Niveles de Autonomía

RaiSE no empieza autónomo. Empieza manual, construye confianza a través de transparencia, y gana autonomía demostrando fiabilidad. Esto es deliberado — refleja cómo los humanos aprenden y cómo los equipos construyen confianza.

Los comandos legacy /rai-story-run, /rai-bugfix-run y /rai-epic-run están deprecados. La discusión de Nivel 2 se refiere al patrón de orquestación guiada, no a esos comandos como interfaz pública recomendada.

El Problema con "Solo Automatiza"¶

La mayoría de herramientas de desarrollo asistido por IA empiezan con automatización total y agregan guardarraíles después de que las cosas se rompen. Esto es al revés. Un AI que corre autónomamente sin que el humano entienda por qué cada paso importa produce:

Automatización frágil — funciona hasta que no, y nadie sabe cómo arreglarlo
Compliance de cargo cult — los gates pasan pero nadie entiende qué validan
Déficit de confianza — el equipo no confía en el output porque nunca vio el proceso

RaiSE invierte esto. Empiezas haciendo cada paso tú mismo, con el AI como partner. Solo después de entender el proceso — y el AI haber demostrado fiabilidad — entregas control progresivamente.

Tres Niveles de Autonomía¶

Nivel	Nombre	Quién dirige	Rol humano
Nivel 1	Skills (Manual)	Humano dirige, AI asiste	Invoca cada skill, revisa cada paso
Nivel 2	Runbooks (Guiado)	AI dirige, humano aprueba	Aprueba en gates HITL fijos
Nivel 3	Pipeline Engine (Auto)	Engine dirige, humano revisa	Revisa resultados, personaliza pipeline

No son modos que "configuras" — son etapas por las que creces.

Nivel 1: Skills Individuales (Shu — Seguir la Forma)¶

Invocas cada skill manualmente:

/rai-story-start RAISE-123 — revisas el scope
/rai-story-design RAISE-123 — revisas el diseño
/rai-story-plan RAISE-123 — revisas las tareas
/rai-story-implement RAISE-123 — revisas código después de cada tarea
/rai-story-review RAISE-123 — extraes aprendizajes
/rai-story-close RAISE-123 — verificas y haces merge

Qué ganas¶

Entendimiento profundo — ves cada artefacto, cada gate, cada decisión
Memoria muscular del proceso — la secuencia se vuelve instintiva
Calibración de confianza — aprendes dónde el AI sobresale y dónde necesita corrección
Biblioteca de patrones — cada review construye un corpus de patrones del equipo

Cuándo usar¶

Primeras 5-10 stories con un codebase nuevo o un miembro nuevo del equipo. Siempre para trabajo de alto riesgo o novel.

Nivel 2: Runbooks (Ha — Romper la Forma)¶

Los runbooks (/rai-story-run, /rai-bugfix-run, /rai-epic-run) encadenan skills automáticamente, pausando en gates HITL fijos.

/rai-story-run RAISE-123

  start → design → [GATE: aprobación scope] → plan → implement
    → [GATE: revisión código] → review → close

Qué cambia¶

AI secuencia los skills automáticamente
Gates HITL fijos pausan para tu juicio en decisiones críticas
Detección de fase auto-reanuda desde el último artefacto
Contexto fluye entre fases

Los tres gates del runbook¶

Gate	Después de	Qué decides
Scope	start + diseño	¿Es el problema correcto con el enfoque correcto?
Código	implementación	¿El fix se ve correcto? ¿Tests pasan?
Review	retrospectiva	¿Se capturaron los aprendizajes?

Cuándo usar¶

Después de 5-10 stories en Nivel 1. El equipo conoce el proceso y quiere ir más rápido sin sacrificar rigor.

