Las 17 habilidades del desarrollador AI-native

Qué son las 17 habilidades

Las 17 habilidades AI-native son la columna vertebral operativa del modelo de Desarrollador AI-Native de 7 niveles. Los niveles indican qué tan maduro eres (de L1 Chat-Assisted a L7 Universal AI Creator); las 17 habilidades indican qué haces concretamente para llegar ahí. Cada habilidad está vinculada al nivel en que se convierte en la norma, tiene un KPI numérico que revela si realmente la practicas, y viene acompañada de las herramientas que ProCoders recomienda para aplicarla bien.

Lee las habilidades como una progresión, no como una lista plana. La habilidad #1 (codificar a través de un agente) se activa en L2. El clúster L3 hace que el agente sea confiable: MCP, skills y plugins, memoria de proyecto, planificación, verificación. El gran clúster L4 te convierte de programador en director: investigación, harnesses, agentes en paralelo, enrutamiento de modelos, evals, worktrees, control remoto, safety gates, revisión de código y demos. La habilidad #12 (orquestación autónoma completa de PRD a resultado) es el hito definitivo de L5.

Las 17 habilidades de un vistazo

#	Habilidad	Norma desde	Qué demuestra
1	Tengo Claude (o equivalente) y no escribo código a mano	L2	El agente es tu mecanismo principal de producción, no un consultor de chat
2	MCP instalado	L3	El agente está conectado a tus fuentes reales: docs, repo, DB, issues
3	Skills y plugins instalados	L3	Flujo de trabajo repetible, no prompting ad-hoc
4	Memoria de proyecto como parte del repo	L3	El conocimiento del proyecto vive en el repo, no solo en tu cabeza
5	Plan antes de código	L3	Ninguna implementación arranca sin un plan aprobado
6	Skills de playground y deep-research durante la planificación	L4	Las tareas complejas se investigan y prototipan antes de codificar
7	Construye harnesses específicos del proyecto; convierte repeticiones en skills	L4	Productizas problemas recurrentes en lugar de re-prompting
8	Agentes en paralelo / subagent-driven development	L4	Diriges un equipo de roles, no un chat único
9	Verification harness — la IA se evalúa a sí misma	L3	Evidencia sobre confianza: el agente demuestra su trabajo
10	Enrutamiento de modelos por velocidad y tokens	L4	El modelo adecuado para cada tarea, registrado y justificado
11	Mejora basada en evals / bucle de criterios de aceptación	L4	Cada ticket tiene criterios de aceptación que el agente debe cumplir
12	Orquesta un ciclo autónomo completo de PRD a resultado (>5h)	L5	El agente ejecuta un bucle de entrega mientras tú supervisas
13	Desarrollo concurrente con worktrees	L4	Múltiples tareas corren aisladas, sin colisiones de archivos
14	Modo remoto con notificaciones / control móvil	L4	Diriges agentes de larga duración desde cualquier lugar
15	Configura hooks / permisos / safety gates	L4	Guardarraíles deterministas, cero secretos filtrados
16	Revisión de código con IA como proceso independiente	L4	El escritor nunca es el revisor
17	Demostración de resultado: video demo, informe interactivo	L4	El delivery incluye mostrar el resultado, generado con IA

Las 17 habilidades en profundidad

Agentic coding y enrutamiento de modelos (habilidades 1, 10)

1. Tengo Claude (o equivalente) y no escribo código a mano (L2). Usas un agente de IA como mecanismo principal para escribir, modificar y refactorizar código; tocas el teclado solo para correcciones quirúrgicas, parches críticos o decisiones de arquitectura. KPI: la base es al menos el 80% del código rutinario a través del agente, lo óptimo es el 100%, con un mínimo de un PR generado por IA por semana. Herramientas: Claude Code como predeterminado, con Codex, Cursor o Antigravity como alternativas válidas; los artefactos son PRs, logs del agente y resúmenes de diff. Consulta el mapa de herramientas de agentic coding.

10. Enrutamiento de modelos por velocidad y tokens (L4). Eliges el modelo según la tarea: uno de razonamiento potente para arquitectura y depuración, uno rápido para implementación, uno de código para coding y revisión, uno económico para docs y resúmenes. KPI: en tareas de más de 2 horas se registra la elección del modelo, con un mínimo de 2 niveles de modelo; los seniors usan 3+ modelos/rutas más un registro de coste/tiempo por PR. Herramientas: Claude Opus/Sonnet, Codex, modelos de Cursor, Antigravity. Más sobre enrutamiento en la guía de herramientas.

