, una prueba controlada o un prototipo limitado pueden generar evidencia suficiente para avanzar, modificar el enfoque o detener antes de comprometer más recursos.

  4. Fase 4

    Pilotear con una métrica de negocio que puede detenerlo

    Entradas

    • La prueba de valor aprobada y su línea base.
    • El resultado acordado con el patrocinador.

    Actividades

    • Operar con usuarios reales en un alcance acotado.
    • Medir contra la línea base, no contra una impresión.
    • Escribir la decisión: escalar, cambiar de rumbo o detener.

    Artefactos

    • El resultado del piloto frente a lo acordado.
    • La decisión escrita, con su responsable.
    Quién decide
    El patrocinador, con el responsable del proceso.
    Control que cierra la fase
    El piloto que no alcanza el resultado acordado se pausa y se revisa; nada escala por inercia.
    Estado del campo

    El Cloud Adoption Framework propone usar las métricas de negocio como puertas de decisión: si un piloto no alcanza los resultados acordados, el trabajo se pausa y se reevalúa el caso de uso.[4]

  5. Fase 5

    Escalar con gobierno: roles, riesgos e impacto

    Entradas

    • El piloto aprobado.
    • Las políticas y obligaciones que aplican a la organización.

    Actividades

    • Asignar roles, responsabilidades y autoridades: no toda decisión de IA es del equipo técnico.
    • Evaluar riesgos e impacto del sistema antes de ampliarlo.
    • Registrar el sistema en el inventario, con su ciclo de vida.

    Artefactos

    • La matriz de riesgos y la evaluación de impacto.
    • El inventario de sistemas de IA.
    Quién decide
    La alta dirección, con los responsables de negocio, datos, riesgo y tecnología.
    Control que cierra la fase
    Ningún sistema pasa a operación sin responsable, evaluación de riesgos e impacto y su lugar en el inventario.
    Evidencia

    En la Fundación CTIC la estrategia se estructura siguiendo ISO/IEC 42001, en su adopción UNE-ISO/IEC 42001:2025, con más de 20 instrumentos del sistema de gestión; una de sus matrices es el análisis de riesgos de cada caso de uso, y la norma pide además evaluar el impacto de los sistemas de IA.

  6. Fase 6

    Formar, medir la adopción y decidir si escalar, ajustar o retirar

    Entradas

    • La capacidad en operación.
    • Las personas que la van a usar.

    Actividades

    • Formar sobre los propios procesos y productos, como parte de la entrega.
    • Medir el uso real: usuarios con responsabilidad, recurrencia y decisiones apoyadas.
    • Comparar con la línea base y decidir escalar, ajustar o retirar.

    Artefactos

    • El programa de formación.
    • La lectura de adopción y de valor.
    Quién decide
    El responsable del proceso.
    Control que cierra la fase
    Lo que no se usa o no mueve el indicador vuelve a la cartera para ajustarse o retirarse.
    Evidencia

    En Banco Pichincha la formación a 12 profesionales sobre sus propios productos fue parte del producto y contribuyó a un aumento del 20 % en la productividad de la preparación y el uso de la información.

Bloque 4

Las decisiones de diseño

  1. Cómo llevar la IA a una empresa que apenas empieza: por sus problemas, no por la herramienta

    Cuándo sí
    Cuando la empresa apenas empieza con IA, el primer inventario es de problemas, procesos y decisiones; para llevar la IA a la empresa, cada uno se escribe con su usuario y su resultado esperado.
    Cuándo no
    Cuando la iniciativa llega empujada por un proveedor o por entusiasmo con una herramienta: no entra a la cartera hasta declarar qué problema resuelve.

    Por qué

    Evidencia

    En Inglopres la implantación del ERP (Odoo) mostró que digitalizar un proceso sin revisarlo puede trasladar sus inconsistencias a la tecnología: el proceso ejecutado se levantó y se modeló en BPMN antes de configurar la solución.

