# Velocidad de la IA, con una persona que aprueba cada etapa > AI-Accelerated es la forma en que Tog Lab desarrolla software con IA: los agentes de IA hacen el trabajo pesado en siete etapas, y una persona aprueba cada una antes de que empiece la siguiente. URL: https://www.toglab.co/es/ai-accelerated.html [Português do Brasil](https://www.toglab.co/pt-br/ai-accelerated.html.md) · [Português de Portugal](https://www.toglab.co/pt-pt/ai-accelerated.html.md) · [English](https://www.toglab.co/en/ai-accelerated.html.md) · [Italiano](https://www.toglab.co/it/ai-accelerated.html.md) [Cuéntanos tu proyecto](https://www.toglab.co/es/contato.html) Ver cómo funciona Más rápido que el ciclo tradicional, con el registro de quién aprobó cada decisión. ## Cómo funciona, del pedido a producción El mismo ciclo se repite en cada una de las siete etapas. La IA hace el trabajo pesado y una persona decide si la etapa está lista. Siete puntos de aprobación, uno al final de cada etapa. En cada uno, una persona con nombre y rol definidos lee el documento de la etapa y decide si el trabajo avanza. La IA no publica nada por su cuenta. Ver qué pasa en cada etapa ## Las siete etapas Siempre en el mismo orden. Elige una etapa para ver qué hace la IA, quién aprueba y el documento que queda registrado. En cada etapa, el sello muestra quién aprueba antes de que empiece la siguiente. La IA hace Punto de aprobación Queda registrado Ejemplo de proyecto ## El AI-Accelerated por dentro Las piezas técnicas que hacen que la IA trabaje dentro de los estándares de tu empresa. Elige una pieza para ver qué hace. El nombre técnico aparece al lado, para quien quiera profundizar. ## Hasta dónde llega la IA hoy Cuatro niveles de autonomía. El AI-Accelerated trabaja hasta el tercero, siempre con un plan aprobado y la revisión de una persona. La IA solo edita archivos fuera del plan aprobado o en áreas sensibles, como pagos, autenticación y datos personales, con la aprobación explícita del tech leader de Tog Lab. El agente autónomo es investigación de Tog Lab y hoy no forma parte de ninguna propuesta comercial. ### Inventario del AI-Accelerated En una propuesta solo entra lo que ya se validó en proyectos de clientes. El resto lo usamos en nuestros propios proyectos o todavía lo estamos estudiando. Inventario de octubre de 2026. ## El ciclo tradicional se acorta con IA Un caso medido por Tog Lab Comparamos las mismas entregas de un producto SaaS en dos modelos: la planificación en el ciclo tradicional y la ejecución con el AI-Accelerated. El dominio estaba bien definido. En sistemas legados, la ganancia suele ser menor. 163 díasmenos de 5 días de trabajo en las tres entregas medidas en días: plan de la funcionalidad, autenticación y pagos. Menos horas de trabajo para la misma entrega significan menos costo de proyecto. En cada proyecto, medimos el punto de partida y la ganancia real antes de prometer cualquier número. Cada fila compara los dos ciclos de la misma entrega. Barras en escala aproximada de horas de trabajo. ## Gobernanza Cada decisión tiene un responsable y un registro, y el AI-Accelerated no depende de un único modelo de IA. Referencias usadas en el diseño de la gobernanza: NIST AI RMF, OWASP Top 10 para aplicaciones con LLM e ISO/IEC 42001. Orientan el diseño y no indican una certificación de Tog Lab. [Lee: El vehículo sin conductor y el desarrollo de software con IA](https://www.toglab.co/es/insights-carro-sem-motorista.html) ## Dónde funciona el AI-Accelerated El método es el mismo. Cambia quién lo conduce y dónde funciona. ## Mira el desarrollo con IA en un flujo de tu negocio Una persona de negocio y una de tecnología del equipo conversan contigo. Respondemos en 1 día hábil. [Cuéntanos tu proyecto](https://www.toglab.co/es/contato.html) [hello@toglab.co](mailto:hello@toglab.co) ## Más contenido de esta página - En los proyectos de Tog Lab — Las siete etapas con aprobación humana — Harness con contexto, reglas y registro — Prototipado de pantallas acelerado por IA — Formación del equipo en el AI-Accelerated - En investigación — Agente que actúa como PO o PM — Desarrollo mobile con IA — Reescritura de sistemas legados — Flujo autónomo, sin una persona de por medio - Contexto — El discovery consolidado en una fuente única de reglas de negocio, riesgos y decisiones. — Organiza entrevistas y documentos y propone las reglas del negocio. — El responsable de negocio de tu lado valida las reglas y los objetivos. — El Domain Context versionado en tu repositorio. — versión 1.1 — El documento con los objetivos, las reglas del negocio y los riesgos. Todas las etapas siguientes parten de él. - Requisitos — Requisitos, historias, prioridades y riesgos. — Redacta requisitos, historias y riesgos a partir del contexto. — El responsable de negocio decide qué entra y qué queda fuera. — El PRD con prioridades y la fecha de aprobación. — versión 1 — La lista de lo que el sistema tiene que hacer, en orden de prioridad, con historias de quienes lo van a usar. - Arquitectura — Arquitectura e infraestructura con las elecciones explicadas. — Propone alternativas de arquitectura con costo, pros y contras. — El tech leader de Tog Lab elige y registra el motivo. — El documento de arquitectura y cada decisión registrada (ADR). — Una decisión técnica registrada: qué se eligió, las alternativas evaluadas y el motivo. - Especificación — Flujos, errores y criterios de aceptación de cada funcionalidad. — Detalla flujos, mensajes de error y criterios de aceptación. — El tech leader revisa y aprueba la especificación. — La especificación de cada funcionalidad, con los criterios de aceptación. — versión 1 — El detalle de una funcionalidad: cómo funciona, qué pasa en caso de error y cuándo está lista. - Prototipo — Pantallas generadas a partir de la especificación y validadas con quienes las van a usar. — Genera pantallas clicables a partir de la especificación. — Diseño y el responsable de negocio validan con quienes lo van a usar. — Cada versión del prototipo y qué cambió en ella. — versión 3 — El registro de la prueba del prototipo con quienes lo van a usar: qué cambió de una versión a otra. - Infraestructura — Configuración y publicación descritas paso a paso. — Prepara el paso a paso y la configuración de publicación. — El tech leader publica y confirma que el sistema funciona bien. — El paso a paso y el registro de cada publicación. — versión 1 — El paso a paso de publicación, para que el deploy se repita siempre de la misma forma. - Modelo de IA y clave — agnóstico de modelo — El AI-Accelerated llama al modelo de IA que elija tu empresa, con el proveedor y en la región que tengan sentido, con la clave y la factura a nombre de tu empresa. Cambiar de modelo es una configuración y no requiere un proyecto nuevo. — Fragmento de la configuración que define qué modelo de IA se usa y a nombre de quién. — proveedor: el que elija tu empresa — region: la de tu empresa — clave: cuenta del cliente — id: el modelo que elija tu empresa — cambio de modelo: solo cambia este bloque - Harness — La estructura que rodea a los agentes: contexto del negocio, reglas de la empresa, herramientas que cada agente puede usar, verificaciones y registro. El nombre viene del arnés del caballo: el modelo tiene la fuerza, y el harness dirige esa fuerza hacia un trabajo útil, dentro de límites. Es lo que hace que la IA trabaje dentro de los estándares de la empresa, en lugar de responder sin marco. — La configuración del harness: el contexto, los agentes, las reglas y quién revisa. - Contexto del negocio — Domain Context, context engineering — Todo proyecto empieza con un Domain Context: reglas, riesgos y decisiones en una fuente única. Cada etapa recibe solo el contexto que necesita, y los documentos de una etapa (PRD, arquitectura, especificaciones) alimentan la siguiente. — Una regla de negocio del Domain Context, que reciben todos los agentes. — El dato es del productor. La cooperativa — solo ve lo que él autorice. — Señal débil en el campo. — aprobado por: producto, cliente - Agentes especializados — agentes y subagentes — Un agente por tipo de trabajo: requisitos, arquitectura, código, pruebas y documentación. Cada uno tiene instrucciones, herramientas y permisos propios, y un agente revisor verifica el trabajo de los demás antes que la persona. — Qué puede usar cada agente y dónde puede escribir. - Guardrails — guardrails y permisos — Reglas que bloquean, antes de ejecutar, lo que no puede ocurrir: operaciones destructivas, dependencias sin licencia, acceso a datos fuera del perfil y cambios en áreas sensibles sin aprobación explícita. — El registro de lo que las reglas bloquearon antes de ejecutar. — guardrail no-destructive-ops — bloqueado DROP TABLE en producción — guardrail licencias — bloqueado paquete sin licencia — datos solo esquema, sin filas - Verificaciones automáticas — hooks, TDD, evals — Los hooks se ejecutan en cada paso de los agentes: pruebas escritas antes del código (TDD), evals que miden la calidad de las respuestas, regresión y estándares de seguridad antes de cualquier merge. — El resultado de las verificaciones que se ejecutan antes de cada entrega. — hook pre-commit ok — pruebas 42 passed — evals sin regresión — seguridad OWASP LLM ok — revision esperando a la persona - Punto de aprobación humana — human in the loop — Al final de cada etapa, la persona designada lee el artefacto y lo aprueba, lo ajusta o lo rechaza. Cada pull request pasa por la revisión de un profesional de Tog Lab antes de entrar. Nada va del agente directo a producción. — Quién aprobó cada etapa, y qué sigue esperando. — etapa 01 Domain Context v1.1 — etapa 02 PRD v1 — etapa 03 HLD v1 — esperando tech lead - Rastro y repositorio — ADR, changelog, observabilidad — Las decisiones de arquitectura se convierten en ADR, cada cambio entra en el changelog y cada documento tiene versión. El consumo de tokens por etapa queda visible. Todo vive en el repositorio de tu empresa desde el primer commit. — Una decisión registrada, con las opciones, el motivo y quién decidió. — ADR-07 CMS del sitio — opciones Payload, Storyblok — decisión Payload — motivo datos en nuestra base — por tech leader — tokens de esta etapa: en el panel del proyecto - Nivel 1 — Autocompletar — La IA sugiere la siguiente línea y el ingeniero la acepta o la descarta. — En el día a día - Nivel 2 — Editar un fragmento — La IA reescribe una función a pedido, y la persona lee la diferencia antes de aceptarla. — En el día a día - Nivel 3 — Editar archivos con un plan — La IA modifica archivos a partir de un plan aprobado, con guardrails, pruebas y la revisión de una persona. — Límite actual - Nivel 4 — Agente autónomo — Planificaría, ejecutaría y publicaría sin una persona de por medio. Requiere evals y permisos que aún están en validación. — En investigación - Tú traes el pedido — Una funcionalidad, un producto nuevo o una mejora. Empezamos por el contexto de tu negocio. - Los agentes preparan la etapa — Los agentes de IA escriben el documento, el prototipo o el código de esa etapa, dentro de las reglas de tu empresa. - Una persona revisa y aprueba — Nada avanza sin aprobación. Si algo no está bien, la persona lo ajusta o lo devuelve a los agentes para que lo rehagan. - Empieza la siguiente etapa — Son siete etapas hasta producción. Cada aprobación queda registrada en tu repositorio. - Quién aprueba de tu lado — El responsable de negocio de tu empresa. — Objetivos y reglas del negocio — Prioridades de lo que entra primero — Prototipo probado con quienes lo van a usar - Quién aprueba en Tog Lab — El tech leader y el equipo de Tog Lab en el proyecto. — Arquitectura y decisiones técnicas — Especificación de cada funcionalidad — Código, pruebas y publicación en producción