Ver: Guía práctica de Runbooks

Nivel 3: Pipeline Engine (Ri — Trascender la Forma)¶

El pipeline engine es un orquestador definido en YAML:

Secuencia fases desde una definición declarativa
Inyecta contexto del knowledge graph en cada fase
Evalúa quality gates automáticamente
Pausa en gates HITL según tu nivel de delegación
Persiste estado entre sesiones

# story.yaml — pipeline de 8 fases
phases:
  - id: start
    skill: rai-story-start
  - id: design
    skill: rai-story-design
    gate:
      type: hitl
      prompt: "¿Aprobar diseño?"
  - id: implement
    skill: rai-story-implement
    gate:
      type: hitl
      prompt: "¿Aprobar implementación?"

Cuándo usar¶

Después de completar un epic con runbooks y querer estandarizar el flujo del equipo.

Cómo Crece la Confianza¶

Nivel	Mecanismo	Resultado
1 (Skills)	Humano ve cada paso	Construye entendimiento
1 (Skills)	Humano corrige errores	Construye precisión
1 (Skills)	Patrones capturados	Construye memoria
2 (Runbooks)	Gates fijos atrapan errores	Valida confianza
2 (Runbooks)	Detección de fase recupera	Demuestra fiabilidad
3 (Pipeline)	YAML es auditable	Governance satisfecho
3 (Pipeline)	MCP tools proveen datos	Reduce latencia

Insight clave: La confianza no es binaria. Un desarrollador puede usar Nivel 3 para stories rutinarias pero bajar a Nivel 1 para un refactoring complejo. Los niveles coexisten.

ShuHaRi: La Filosofía de Aprendizaje¶

Etapa	Kanji	Significado	Nivel RaiSE	Comportamiento
Shu	守	Proteger/obedecer	Nivel 1: Skills	Sigue cada paso exactamente. Sin atajos.
Ha	破	Romper/separar	Nivel 2: Runbooks	Entiende por qué existe cada paso. Adapta.
Ri	離	Trascender	Nivel 3: Pipeline	Crea tus propios flujos. Personaliza pipelines.

Cada skill declara sus niveles de maestría. En Shu, el AI explica todo. En Ha, explica solo lo nuevo. En Ri, da el resultado y avanza.

El Viaje del Desarrollador¶

Semana 1-2: Shu (Skills) Alex se une al equipo. Ejecuta /rai-story-start, /rai-story-design, etc. manualmente. Cada skill explica qué hace y por qué. Alex aprende las convenciones, los patrones de testing, los requisitos de gates.

Semana 3-4: Ha (Runbooks) Alex se siente cómodo. Cambia a /rai-story-run RAISE-456. El AI encadena los skills, pero Alex aprueba en cada gate. Empieza a ajustar — más tiempo en gates de diseño, menos en implementación.

Mes 2+: Ri (Pipeline) El equipo personaliza su pipeline YAML. Agregan una fase de security review, quitan el scope gate, y configuran delegación auto para stories solo de tests.

Clave: Alex no se saltó ninguna etapa. El entendimiento de Shu hace que Ha sea productivo. La experiencia de Ha hace que Ri sea seguro.

MCP Tools: El Tejido Conectivo¶

En todos los niveles, los skills consumen MCP tools para operaciones estructuradas:

Operación	MCP Tool	Qué hace
Buscar patrones	`raise_graph_query`	Busca en el knowledge graph
Cargar contexto	`raise_session_context`	Carga governance, coaching, deadlines
Verificar gates	`raise_gate_check`	Ejecuta quality gates
Rastrear trabajo	`raise_backlog_transition`	Mueve issues entre estados
Persistir aprendizaje	`raise_pattern_add`	Guarda patrones de retrospectivas
Puntuar patrones	`raise_pattern_reinforce`	Vota efectividad de patrones

En Nivel 1, ves estas llamadas. En Nivel 3, ocurren transparentemente. Mismos tools, mismos datos, diferente visibilidad.

Empezar¶

Empieza con una story — ejecuta /rai-story-start en un ticket real
Haz 3-5 stories manualmente — construye entendimiento
Prueba un runbook — ejecuta /rai-story-run en una story rutinaria
Personaliza tu pipeline — edita el YAML para el flujo de tu equipo

El sistema te encuentra donde estás. Empieza simple, gana complejidad.