IMIA — el instrumento para medir la madurez sociotécnica
Este capítulo define el IMIA (Índice de Madurez de IA): el instrumento concreto con el que el paradigma mide la madurez sociotécnica de una organización antes de tocar la tecnología. Si pymes y sector público dicen a quién sirve el puente, este capítulo dice con qué regla se decide dónde la IA paga y dónde solo destruye valor. El instrumento surge del observatorio Mendoza FuturIA.
Por qué existe (el problema que ataca)
La mayoría de los diagnósticos de “madurez en IA” son checklists de marketing: devuelven un número único, optimista y no accionable, y tratan la gobernanza como un anexo opcional. En la práctica pasa lo contrario: la gobernanza es la variable que decide si una organización pasa de pilotos aislados a valor en producción. Hacía falta un instrumento que (a) midiera la configuración organizacional real, no la intención declarada, y (b) hiciera de la gobernanza un requisito estructural, no un adorno.
IMIA es la operacionalización de dos ideas del método:
- Medir la madurez primero es la regla número uno → Los cuatro eslabones.
- La gobernanza es el foso: lo que separa al puente de un consultor de policy es que acá la gobernanza está operacionalizada como una restricción dura, medible y auditable.
Fundamento teórico: la preparación para la IA es multidimensional —tener tecnología no alcanza; hacen falta las condiciones organizacionales para absorberla—, un hallazgo que el método toma de la investigación de AI readiness.1 Las dimensiones concretas con que IMIA la mide se definen abajo. → Autores y corrientes.
La arquitectura del modelo: 7 dimensiones × 6 niveles
Una organización se evalúa en 7 dimensiones, cada una en una escala 0–100, y de ahí se deriva un nivel global 0–5.
Las 7 dimensiones
| # | Dimensión | Qué mide | Disciplina del método |
|---|---|---|---|
| D1 | Liderazgo | Estrategia explícita, patrocinio, asignación de recursos, tolerancia al aprendizaje | Sociología (poder/incentivos) |
| D2 | Datos | Existencia, calidad, accesibilidad y significado contextual del dato | Ingeniería de datos |
| D3 | Cultura | Apertura al cambio, alfabetización, relación con el error y la evidencia | Sociología |
| D4 | Capacidades | Talento, habilidades técnicas y de gestión, capacidad de absorción | Ing. de software / datos |
| D5 | Procesos | Procesos reales mapeados, estandarizados y susceptibles de mejora | Sociología / ing. de software |
| D6 | Gobernanza | Políticas de uso de IA, gestión de riesgos (privacidad, seguridad, sesgo, cumplimiento), reglas claras y auditables | Arquitectura y gobernanza de IA |
| D7 | Potencial de automatización | Volumen de tareas repetibles y reglas claras automatizables (oportunidad latente) | Arquitectura y gobernanza de IA |
D1–D6 miden configuración (lo que la organización es). D7 mide oportunidad (lo que podría ganar): por eso informa pero no penaliza el nivel — una organización inmadura puede tener altísimo potencial, y eso es una señal de prioridad, no un defecto. Pero D7 distingue dos clases de oportunidad, porque exigen madurez distinta: automatizar una tarea con reglas fijas —un reporte, una carga— pide poca gobernanza; sumar agentes que deciden y ejecutan solos sube la vara de D6, porque el criterio humano ya no filtra cada caso sino que se traslada al diseño y la auditoría de las reglas del agente. Un potencial alto de componente agéntico sobre una gobernanza baja no es oportunidad: es riesgo.