Herramientas y contexto (habilidades 2, 3, 4)

2. MCP instalado (L3). Conectas el agente a fuentes activas: documentación, GitHub, la base de datos, Linear/Jira, el navegador, Context7, Supabase/Postgres, logs, CI/CD — y entiendes los permisos y el radio de impacto. KPI: al menos 2 MCP activos por proyecto, 4+ para seniors (incluyendo búsqueda de docs/librería y acceso a issues/repo), con 0 secretos expuestos. Herramientas: .mcp.json, Context7 MCP, GitHub MCP, Supabase/Postgres MCP, Playwright/browser MCP. Consulta la guía de herramientas.

3. Skills y plugins instalados (L3). Usas el sistema de skills/plugins como flujo de trabajo estándar para planificación, TDD, revisión, depuración, docs, harnesses y despliegue. KPI: al menos 5 skills activos, con al menos 3 utilizados en tus últimas 5 tareas; los seniors pueden crear sus propios skills. Herramientas: el plugin Superpowers (marketplace oficial de Anthropic), anthropics/claude-code-skills, Superpowers-V, Claude /skills, skills/plugins de Codex; los artefactos son skills/*/SKILL.md y un log de uso de skills.

4. Memoria de proyecto como parte del repo (L3). Mantienes la memoria del proyecto — arquitectura, reglas, convenciones, issues conocidos, comandos de test, decisiones de librerías, hechos del dominio — y la actualizas tras tareas, errores y revisiones. KPI: todo repo en producción tiene un AGENTS.md o CLAUDE.md, con al menos 1 actualización después de cada PR significativo, y la memoria nunca supera los 14 días sin actualizar. Herramientas: AGENTS.md, CLAUDE.md, .github/copilot-instructions.md, docs/superpowers/*.

Planificación e investigación (habilidades 5, 6)

5. Plan antes de código (L3). Antes de cualquier código, el agente estudia el repo y produce un plan: mapa de archivos, riesgos, criterios de aceptación, estrategia de tests, estrategia de rollback. Sin plan, sin código. KPI: el 100% de las tareas de más de 2 horas tienen un artefacto de plan (objetivo, archivos afectados, tareas, verificación, rollback), y la implementación no puede arrancar sin un plan aprobado. Herramientas: Superpowers brainstorming y writing-plans, Claude Plan Mode, el skill de premortem; los artefactos viven en docs/superpowers/plans/.

6. Skills de playground y deep-research durante la planificación (L4). Para trabajo complejo o desconocido investigas primero — docs, APIs, competidores, pain de usuarios, casos borde, versiones recientes de librerías, riesgos de deprecación — y puedes construir un PoC o playground antes de implementar. KPI: para tareas de más de 4 horas o en un dominio desconocido, al menos 1 nota de investigación más 3 fuentes/docs verificadas o un PoC, y 0 decisiones basadas en librerías desactualizadas sin justificación. Herramientas: Superpowers brainstorming, Playground Tool y AskUserTool, y Context7 para validación de documentación.

Verificación y calidad (habilidades 9, 11, 16)

9. Verification harness — la IA se evalúa a sí misma (L3). Dejas de dedicar tu tiempo a pruebas manuales y en su lugar construyes un harness donde el agente ejecuta tests, evals, build, lint, typecheck y revisiones de seguridad, y luego se autocorrige hasta que pasan. KPI: el 80% de los PRs llevan checks de evidencia (90–95% para seniors), el QA manual ocupa como máximo el 20% del tiempo de la tarea, y un PR sin evidencia no está terminado. Herramientas: Superpowers test-driven-development y verification-before-completion, nizos/tdd-guard, Claude /run y /verify, más CI, Jest/Vitest/Pytest y Playwright.

11. Mejora basada en evals / bucle de criterios de aceptación (L4). El agente ejecuta un bucle: implementar, correr checks, comparar contra criterios de aceptación y evals, corregir, repetir, producir evidencia. No "hecho y confiado" sino "probado y aprobado." KPI: cada ticket tiene criterios de aceptación; las features de IA/RAG/agentic tienen entre 5 y 20 casos de eval; la tasa de aprobación de evals críticos es al menos del 95%, y los bucles fallidos se registran. Herramientas: Superpowers executing-plans, Promptfoo/evals, scripts de eval personalizados en CI; los artefactos son evals/ y acceptance.md.

16. Revisión de código con IA como proceso independiente (L4). Separas producción de control: el implementador nunca es el revisor. Un agente revisor comprueba la especificación y la calidad del código; un agente tester/seguridad comprueba el harness, regresiones y vulnerabilidades. KPI: para cualquier PR más allá de un cambio pequeño, el 100% recibe una revisión de IA independiente; los PRs críticos tienen 3 agentes (escritor, revisor, tester/seguridad), y fusionar sin un informe de revisión está prohibido. Herramientas: Superpowers requesting-code-review y receiving-code-review, el plugin oficial de Anthropic Code Review (/code-review), revisión de Codex, CodeRabbit.

Orquestación y autonomía (habilidades 7, 8, 12, 13, 14)

7. Construye harnesses específicos del proyecto; convierte repeticiones en skills (L4). Cuando un problema se repite, no re-prompteas — construyes un skill, plugin o harness reutilizable (técnico, experto, QA, seguridad, migración, refactorización, docs). KPI: tras 2–3 repeticiones de un mismo problema debe existir un skill/playbook/harness; un repo maduro tiene al menos 3 skills específicos del proyecto. Herramientas: Superpowers writing-skills, test-driven-development, systematic-debugging; los artefactos son SKILL.md, scripts/ y references/.

8. Agentes en paralelo / subagent-driven development (L4). Lanzas un grupo de roles — investigador, planificador, implementador, revisor, tester, revisor de seguridad, redactor de docs — que permanecen independientes y no contaminan el contexto del otro. KPI: una tarea compleja usa al menos 3 roles de agente (4–6 para seniors), con al menos 1 revisor independiente por PR significativo. Herramientas: Superpowers subagent-driven-development y dispatching-parallel-agents, ruvnet/ruflo, wshobson/agents, subagentes de Claude.

12. Orquesta un ciclo autónomo completo de PRD a resultado, de más de 5 horas (L5). Ejecutas un bucle de entrega: PRD, descomposición, tickets, asignación de agentes, implementación, verificación, revisión, resultado listo para PR — mientras tú solo supervisas y desbloqueas. KPI: una ejecución autónoma de 5+ horas con como máximo 3 intervenciones humanas, y al menos 2 ciclos autónomos completados por desarrollador por mes. Herramientas: Claude Code con Superpowers y Superpowers-V, más un operator-shell; los artefactos abarcan PRD, tickets, plan, logs del agente, evidencia y PR.

13. Desarrollo concurrente con worktrees (L4). Usas workspaces y ramas aislados para que múltiples agentes/tareas no colisionen; particionas conjuntos de archivos y fusionas resultados limpiamente. KPI: al menos 2 worktrees activos para tareas senior (3–5 para trabajo avanzado) con 0 colisiones de archivos sin documentar. Herramientas: Git worktrees, ramas, tmux, devcontainers, Superpowers using-git-worktrees; los artefactos son un mapa de worktrees y un informe de partición.

14. Modo remoto con notificaciones / control móvil (L4). Lanzas agentes de larga duración y los diriges de forma remota: apruebas, redirigues, inspeccionas el output y recibes notificaciones cuando están bloqueados o terminados. KPI: notificaciones activadas para tareas de más de 1 hora, cada bloqueo genera una alerta, y la respuesta a un bloqueo es en menos de 30 minutos durante el horario laboral. Herramientas: Claude Remote Control, Claude móvil/web y hooks de Notification con push de escritorio/móvil.

Seguridad y operaciones (habilidad 15)

15. Configura hooks / permisos / safety gates (L4). Construyes guardarraíles deterministas: formatear tras edición, tests antes de commit, bloquear secretos, proteger .env, requerir aprobación para migraciones/eliminaciones/comandos de producción, y auditar llamadas MCP. KPI: el 100% de los repos tienen gates base (escaneo de secretos, archivos protegidos, gate de pre-commit/test), 0 secretos filtrados, y los comandos peligrosos requieren aprobación. Herramientas: hooks de Claude (PostToolUse, Notification, command hooks), AgentShield, .claude/settings.json, .cursor/hooks.json, branch protection, escáneres de secretos.

Artesanía y universalidad (habilidad 17)

17. Demostración de resultado: video demo, informe interactivo (L4). No solo haces el trabajo, lo empaquetas y lo muestras: grabas un video demo de la UI, montas un informe interactivo o generas una visión narrada. La demo es parte de la Definición de Hecho, en formato interactivo y generada con IA. KPI: toda feature/PR significativa incluye un artefacto de demo (un video de menos de 3 minutos o un informe interactivo); para features de cliente y resultados de reuniones eso es el 100%, y la demo es generada por un skill, no a mano. Herramientas: claude-ui-recorder (grabar, narrar, renderizar a demo.mp4), skills de Remotion, audio overviews de NotebookLM, Loom.

Cómo profundizan las habilidades por nivel

La misma habilidad se profundiza a medida que subes. De L2 a L5:

• Codificar a través del agente: L2 lo prueba y comprueba todo a mano → L3 ejecuta al menos el 80% de la rutina a través del agente → L4 ~90%, codificando a mano solo las partes críticas → L5 100% de la rutina, marcando el estándar del equipo.
• MCP: L2 un MCP básico → L3 2+ MCP activos → L4 4+ MCP cubriendo docs y repo → L5 gobernanza y política de MCP.
• Skills / plugins: L2 instala los ya preparados → L3 5 activos, 3 en uso → L4 crea skills de proyecto → L5 gestiona un marketplace interno.
• Memoria de proyecto: L2 lee CLAUDE.md/AGENTS.md → L3 la mantiene y actualiza → L4 establece el estándar del repo → L5 lo establece a nivel de empresa.
• Plan antes de código: L2 planifica las tareas grandes → L3 planifica el 100% de tareas de más de 2h → L4 diseña el flujo de trabajo → L5 es dueño de las plantillas de planificación.
• Investigación profunda / playground: L2 a petición → L3 para tareas desconocidas → L4 nota de investigación + PoC como norma → L5 una plataforma de investigación.
• Harnesses / skills reutilizables: L2 todavía no → L3 usa los de otros → L4 construye los propios (3+) → L5 el harness se convierte en producto.
• Agentes en paralelo: L2 un chat → L3 2–3 roles → L4 4–6 roles → L5 orquestación de flota.
• Verification harness: L2 checks manuales → L3 80% de PRs con evidencia → L4 90–95% de PRs, autocorrección → L5 una plataforma de evals.
• Enrutamiento de modelos: L2 un modelo → L3 2 niveles → L4 3+ rutas con log de coste → L5 política de enrutamiento y dashboard.
• Bucle eval / aceptación: L2 aceptación manual → L3 AC en cada ticket → L4 5–20 evals en CI → L5 plataforma de evals de empresa.
• Ciclo autónomo: L2 todavía no → L3 1–2 horas supervisado → L4 5+ horas → L5 orquestación multiticket.
• Worktrees: L2 una rama → L3 1–2 worktrees → L4 3–5 en paralelo → L5 un estándar de partición.
• Remoto / notificaciones: L2 todavía no → L3 alertas básicas → L4 control remoto completo → L5 modo operator-shell.
• Hooks / safety gates: L2 valores por defecto → L3 gates base → L4 política completa → L5 límites de seguridad a nivel empresa.
• Revisión de código con IA: L2 autorrevisión → L3 revisión de IA independiente → L4 división escritor/revisor/tester → L5 el estándar de revisión del SDLC.
• Demostración de resultado: L2 captura de pantalla o texto → L3 video demo a mano → L4 auto-demo vía skill, 100% de features de cliente → L5 un estándar de demo con plantillas de marca.

Las métricas que revelan tu nivel real

Un puñado de números expone tu nivel real más rápido que cualquier autoevaluación. Esto es lo que ProCoders mide y registra a lo largo del tiempo.

Métrica	L2	L3	L4	L5
% de código a través del agente	lo prueba	≥80%	~90%, a mano solo lo crítico	=100% de la rutina
Ejecución autónoma (ejecución ininterrumpida más larga)	<30 min	1–2 h	5+ h	ciclo multiticket
Intervenciones humanas / ejecución	constantes	frecuentes	≤3	solo supervisión
Plan / presupuesto de tokens (suscripción que exige el nivel)	Pro (~$20)	Max 5× (~$100)	Max 20× ($200)	Max 20× ($200) + API
Log de coste / tiempo (seguimiento de tokens y tiempo por tarea)	—	—	por PR	dashboard de equipo/proyecto

La lógica: cuanto mayor es el nivel, más agentes en paralelo, horas autónomas y evals ejecutas — lo que eleva el consumo de tokens y el nivel de plan con él. Desde L4 la norma es Max 20× ($200), porque estás corriendo varios agentes en worktrees y bucles de verificación simultáneamente. En L5 añades medición de costes (log de coste a dashboard) para que el gasto sea deliberado. (Los precios y nombres de planes cambian; esto refleja el mapeo interno actual de ProCoders, no una lista de precios oficial.)

Los comportamientos anteriores son exactamente lo que evalúa nuestra evaluación. Haz el test gratuito para ver cuáles de las 17 ya dominas y en qué nivel aterrizas.