CMMI AIM (Artificial Intelligence Maturity) es el marco del CMMI Institute para la gestión del uso de la inteligencia artificial en las organizaciones. Publicado en abril de 2026, este modelo amplía CMMI para abarcar los riesgos, las prácticas y los ámbitos específicos de las operaciones de IA. No se trata de un modelo independiente, sino de una extensión de referencia que funciona conjuntamente con las evaluaciones CMMI existentes, sin invalidar el historial de madurez de la organización.
Consideremos un escenario habitual en las empresas tecnológicas: un sistema de IA responde a los clientes en producción y, ante el primer incidente significativo, la organización descubre que no puede determinar qué datos alimentaron el modelo, quién es responsable de las decisiones tomadas ni cómo verificar el funcionamiento de los controles. Sin un modelo de madurez, estas respuestas se basan en la percepción, no en la evidencia. CMMI AIM se diseñó para transformar estas respuestas en procesos verificables, basados en CMMI, un modelo consolidado durante más de dos décadas de uso en organizaciones tecnológicas de todo el mundo. Quienes ya utilizan CMMI no parten de cero: AIM añade una capa específica de evaluación de IA a los procesos que la organización ya domina. Consulte la guía completa sobre CMMI.
Este artículo describe qué es CMMI AIM, sus 8 dominios, los 3 casos de uso de IA, la formación y las certificaciones disponibles, y cómo comenzar la implementación.
CMMI AIM es un modelo de madurez desarrollado por el CMMI Institute para guiar a las organizaciones en el uso responsable, seguro y eficiente de la inteligencia artificial. Publicado en abril de 2026 y presentado oficialmente en la Conferencia Capability Creates en junio de 2026, fue desarrollado por el CMMI AI Working Group, un grupo de más de 25 expertos de la industria con IBM Consulting como patrocinador fundador. El contenido fue sometido a una exhaustiva revisión por parte de expertos y la comunidad, con la participación de aproximadamente 100 empresas.
El modelo es compatible con los principales estándares internacionales de gobernanza de IA: ISO 42001 (Sistema de Gestión de Inteligencia Artificial), ISO 23894 (Gestión de Riesgos de IA), ISO 31000 (Gestión de Riesgos) e ISO 23053 (Marco para Sistemas Basados en Aprendizaje Automático). Esta compatibilidad facilita la integración de CMMI AIM en organizaciones que ya se encuentran en proceso de certificación según estos estándares o que desean desarrollar la gobernanza de IA sobre una base ya establecida.
El enfoque de CMMI AIM no se limita a las empresas que desarrollan IA internamente. El modelo se aplica tanto a las organizaciones que crean soluciones de IA como a aquellas que adquieren, integran o utilizan IA en sus sistemas y servicios. Esto abarca desde empresas de software que desarrollan y entrenan sus propios modelos hasta organizaciones de otros sectores que contratan soluciones de IA como servicio.
Según el CMMI Institute, CMMI AIM ofrece un enfoque fiable, estructurado y reconocido a nivel mundial para desarrollar y evaluar la capacidad y la madurez de la IA. Al incorporar consideraciones de IA en las áreas de práctica y los dominios de CMMI, el modelo permite la gestión de riesgos, la mejora del rendimiento, el cumplimiento de las obligaciones regulatorias y éticas, y el fortalecimiento de la confianza de clientes y partes interesadas.
CMMI AIM no reemplaza a CMMI, actualmente en su versión V3.0. Esta es la distinción más importante para quienes ya trabajan con el modelo. AIM funciona como una perspectiva de referencia adicional, aplicada al marco CMMI existente para abarcar prácticas específicas relacionadas con el uso de la inteligencia artificial.
Las 31 áreas de práctica de CMMI ahora incluyen contenido relacionado con la IA, y aproximadamente el 50 % de las prácticas han recibido información contextual específica sobre IA. Las evaluaciones CMMI ya realizadas por una organización no se ven afectadas: el historial de madurez sigue siendo válido y la evaluación CMMI AIM es complementaria, no un reemplazo.
La diferencia práctica entre ambos modelos se puede entender de la siguiente manera: CMMI evalúa la madurez de los procesos de desarrollo de software o de gestión de servicios, mientras que CMMI AIM evalúa específicamente cómo la organización gestiona sus sistemas de IA, desde la recopilación de datos hasta su uso en producción, incluyendo la seguridad, la privacidad y la gestión de datos y proveedores.
| Aspecto | CMMI V3.0 | CMMI AIM |
|---|---|---|
| Enfoque principal | Madurez del proceso de software | Gobernanza de la inteligencia artificial |
| Escopo de cobertura | Desarrollo, ingeniería, gestión | Datos, seguridad, agentes, proveedores de IA |
| Relación entre los modelos | Modelo básico | Extensión complementaria |
| Evaluaciones existentes | Referencia para nuevas evaluaciones | No afecta a las evaluaciones CMMI anteriores. |
| Capacitaciones y certificaciones. | Profesional, Evaluador principal | Cursos BAIM y AAIM; certificaciones de Practitioner y Lead Appraiser en IA. |
Para las organizaciones que ya cuentan con una evaluación CMMI, incluir CMMI AIM en el alcance de una futura evaluación es la opción más sencilla. Para las organizaciones que se inician en CMMI, conviene evaluar si sus objetivos de negocio implican de forma significativa la IA, lo que determinaría la necesidad de incluir AIM desde el inicio del programa.
CMMI AIM introduce su propia perspectiva de evaluación, el AIM View, que integra 8 dominios. En conjunto, garantizan que las iniciativas de IA aborden no solo el desarrollo técnico, sino también aspectos clave como la preparación de la fuerza laboral, la gobernanza de datos, la seguridad, el cumplimiento normativo y la ética.
Abarca la creación de una sólida infraestructura de gestión y gobernanza de datos, desde el linaje hasta la calidad de los datos, para respaldar resultados de IA fiables. En la práctica, cuando un modelo comienza a cometer errores en producción, el análisis de la causa raíz comienza con los datos que lo alimentaron: sin trazabilidad del linaje, este análisis no tiene por dónde empezar.
El dominio principal del modelo se centra en garantizar el diseño, el desarrollo y el uso de soluciones de IA de alta calidad, alineadas con las necesidades y expectativas del cliente. Esto incluye tanto la creación de soluciones de IA para clientes como el aprovechamiento de soluciones potenciadas por IA. La lógica es la misma que CMMI ha aplicado al software durante décadas: la calidad se define en función de las necesidades del cliente, no de la sofisticación técnica de la solución.
Abarca el ciclo de vida de la gestión del talento, desde el desarrollo hasta la retención, preparando a la fuerza laboral para la adopción de la IA en consonancia con los objetivos de negocio de la organización, en el contexto de la democratización de la IA. Desde una perspectiva de gobernanza, aborda el factor que más limita la adopción de la IA a gran escala: la falta de personal capacitado para utilizar la tecnología y alcanzar los objetivos de la organización.
Centrado en garantizar la seguridad de las soluciones y de la sociedad en las intervenciones de IA, mitigando la gravedad y la probabilidad de daños relacionados con la tecnología. Es especialmente relevante para las organizaciones que utilizan IA en procesos críticos, como la sanidad, la seguridad pública o las infraestructuras: en estos contextos, el coste de un fallo no se mide en retrabajo, y eso es lo que diferencia Safety de las pruebas de calidad convencionales.
Centrado en el desarrollo y la habilitación del uso seguro de plataformas y herramientas de IA, fortaleciendo la confianza de las partes interesadas. Las organizaciones certificadas en seguridad de la información encuentran en este ámbito una extensión natural de sus requisitos de IA. La diferencia con las amenazas convencionales radica en el modo de fallo: los datos de entrenamiento manipulados no generan errores del sistema, sino decisiones incorrectas que parecen normales.