Los 6 niveles (0 → 5)
El nombre de cada nivel está alineado al arco del silo a la arquitectura del método —y es, en rigor, la escalera de adopción vuelta medición: los niveles 0–2 son el silo, el 3 el primer valor real pero aislado, los 4–5 la arquitectura gobernada—:
| Nivel | Nombre | Estado de la organización |
|---|---|---|
| 0 | Negación | No se reconoce la relevancia de la IA; gestión en planillas y silos, decisiones sin evidencia. |
| 1 | Exploración | Uso individual, informal y disperso (shadow AI), sin estrategia ni datos detrás. |
| 2 | Experimentación | Pilotos y pruebas de concepto aislados; entusiasmo sin valor sostenido en producción. |
| 3 | Adopción funcional | Casos reales en producción que entregan valor, pero aislados por área y sin gobierno transversal. |
| 4 | Integración gobernada | IA integrada en procesos clave con gobernanza verificable; el riesgo se gestiona, no se ignora. |
| 5 | Organización aumentada | La IA es capacidad sistémica; el bucle humano-IA es parte del modo de operar y de decidir. |
La decisión de arquitectura clave: la gobernanza como gate, no como promedio
El nivel global no es un promedio de las dimensiones. El scoring implementa reglas de tope (gates) que impiden inflar el nivel con buenas notas en lo fácil:
| Gate | Regla | Por qué |
|---|---|---|
| Producción | No se asigna Nivel ≥ 3 sin casos reales en producción | Sin valor real no hay “adopción funcional”; corta el humo de los pilotos eternos. Es el abismo de Moore vuelto regla: el piloto que entusiasma a los primeros muere al cruzar hacia la mayoría, y el salto del nivel 2 al 3 es ese cruce. |
| Gobernanza | No se asigna Nivel ≥ 4 si D6 (Gobernanza) < 40/100 | Sin reglas verificables no hay integración sostenible. Es el foso. |
| Datos | Nivel ≥ 4 requiere D2 (Datos) ≥ 50/100 | Sin materia prima utilizable, la integración no escala: se automatiza el dato que miente. |
El gate de gobernanza es la pieza central. Una organización con liderazgo, datos y cultura excelentes pero sin políticas de uso de IA, sin gestión de riesgos y sin reglas claras queda topada en Nivel 3. La gobernanza deja de ser discurso y se vuelve restricción dura del modelo.
El doble mecanismo (la elegancia del modelo). La gobernanza actúa dos veces: pesa en el índice (D6 es ponderada) y funciona como gate (topa el nivel). Pesar sola la haría negociable —se compensa con buenas notas en otra dimensión—; gobernar sola la volvería binaria. Las dos juntas dicen: la gobernanza suma cuando está, y bloquea cuando falta.
Cómo se calcula (scoring v1.0)
-
Cada dimensión = promedio de sus ítems (escala 0–4 por ítem) reescalado a 0–100.
-
Índice global = suma ponderada de D1–D6. Pesos v1.0 (fundamentados, provisorios):
D2 Datos D1 Liderazgo D6 Gobernanza D4 Capacidades D5 Procesos D3 Cultura 22% 20% 18% 14% 14% 12% Datos y Liderazgo pesan más por ser los predictores teóricos más fuertes de adopción exitosa; Gobernanza pesa alto porque es el foso. D7 (Potencial) informa, no entra en el índice.
-
Conversión a nivel 0–5 aplicando los gates sobre el índice global.
-
Potencial de salto = D2·0,5 + D1·0,3 + D4·0,2 → detecta organizaciones inmaduras pero con base aprovechable: “alto retorno potencial”, el caso donde el puente paga más rápido.
-
Los pesos y cortes v1.0 son provisorios por diseño: se recalibran empíricamente (fiabilidad por dimensión, análisis factorial, regresión sobre “casos en producción”) y se versiona scoring v2.0. Disciplina de versionado, no opinión fija.
El output: un perfil que prioriza (ejemplo ilustrativo, datos sintéticos)
Datos ficticios, solo para mostrar el formato de salida. No corresponde a ninguna organización real: se publica el método, no datos de campo.
Perfil de madurez — Org. ejemplo (sintética)
Liderazgo ███████░░░ 72
Datos █████░░░░░ 48
Cultura ██████░░░░ 60
Capacidades ████░░░░░░ 40
Procesos █████░░░░░ 52
Gobernanza ███░░░░░░░ 32 ← cuello de botella
Potencial autom. ████████░░ 80 (oportunidad latente alta)
IMIA global: 51/100 → Nivel 3 (Adopción funcional)
Tope aplicado: gate de gobernanza impide Nivel 4 (Gobernanza 32 < 40)
Diagnóstico: alto potencial de salto, frenado por gobernanza y datos.
Recomendación: antes de escalar IA, establecer políticas de uso y gestión
de riesgos (D6) y mejorar accesibilidad/calidad de datos (D2).
La lectura accionable no es “están en Nivel 3”, sino “su cuello de botella es Gobernanza y Datos, no Liderazgo; su techo de valor es alto”. Eso es exactamente lo que una hoja de ruta de adopción gobernada necesita para priorizar: no un número, sino qué destrabar primero.
Cómo se ata a la tesis del puente
IMIA no es un instrumento neutro: es la tesis del puente vuelta medición.
- Es el entregable del eslabón 1 (sociólogo): el diagnóstico sociotécnico hecho instrumento. Mide configuración organizacional real, no intención.
- Encarna del silo a la arquitectura: los niveles 0–2 describen el silo; el 3 el primer valor aislado; los 4–5 la arquitectura. El modelo dice en qué escalón está y cuál es el siguiente.
- Hace de la gobernanza el foso, lo que la vuelve apuesta de posicionamiento y no mero discurso.