    Estado del campo

    El Cloud Adoption Framework pide a los líderes definir los resultados de negocio que la IA debe apoyar, y a la estrategia de IA documentar las prioridades, los derechos de decisión y cómo se mide el valor de la inversión.[1]

  2. Qué criterios usar para priorizar casos de uso de IA

    Cuándo sí
    Para priorizar casos de uso de IA, los criterios son el valor potencial, la viabilidad, la disponibilidad de información, el nivel de riesgo, la dependencia de terceros, la complejidad de integración y la capacidad de adopción, aplicados a toda la cartera.
    Cuándo no
    Cuando un caso de uso se elige solo por ser el más innovador: los criterios buscan aprendizaje y valor sin superar la capacidad de la organización para implementarlo, supervisarlo y sostenerlo.

    Por qué

    Evidencia

    En la Fundación CTIC los casos de uso se priorizan con esos siete criterios: de más de 10 oportunidades se evaluó formalmente la mitad y unas ya se priorizaron, y esa proporción es el filtro funcionando, no falta de ideas.

    Estado del campo

    Microsoft recomienda que un centro de excelencia de IA cree un proceso de entrada y priorización con criterios consistentes de valor de negocio, viabilidad técnica y recursos, y mantenga una cartera priorizada de iniciativas.[3]

  3. Prueba de valor, piloto y escala: cuándo avanzar y cuándo detener

    Cuándo sí
    Cuando hay incertidumbre sobre los datos, la tecnología o la adopción: se comprueba la hipótesis principal con el menor costo y se fija la línea base antes del piloto.
    Cuándo no
    Cuando la necesidad se resuelve con un instrumento conocido y de bajo riesgo: una prueba de valor solo retrasa lo que ya está claro.

    Por qué

    Evidencia

    En la Fundación CTIC detener o rediseñar un caso después de invalidar bien una hipótesis no cuenta como fracaso: que la mayoría de los casos evaluados no avanzara todavía es el filtro funcionando.

    Estado del campo

    El Well-Architected Framework advierte que, sin un liderazgo fuerte y un plan claro, los esfuerzos de IA se fragmentan rápido y pueden no pasar de una prueba de concepto.[10]

  4. Construir, comprar o componer: la solución con menos operación propia

    Cuándo sí
    Comprar o componer cuando una capacidad existente resuelve la necesidad con menos operación propia; construir cuando la diferencia está en el proceso propio y hay quién la opere.
    Cuándo no
    Construir un agente para un problema que se resuelve con una mejora del proceso, un producto analítico o una automatización convencional.

    Por qué

    Evidencia

    En la Fundación CTIC la evaluación debe determinar primero si la IA es necesaria y qué tipo de capacidad conviene, para no construir agentes donde basta un instrumento más simple, como un producto analítico en Power BI.

    Estado del campo

    El Cloud Adoption Framework recomienda aprobar la solución que cumple los requisitos con la menor responsabilidad operativa: más personalización suele exigir habilidades más especializadas y más propiedad operativa.[1]

  5. Centro de excelencia o modelo federado: centralizar al empezar, delegar al madurar

    Cuándo sí
    Un centro de excelencia central cuando la organización apenas empieza: concentra la experiencia y fija estándares; al madurar, asesora y las áreas construyen dentro de esos límites.
    Cuándo no
    Un equipo central que aprueba todo cuando ya hay solicitudes en cola y cuellos de botella: el gobierno se incorpora a la plataforma y el centro deja de ser una aduana.

    Por qué

    Evidencia

    En la Fundación CTIC la estrategia busca establecer un marco de gobierno que reparta las decisiones: el negocio debe responder por el propósito y los resultados, los responsables de datos por la calidad y las condiciones de uso, y seguridad, riesgo, cumplimiento y tecnología deben intervenir según la iniciativa.

    Estado del campo

    Microsoft recomienda empezar con un centro de excelencia de IA centralizado y pasar a un rol de asesoría cuando la adopción madura; para agentes, la mayoría de las organizaciones combina estructuras centralizadas y federadas según el patrón, y la hoja de ruta de Fabric encuentra más eficaces los modelos unificado o federado.[3][5][9]

  6. Cómo se mide la adopción de una herramienta nueva: usuarios, uso y decisiones

    Cuándo sí
    La adopción de una herramienta nueva se mide en usuarios con responsabilidad sobre el proceso, uso recurrente y decisiones que se apoyan en ella, con la formación como parte de la entrega.
    Cuándo no
    Contar accesos o licencias asignadas como si fueran adopción.

    Por qué

    Evidencia

    La adopción se ha medido cuatro veces, con usuarios y decisiones distintas: más de 50 usuarios en Banco Pichincha, más de 25 usuarios clave en TransMilenio, más de 15 roles con responsabilidad directa en Cafam y unos 20 líderes de unos 15 procesos en la Fundación CTIC.

    Estado del campo

    En el patrón de habilitación de empleados con IA, Microsoft separa las señales tempranas de adopción —usuarios activos frente a licencias asignadas, uso semanal, retención— de las tardías de valor de negocio: la adopción es la primera señal y el valor, la prueba.[6]

Bloque 5

Lo innovador en 2026

  • Estado del campo

    El valor se decide en puertas, no al final

    Qué cambia frente a la práctica común

    Antes de desarrollar se fija la línea base de los indicadores; en cada etapa la métrica de negocio decide seguir, cambiar de rumbo o detener, y después del despliegue la evidencia decide escalar, mejorar o retirar.[4][7]

    Criterio

    Una prueba de valor sin línea base no prueba nada: solo muestra que algo funciona.

  • Estado del campo

    La estrategia de IA como carta con derechos de decisión

    Qué cambia frente a la práctica común

    La estrategia de IA documenta las prioridades de la organización, los derechos de decisión y cómo se mide el valor de la inversión, y el acceso amplio a las capacidades aprobadas va acompañado de formación.[1]

  • Estado del campo

    ISO/IEC 42001 como columna del programa, no solo de cumplimiento

    Qué cambia frente a la práctica común

    La norma especifica cómo establecer, implementar, mantener y mejorar de forma continua un sistema de gestión de IA, y ofrece una manera estructurada de gestionar riesgos y oportunidades que equilibra innovación y gobierno.[11]

    Criterio

    Un sistema de gestión que nace con el primer caso de uso suele costar menos que uno que llega a auditar lo que ya está en operación.

  • Estado del campo

    El centro de excelencia pasa de control a asesoría

    Qué cambia frente a la práctica común

    El centro de excelencia de IA arranca centralizado para concentrar la experiencia y, cuando aparecen demoras y cuellos de botella, pasa a asesorar y fijar límites mientras los equipos de producto entregan; para agentes, la estructura se elige por patrón de adopción y madurez, no por organigrama.[3][5]

  • Estado del campo

    Gobierno incorporado al flujo de trabajo

    Qué cambia frente a la práctica común

    Estándares centrales con implementación distribuida: puntos de control de IA responsable en las revisiones de diseño, las pruebas y la aprobación previa al lanzamiento, y aprobaciones formales para la IA de alto riesgo.[12]

  • Estado del campo

    Doce áreas de adopción, transferibles a la IA

    Qué cambia frente a la práctica común

    La hoja de ruta de adopción de Fabric ordena la adopción en doce áreas —entre ellas cultura de datos, patrocinio, propiedad del contenido, centro de excelencia, gobierno, formación, comunidad y gestión del cambio— y distingue tres estrategias de propiedad del contenido.[8][9]

    Criterio

    El marco nació para la analítica y sus áreas sirven para la IA casi sin cambios: el patrocinio, la propiedad y la formación pesan más que la herramienta.

Bloque 6

Modos de falla y cómo anticiparlos

  • Qué se rompe
    Pilotos que no pasan de la demostración
    Cómo se ve venir
    Varias pruebas de concepto abiertas y ninguna con responsable ni métrica para escalar.
    Control que la atrapa
    Cada piloto nace con su línea base, su responsable y la decisión que lo cierra.
  • Qué se rompe
    La herramienta elige el caso de uso
    Cómo se ve venir
    La iniciativa llega con el producto escogido y sin el problema escrito.
    Control que la atrapa
    Ninguna oportunidad entra a la cartera sin problema, usuario y resultado esperado.
  • Qué se rompe
    Un agente para un problema que pedía una regla
    Cómo se ve venir
    Costo y riesgo de operación desproporcionados frente al resultado.
    Control que la atrapa
    La evaluación decide primero si la IA es necesaria y qué capacidad conviene.
  • Qué se rompe
    Experimentos aislados por área
    Cómo se ve venir
    Soluciones parecidas construidas dos veces, con datos y criterios distintos.
    Control que la atrapa
    Una cartera común con los mismos criterios y un inventario de sistemas de IA.
  • Qué se rompe
    El gobierno llega tarde
    Cómo se ve venir
    Riesgos, sesgos o exposición de información descubiertos ya en operación.
    Control que la atrapa
    Roles, riesgos e impacto evaluados desde el diseño, dentro del sistema de gestión.
  • Qué se rompe
    Licencias asignadas confundidas con adopción
    Cómo se ve venir
    Muchos accesos y pocas decisiones que cambian.
    Control que la atrapa
    Adopción medida en usuarios con responsabilidad, uso recurrente y decisiones apoyadas.
  • Qué se rompe
    Un centro de excelencia que se vuelve cuello de botella
    Cómo se ve venir
    Solicitudes en cola y equipos que lo esquivan.
    Control que la atrapa
    Pasar a un rol de asesoría con el gobierno incorporado a la plataforma.
  • Qué se rompe
    La capacidad depende de quien la construyó
    Cómo se ve venir
    Nadie más sabe operarla ni explicarla cuando cambia el equipo.
    Control que la atrapa
    Documentación, responsables y transferencia de conocimiento como parte de la entrega.
Bloque 7