El ámbito principal se centra en ofrecer una calidad de servicio superior en los modelos de negocio de IA como servicio (AIaaS) e integrar la IA en los ecosistemas de prestación de servicios, tanto existentes como nuevos. La perspectiva evaluada es la del cliente final: la precisión media del modelo es menos importante que ofrecer la respuesta correcta en el momento preciso en que el cliente la necesita.
Centrado en la creación de un ecosistema eficaz y eficiente de alianzas de IA, capaz de ofrecer valor constante a los usuarios finales. Este es uno de los ámbitos más relevantes para las organizaciones que no desarrollan IA internamente, sino que dependen de soluciones externas para operar procesos críticos. Un escenario común ilustra el riesgo: el proveedor actualiza el modelo sin previo aviso, el comportamiento del sistema cambia en consecuencia y la organización necesita detectar este cambio antes que el cliente.
Centrado en facilitar la colaboración virtual eficaz mediante una infraestructura sólida, para lograr resultados coherentes en el desarrollo y uso de soluciones de IA. Este ámbito reconoce una realidad del trabajo con IA: gran parte de él se desarrolla en equipos distribuidos y, sin una infraestructura colaborativa, la gobernanza no puede mantenerse en la práctica.
La distribución en ocho dominios refleja la amplitud del alcance de la gobernanza de la IA: no se trata solo de desarrollar modelos, sino de gobernar toda la cadena que respalda el uso de la IA en una organización, desde el origen de los datos hasta el funcionamiento de los sistemas en producción.
El CMMI AIM clasifica el uso de la IA en tres escenarios, que difieren en el grado de autonomía de los sistemas con respecto a las decisiones humanas. Estos escenarios ayudan a la organización a determinar cómo se aplica el modelo a cada sistema de IA en funcionamiento.
El sistema de IA proporciona recomendaciones, análisis o automatizaciones, pero el ser humano conserva el control y la responsabilidad de las decisiones. Un ejemplo típico: herramientas de análisis de código con sugerencias de IA que el desarrollador acepta o rechaza. Las organizaciones que comienzan a adoptar la IA suelen operar en este escenario y consolidar los controles básicos antes de pasar a los siguientes.
El sistema de IA realiza tareas de forma autónoma, con supervisión humana. Ejemplo: sistemas de análisis de riesgos que generan alertas y toman medidas preventivas automáticas dentro de los parámetros definidos por la organización.
El sistema opera de forma independiente, tomando decisiones y ejecutando acciones sin intervención humana continua. Requiere los controles de gobernanza, la trazabilidad y el análisis de riesgos más rigurosos. Ejemplo: agentes de soporte técnico autónomos o sistemas de respuesta a incidentes que actúan sin aprobación previa.
Las organizaciones que se encuentran en las primeras etapas de la adopción de la IA suelen operar en el primer escenario y evolucionan a medida que aumenta la madurez de sus procesos. Mapear el escenario actual de cada sistema de IA forma parte del diagnóstico inicial de implementación de CMMI AIM.
El CMMI Institute publica periódicamente datos de desempeño de las organizaciones que evalúa. El informe más reciente consolida los resultados de más de 24 000 evaluaciones realizadas entre 2020 y 2025, que abarcan organizaciones de diversos países y sectores.
Las cifras documentadas en el informe muestran resultados concretos para las organizaciones que implementan rigurosamente el modelo:
Estos resultados contextualizan CMMI AIM: el modelo de madurez CMMI cuenta con un historial documentado de mejora del rendimiento. AIM extiende esta lógica al ámbito de la IA, aplicando el mismo marco de prácticas verificables y evaluaciones con criterios objetivos que han caracterizado a CMMI desde sus inicios. Las organizaciones que ya cuentan con una evaluación CMMI parten de una base de procesos probada para incorporar prácticas de IA.
Fuente: Informe técnico de CMMI: Resultados de rendimiento 2020-2025, CMMI Institute, mayo de 2026.
CMMI AIM incluye itinerarios estructurados de formación y certificación, alineados con los itinerarios CMMI existentes. Los dos cursos principales son BAIM y AAIM, que conducen a las certificaciones de Practitioner y Lead Appraiser en el contexto de la IA.
Este es un curso híbrido que combina el aprendizaje en línea previo con la formación impartida por un instructor. El contenido abarca conceptos de IA, calidad de datos, IA responsable y ética, regulaciones y gestión de iniciativas de IA.
Curso avanzado dirigido a Lead Appraisers certificados por CMMI. Abarca el alcance y la planificación de las evaluaciones de IA, el análisis del rendimiento y la sostenibilidad de la mejora impulsada por la IA.
Quienes ya poseen certificaciones CMMI no se ven afectados de inmediato: la extensión a CMMI AIM es una opción, no un requisito. Para las organizaciones que planean una evaluación formal, es importante saber que evaluar la madurez de la IA implica consideraciones específicas de planificación y alcance, las cuales se abordan precisamente en estos programas de capacitación especializados.
La implementación de CMMI AIM sigue la misma lógica que CMMI: comienza con el diagnóstico, continúa con el mapeo del estado actual y evoluciona hacia la evaluación formal. No se trata de un proyecto con fecha de finalización, sino de una revisión continua de procesos en busca de optimización, aplicada al ámbito de la IA. Las decisiones tomadas durante el proceso se basan en datos de diagnóstico, no en la intuición.
El primer paso consiste en analizar cómo la organización utiliza la IA actualmente. Esto incluye identificar qué sistemas de IA están en funcionamiento, quién los opera, qué datos utilizan y el grado de autonomía de cada sistema. El diagnóstico genera una visión del estado actual y señala las deficiencias con respecto a las prácticas de los 8 dominios de CMMI AIM.
Según el diagnóstico, la organización identifica en cuál de los tres escenarios se clasifica cada sistema de IA: human-augmented, autonomous augmentation o fully autonomous. Esto define el nivel de controles necesarios y prioriza las áreas de práctica que se deben desarrollar primero. Un sistema de apoyo a la toma de decisiones de bajo riesgo requiere un conjunto de controles diferente al de un agente autónomo que opera en producción.
La organización implementa las prácticas de los dominios priorizados, integrándolas con los procesos CMMI existentes cuando corresponda. El trabajo es iterativo: comienza con las brechas más críticas y avanza a través de cada dominio. Los niveles de madurez CMMI ya alcanzados sirven de base para acelerar el desarrollo de las prácticas de IA, especialmente en los dominios Development y Security.
La evaluación formal completa el ciclo. La lleva a cabo un Lead Appraiser acreditado por el CMMI Institute y da como resultado un informe de madurez que documenta el desempeño en los 8 dominios, sirviendo como punto de referencia para los ciclos de mejora posteriores.
Promove trabaja en la fase de implementación: diagnóstico de adherencia, estructuración de prácticas en los 8 dominios y preparación de la organización para llegar a la evaluación formal en las condiciones adecuadas. Este trabajo está liderado por Mariano Montoni, el único brasileño certificado como High Maturity Lead Appraiser por el CMMI Institute. Ha realizado más de 150 evaluaciones CMMI, lo que significa que sabe exactamente qué debe demostrar una organización cuando llega el evaluador.
La diferencia entre adoptar la IA y gestionarla se hace evidente en el primer incidente. Si su organización desea estar preparada, con respuestas basadas en evidencia, Promove lidera la implementación completa de procesos que cumplen con CMMI AIM. ¡ Contáctenos para hablar con uno de nuestros especialistas!
El 11 de marzo de 2026, Vasilios Syrakis recibió el correo electrónico que muchos ingenieros sénior han recibido: ocho años en Atlassian, infraestructura...
¡Sé el primero en comentar!