Fundamentación empírica (por qué este modelo y no otro)
- Por qué medir la brecha es el problema real. En América Latina la penetración de IA es inferior al 4% (frente a más del 20% en Europa); en Brasil 41% de las grandes firmas usan IA frente a 11% de las pymes.2 La distancia grande↔pyme es tan grande como la inter-región: medir madurez es la herramienta para cerrarla, no para certificar a los que ya llegaron.
- Por qué el cuello de botella es organizacional, no tecnológico. La encuesta nacional de adopción de IA en pymes de nadIA: 41,6% ya usa alguna IA, pero concentrada en herramientas básicas (generación de texto/código 77,9%; ML/datos solo 24,1%) y con indicadores de gobernanza y capacidades internas muy bajos.3 Confirma empíricamente que lo que falta no es la tecnología, sino las condiciones organizacionales —exactamente lo que IMIA mide.
- Por qué 7 dimensiones y no un score único. La preparación para la IA es multidimensional: la investigación de AI readiness identifica 18 factores en 5 categorías —alineación estratégica, recursos, conocimiento, cultura y datos—, que el modelo IMIA adapta y amplía con Procesos y Gobernanza como dimensiones explícitas.1 Andamiaje académico, no modelo inventado.
- Por qué el gate de gobernanza. La dimensión D6 se mapea a marcos reconocidos: la función Govern del NIST AI RMF 1.0 (transversal por diseño)4 y el EU AI Act (Reglamento UE 2024/1689, vinculante).5 La gobernanza primero no es opinión: es la arquitectura de los estándares globales.
- Por qué el gate de producción y el peso de Capacidades/Cultura. La IA sin juicio humano que la filtre amplía desigualdades —el experimento de Kenia mostró que ayudó a los de alto rendimiento (alrededor de +15%) y perjudicó a los de bajo rendimiento (alrededor de −8%)—:6 el entusiasmo sin capacidad destruye valor.
El origen: Mendoza. El modelo nace del observatorio Mendoza FuturIA, en una provincia con estructura productiva real y heterogénea —vitivinicultura (más del 75% del país), agroindustria, energía— y un ecosistema de IA en formación (Polo TIC Mendoza; Micromaestría en IA y programa “IA para la gobernanza” de la UNCuyo con la Provincia). No existe una medición de madurez de IA del tejido pyme mendocino: ese vacío —tratado como hipótesis, no como dato— es la razón de ser del observatorio y de IMIA.
Honestidad (guardarraíl)
Lo que se publica de IMIA es el modelo, el scoring y la metodología —artefactos de diseño propios y defendibles. Ningún dato de organización de campo aparece: el perfil de ejemplo es ilustrativo y sintético, y está rotulado como tal. Donde un peso es decisión de diseño y no dato duro, se dice. La marca es rigor, no hype.
Ver también: Conceptos propios · El puente aplicado a las pymes · El puente aplicado al sector público · Autores y corrientes · Bibliografía
Footnotes
-
Jöhnk, J., Weißert, M. & Wyrtki, K. (2021). “Ready or Not, AI Comes.” Business & Information Systems Engineering 63(1), 5–20. 18 factores de AI readiness en 5 categorías —alineación estratégica, recursos, conocimiento, cultura y datos—. ↩ ↩2
-
CEPAL (2024). Penetración de IA en América Latina inferior al 4% frente a más del 20% en Europa; en Brasil, 41% de las grandes firmas usan IA frente al 11% de las pymes (cf. Jung, J. & Katz, R., 2024/2025, “Impacto económico de la inteligencia artificial en América Latina”, CEPAL). ↩
-
nodo nadIA (CEPE-UTDT + Fundar) (2025). Encuesta nacional de adopción de IA en pymes argentinas (n=402): 41,6% usa al menos una IA, mayormente herramientas básicas (generación de texto/código 77,9%; ML/datos 24,1%), con indicadores de gobernanza y capacidades internas muy bajos. ↩
-
NIST (2023). AI Risk Management Framework (AI RMF 1.0). Cuatro funciones —Govern, Map, Measure, Manage—, con Govern transversal por diseño. ↩
-
Reglamento (UE) 2024/1689 (EU AI Act). En vigor desde el 1 de agosto de 2024, con aplicación escalonada; vinculante, con sanciones. ↩
-
Otis, N., Clarke, R., Delecourt, S., Holtz, D. & Koning, R. (2024). The Uneven Impact of Generative AI on Entrepreneurial Performance. Working paper, Harvard Business School / UC Berkeley Haas (SSRN 4671369). 640 emprendedores en Kenia: alto rendimiento alrededor de +15%, bajo rendimiento alrededor de −8%. ↩