Métricas y controles

  • Qué se mide
    Oportunidades con problema y responsable escritos
    Umbral
    Todas las que entran a la cartera.
    Quién aprueba el paso a producción
    Quien patrocina la cartera.
  • Qué se mide
    Iniciativas con criterios de evaluación previos
    Umbral
    Ninguna arranca sin ellos.
    Quién aprueba el paso a producción
    Quien patrocina la cartera.
  • Qué se mide
    Hipótesis de la prueba de valor
    Umbral
    Una decisión escrita: avanzar, ajustar o detener.
    Quién aprueba el paso a producción
    El responsable de la iniciativa.
  • Qué se mide
    Indicador del piloto frente a su línea base
    Umbral
    El resultado acordado antes de empezar.
    Quién aprueba el paso a producción
    El patrocinador del piloto.
  • Qué se mide
    Riesgos e impacto evaluados
    Umbral
    Antes del paso a operación.
    Quién aprueba el paso a producción
    Riesgo, cumplimiento y el responsable del sistema.
  • Qué se mide
    Usuarios activos frente a usuarios previstos
    Umbral
    Una meta fijada antes del lanzamiento.
    Quién aprueba el paso a producción
    El responsable del proceso.
  • Qué se mide
    Decisiones o tareas apoyadas por la capacidad
    Umbral
    Que crezcan frente a la línea base.
    Quién aprueba el paso a producción
    El responsable del proceso.
  • Qué se mide
    Sistemas de IA en el inventario, con su ciclo de vida
    Umbral
    Todos los que operan.
    Quién aprueba el paso a producción
    Quien administra el sistema de gestión.

Los umbrales son ejemplos del método, no cifras de un proyecto concreto.

Bloque 8

Evidencia en proyectos

  • EvidenciaNivel: Uso real

    Fundación CTIC: una cartera de IA con criterios comunes

    Desde marzo de 2025 se estructura en la Fundación CTIC la estrategia institucional de IA: más de 10 oportunidades identificadas, la mitad evaluadas formalmente y unas ya priorizadas; de estas, las primeras ya tienen responsables, resultados esperados, riesgos iniciales y criterios de evaluación documentados.

    Ver dónde
  • EvidenciaNivel: En construcción

    Fundación CTIC: el sistema de gestión bajo ISO/IEC 42001

    La estrategia sigue los principios y requisitos de ISO/IEC 42001, con más de 20 instrumentos del sistema de gestión y, en construcción, un inventario progresivo de sistemas de IA y un marco de gobierno que busca repartir los roles entre el negocio, los responsables de datos y las funciones de riesgo, seguridad y tecnología.

    Ver dónde
  • EvidenciaNivel: Uso real

    La fábrica de apps: dos aprobaciones escritas

    En el pipeline AI-APPs ninguna aplicación avanza sin dos aprobaciones escritas —la prioridad vigente y la visión del producto— y las decisiones críticas conservan responsables humanos: de 12 iniciativas concebidas, solo 7 tienen repositorio.

    Ver dónde
  • EvidenciaNivel: Uso real

    El portafolio, producto de la fábrica

    Diez aplicaciones hermanas, 11 agentes, 7 investigaciones y 6 tableros —34 piezas, sin contar este sitio— salen de un pipeline con dos casas, un agente de fábrica, cuatro jobs de integración continua y un contrato de ficha.

    Ver dónde
  • EvidenciaNivel: Uso real

    Banco Pichincha: adopción y formación como parte del producto

    En 2023, más de 50 usuarios del negocio adoptaron las soluciones del equipo, con una mejora reportada del 25 % en la toma de decisiones; la formación a 12 profesionales sobre sus propios productos contribuyó a un 20 % más de productividad.

    Ver dónde
  • EvidenciaNivel: Uso real

    TransMilenio: adopción por usuarios clave

    Entre julio de 2021 y mayo de 2022, en C&M Consultores, Power BI fue adoptado por más de 25 usuarios clave —responsables de programación, seguimiento y decisión, no solo personas con acceso— y contribuyó a mejorar un 35 % la eficiencia de los procesos analíticos.

    Ver dónde
  • EvidenciaNivel: Uso real

    Cafam: una tecnología nueva que entra por el proceso

    Entre octubre de 2020 y junio de 2021, en la implementación de Oracle WMS Cloud, un equipo de 20 personas probó el sistema y el proceso a la vez; el BI de control lo adoptaron más de 15 decisores directivos del proyecto y mejoró un 50 % la precisión del seguimiento de las pruebas.

    Ver dónde
  • EvidenciaNivel: Uso real

    Inglopres: el ERP como antecedente

    En Inglopres (2015–2017), la implantación de un ERP (Odoo) llevó la operación de registros dispersos a un solo lugar; antes de configurarlo se levantó el proceso ejecutado y se modeló en BPMN.

    Ver dónde
Bloque 9

Límites y alcance

  • Evidencia

    En la Fundación CTIC la estrategia y el sistema de gestión siguen en un proceso progresivo de estructuración y consolidación, y sus cifras se publican aproximadas.

  • Evidencia

    En la Fundación CTIC no hay un equipo de personas a cargo: el trabajo integra procesos completos, con unos 20 líderes de unos 15 procesos, y los planes de mejora los ejecutan los responsables de proceso.

  • Evidencia

    La fábrica de apps es trabajo propio, construido en público fuera del empleo: muestra cómo se aprueba y se gobierna lo que se construye, no una implementación en una organización cliente.

  • Evidencia

    El centro de excelencia y la decisión de construir, comprar o componer aparecen aquí como estado del campo y criterio: la evidencia de la Fundación CTIC es la cartera con criterios comunes y el marco de gobierno que se busca establecer.

  • Evidencia

    El ERP de Inglopres y el WMS de Cafam son antecedentes de implementación de tecnología, no de IA: lo que enseñan es que una tecnología nueva entra por el proceso.

  • Criterio

    Lo que conviene hacer distinto hoy: fijar la línea base y la métrica que detiene un piloto antes de la primera prueba de valor, no después.

  • Criterio

    Un programa de IA se juzga por las decisiones que cambia, no por los pilotos que abre.

Bloque 10

Fuentes y fecha de revisión

  1. [1]
    AI adoption

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/strategy

  2. [2]
    Plan for AI adoption

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/plan

  3. [3]
    Establish an AI Center of Excellence

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/center-of-excellence

  4. [4]
    Business plan for AI agents

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/business-strategy-plan

  5. [5]
    Choose your CoE structure and operating model

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/agents/center-of-excellence/operating-models

  6. [6]
    Employee AI enablement pattern

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/agents/adoption-patterns/pattern-employee-ai-enablement

  7. [7]
    Agentic AI maturity model - Business strategy

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/agents/adoption-maturity-model/maturity-model-business-process

  8. [8]
    Microsoft Fabric adoption roadmap

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/power-bi/guidance/fabric-adoption-roadmap

  9. [9]
    Microsoft Fabric adoption roadmap: Center of Excellence

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/power-bi/guidance/fabric-adoption-roadmap-center-of-excellence

  10. [10]
    Build an AI Strategy for your SaaS Business

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/well-architected/saas/ai-strategy

  11. [11]
    ISO/IEC 42001:2023 Artificial Intelligence Management System Standards

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/compliance/regulatory/offering-iso-42001

  12. [12]
    Responsible AI Policies

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/responsible-ai-policies