GitariusAF es un framework conceptual y operacional para construir sistemas impulsados por IA y asistidos por humanos, a través de capacidades componibles y verificables. Define cómo descomponer trabajo complejo en unidades pequeñas, orquestarlas entre humanos y automatización, y evaluar continuamente cuándo y cómo automatizar.
GitariusAF no es una plataforma ni un producto. Es un conjunto de principios para diseñar sistemas donde la automatización se introduce de forma incremental, basada en evidencia, dentro de una arquitectura componible de capacidades verificables.
Los sistemas complejos se descomponen en capacidades pequeñas e independientes. Cada capacidad es verificable, reemplazable, implementable de forma independiente y componible en flujos de trabajo. Los monolitos son un modo de falla.
Cada capacidad puede ejecutarse como trabajo humano, automatización con IA, un script de software, o una combinación de los tres. El framework define la capacidad — no prescribe cómo se cumple.
La ejecución manual no es un estado de fallo. Es una opción válida y frecuentemente óptima. Los sistemas evolucionan gradualmente de manual a asistido a automatizado, a medida que la evidencia justifica cada transición.
La automatización no es ideológica. Cada capacidad se evalúa por el esfuerzo de automatizar, valor operacional, reducción de riesgo, mantenibilidad y velocidad. Solo se automatiza cuando produce valor medible.
Repositorios open source demuestran el framework en la práctica. Son puntos de partida, no mandatos. El framework puede implementarse de otra forma — estos repos validan que el modelo funciona en sistemas reales.
Una capacidad es la unidad atómica del framework. Representa una pieza discreta y verificable de trabajo — lo suficientemente pequeña para ser gestionada, validada y reemplazada de forma independiente sin afectar al resto del sistema.
Las capacidades se definen por lo que hacen y lo que producen, no por quién o qué las ejecuta. Esta separación permite que la misma definición de capacidad sea cumplida por un humano hoy y por un agente de IA mañana — sin cambios en la interfaz de la capacidad ni en los flujos que dependen de ella.
Los flujos de trabajo complejos se ensamblan a partir de capacidades validadas. La orquestación ocurre en la capa de composición, no dentro de las unidades individuales. Esto significa que los errores están aislados, los componentes son reutilizables y el sistema puede evolucionar sin reescrituras completas.
Cada capacidad define explícitamente sus criterios de éxito y condiciones de fallo. La validación es parte del diseño, no un agregado posterior.
Cualquier capacidad puede reimplementarse — con un ejecutor, tecnología o enfoque diferente — sin romper los flujos dependientes.
Las capacidades se combinan en flujos de orden superior a través de interfaces bien definidas. Unidades simples se ensamblan en sistemas complejos.
GitariusAF es explícitamente impulsado por IA. Los agentes de IA no son un complemento opcional — son un modo de ejecución principal junto con humanos y scripts. Cada tipo tiene un rol distinto, y las capacidades se diseñan desde el inicio para ser cumplidas por cualquiera de ellos.
Los humanos gestionan capacidades que requieren juicio, contexto o relación — situaciones donde la ambigüedad es alta y el costo de una decisión automatizada incorrecta supera el costo del tiempo humano. La ejecución humana también sirve como medición de referencia antes de cualquier decisión de automatización.
Los agentes de IA gestionan capacidades demasiado complejas para scripts deterministas pero con demasiado volumen para humanos. Razonan sobre datos no estructurados, sintetizan entre fuentes, aplican juicio a escala y operan dentro de los mismos contratos de capacidad verificables que cualquier otro ejecutor. La IA no reemplaza a los humanos — es un tipo diferente de ejecutor con diferentes compromisos.
Los scripts y software deterministas gestionan capacidades donde entradas y salidas son completamente conocidas, la lógica es estable y el rendimiento importa. Son los ejecutores más rápidos y predecibles — pero requieren especificación completa desde el inicio y fallan cuando las entradas cambian inesperadamente.
GitariusAF trata a los humanos como una parte permanente y válida del modelo de ejecución — no como un marcador de posición transitorio hasta que la IA pueda tomar el control. Los sistemas evolucionan a través de tres etapas basadas en evidencia, no en ideología.
Un humano ejecuta la capacidad directamente. Este es el punto de partida por defecto. Es eficiente, de bajo riesgo y produce datos reales sobre el esfuerzo y la complejidad involucrados. No es un fallo — es una medición.
La IA o las herramientas asisten al humano sin reemplazarlo. Borradores, sugerencias o pre-procesamiento reducen el esfuerzo. El humano retiene la autoridad de decisión. La automatización se introduce en los bordes del flujo de trabajo.
La capacidad se ejecuta de extremo a extremo sin intervención humana. Se alcanza solo cuando los datos de las Etapas 1 y 2 justifican la inversión. La interfaz de la capacidad no cambia — solo cambia el ejecutor.
La automatización es una inversión, no un valor por defecto. Antes de automatizar cualquier capacidad, evalúala en cinco dimensiones. La decisión debe ser trazable y revisable a medida que las condiciones cambien.
¿Qué tan compleja es la implementación? ¿El esfuerzo de ingeniería justifica el ahorro operacional? Las automatizaciones de bajo esfuerzo con alta frecuencia de ejecución son los mejores candidatos.
¿Con qué frecuencia se ejecuta esta capacidad? ¿Qué tan crítica es para el flujo de trabajo? Las capacidades de alta frecuencia y alto impacto tienen mayor ROI de automatización que las tareas infrecuentes.
¿La automatización reduce tasas de error, inconsistencia o errores manuales? Algunas capacidades producen mejores resultados cuando se automatizan precisamente porque los humanos son inconsistentes a alto volumen.
¿La automatización requerirá actualizaciones constantes a medida que cambien las entradas y condiciones? Las capacidades de alta volatilidad pueden ser más baratas de mantener manual que de re-automatizar continuamente.
¿La automatización desbloquea un beneficio de rendimiento o latencia que la ejecución manual no puede igualar? Las ganancias de velocidad importan cuando la capacidad está en la ruta crítica de un flujo mayor.
Estos repositorios demuestran cómo funcionan los principios de GitariusAF en un sistema real. No son la única forma de implementar el framework — existen para demostrar factibilidad, proporcionar un punto de partida y validar el modelo en la práctica.
Estos repos son implementaciones de referencia, no componentes obligatorios. Puedes adoptar los principios del framework y construir tu propio stack de implementación. Los conceptos son lo que importa — el código es un ejemplo.
Implementación de referencia del plano de control del framework. Contiene el registro de almacenamiento, esquemas, diccionario de datos, catálogo de tareas y scripts de gobernanza. Demuestra cómo construir una Fuente Única de Verdad que todas las capacidades pueden referenciar.
Implementación de Referencia · Solo lectura en ejecuciónImplementación de referencia del entorno de ejecución de capacidades. