orchestration-autonomy-tiers
Skill0 starsChanged 22 days agoMITView on GitHub
Marco de decisión para asignar a CUALQUIER tarea su nivel de autonomía (T0 manual / T1 semi-auto / T2 auto) según riesgo/impacto, y qué medir en cada nivel. La autonomía NO es global: depende de la tarea, y se GANA con datos — una tarea sube de manual→semi→auto al acumular corridas E2E limpias y baja ante una falla (CPMAI iterativo + ISO 42001 A.6 autonomy boundaries / Cláusula 9). Es el "cómo decido + cómo mido" operativo, complemento del "por qué" (`cpmai-orchestration-doctrine`). Invocar/consultar cuando: vayas a automatizar o semi-automatizar una tarea y haya que decidir su nivel; al evaluar si una tarea ya se ganó más autonomía; al diseñar/medir orquestación; cuando el usuario pregunte "¿esto puede ir solo o lo confirmo?"; o ante una decisión de auto-resolver vs confirmar. Incluye registro de tareas de ejemplo clasificadas y el esquema de medición unificado.
In this repository16 other files it gives its agents.
- agotar-antes-de-negarSkill
- anti-hype-acronyms-guardSkill
- clarifica-una-a-unaSkill
- decision-matrixSkill
- document-progressSkill
- donde-estoySkill
- e2eSkill
- iso-42001-aimsSkill
- leanSkill
- planteamientoSkill
- pre-flightSkill
- premortemSkill
- prompt-rewriteSkill
- refutarSkill
- specSkill
- sprintSkill
The file
Files
Niveles de autonomía por tarea (orchestration autonomy tiers)
La autonomía no es un interruptor global. Cada tarea tiene su nivel correcto,
y ese nivel se decide por riesgo/impacto y se gana con track record medido —
no se asume. Este es el marco para decidirlo y medirlo. El "por qué" de cada
decisión vive en cpmai-orchestration-doctrine; aquí está el "cómo".
Los 3 niveles
| Nivel | Quién decide / ejecuta | Cuándo aplica |
| T0 — Manual | El humano decide y ejecuta; el agente solo propone/asiste | Irreversible + cara al cliente, o tarea nueva/no probada |
| T1 — Semi-auto | El agente ejecuta hasta un gate; el humano confirma el paso con consecuencia; el agente completa y reporta | Hay un paso consecuente pero el resto es mecánico; o tarea repetible aún no del todo confiable |
| T2 — Auto | El agente decide y ejecuta sin confirm; reporta después | No-destructivo, reversible, interno, probado |
Cómo decidir el nivel (4 preguntas de riesgo)
Hazte estas 4 — cada una ancla a un principio CPMAI/ISO. La más restrictiva gana (si una sola empuja a T0, es T0):
- ¿Es reversible? ¿Se puede deshacer sin daño? → Irreversible empuja a T0. (ISO §6 risk appetite. Ej. emitir CFDI real, mandar WhatsApp, borrar datos.)
- ¿A quién toca? ¿Cliente / producción / dato real, o solo infra interna de pruebas? → Cliente/prod empuja a T0–T1. (ISO A.5 impact assessment.)
- ¿Está probada? ¿Pasó E2E limpio ≥N veces, o es nueva/cambió? → Nueva empuja a T0. (CPMAI: pilot antes de confiar; la confianza se gana con datos.)
- ¿Vale automatizarla? ¿Frecuencia/volumen recurrente que justifique el costo de construir la automatización? → Baja frecuencia = déjala manual, no sobre-ingenierices. (CPMAI Business Feasibility; gate harness: multi-agente ~15× tokens.)
Reglas duras que cortan por encima del scoring (siempre, sin importar lo demás):
- Keyword destructivo (
delete/drop/force/wipe/prune/rm) → nunca T2 (confirm obligatorio). - Acción externa/irreversible (publicar a cliente/canal, deploy a prod de cliente, edición DNS, emisión fiscal) → nunca T2 (freno duro).
- Si una cifra de agente alimenta la decisión → re-validar en vivo (§7) antes de cualquier nivel; cifra sin verificar baja la tarea a T0.
La autonomía se GANA (promoción/democión por datos)
Esto es lo que vuelve el marco vivo, no una tabla estática (CPMAI iterativo + ISO §9→§10):
- Promoción T0→T1→T2: una tarea sube de nivel cuando acumula ≥N corridas E2E limpias consecutivas a su nivel actual (sugerido N=5; ajústalo por riesgo: más alto para tareas cara-al-cliente). La confianza es un output medido, no un supuesto.
- Democión inmediata: una sola falla con consecuencia (nonconformity)
baja la tarea un nivel y genera entrada en
override_log.md(ISO §10). Se re-gana la autonomía repitiendo el conteo limpio. - Techo por riesgo: las tareas irreversibles/cara-al-cliente tienen techo T1 — jamás llegan a T2 por más track record (el riesgo no se amortiza con costumbre).
Qué se mide en cada nivel (spec del registro)
Toda tarea orquestada —manual, semi o auto— escribe una línea al registro
unificado (esquema en references/measurement-schema.md). Mínimo:
task_type · tier (T0/T1/T2) · outcome (success|rework|fail) · e2e_passed (bool)
· confirmed_by (humano, si T1) · tokens · duration_s · ts · sessionKPIs de orquestación (ISO Cláusula 9 — lo que hoy NO se mide):
- Success-first-time por tier — ¿salió bien a la primera? (rework = señal de tarea mal-asignada de nivel o de agente equivocado).
- Wrong-tier events — una T2 que causó problema = debió ser T1 → nonconformity → democión + override_log.
- Right-agent-first-time — ¿se delegó al agente correcto? (re-delegación = mal match patrón↔agente).
- Promociones/demociones — la flota debería ganar autonomía neta con el tiempo si la calidad sube; demociones en aumento = problema.
- Costo: tokens/tarea por tier (T2 debería ser el más barato; si no, algo está mal).
Registro de tareas de ejemplo (starter — ver reference para la tabla completa)
| Tarea | Reversible | Toca | Probada | Nivel hoy | Por qué |
| Restart container (data persistente) | sí | infra interna | sí | T2 | reversible, no-destructivo; data persistente sobrevive |
| Research / OSINT de leads (read-only) | sí | nada externo | sí | T2 | solo lectura, sin side-effects |
| Deploy de servicio a prod (cliente) | sí (rollback) | cliente | sí | T1 | producto de cliente; confirm el deploy, resto mecánico |
| Edición de zona DNS | no (puede wipear) | producción | — | T0 | backup obligatorio + verificación manual |
| Campaña WhatsApp a cliente (envío) | no (enviado=enviado) | cliente + Meta rules | — | T0 | irreversible + cara al cliente; techo T1 máximo |
| Emitir factura fiscal (CFDI) | no (SAT real) | fiscal cliente | — | T0 | irreversible fiscal; jamás T2 |
| Publicar blog + redes sociales | no (externo) | externo/marca | sí | T1 | freno duro de publicación externa; confirm antes |
Las tareas más frecuentes + candidatas y la lógica de promoción:
references/task-registry.md.
Cuándo NO aplicar este marco
Para una pregunta trivial o una respuesta conversacional, no clasifiques nada — responde directo. El marco es para tareas con side-effects (algo cambia en infra, datos, cliente o canal externo). Clasificar una charla es ruido, y el ruido viola el propio principio de iteración limpia.
Relacionado
cpmai-orchestration-doctrine— el "por qué" de cada decisión (frases CPMAI/ ISO quotable). Este marco es su brazo operativo.references/measurement-schema.md— esquema exacto del registro unificado (blanco para reparar/unificar la plomería de medición, hoy rota: elorchestrator_usage.jsonlmide solo la capa autónoma y su stats crashea por schema drift).references/task-registry.md— clasificación viva de las tareas.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

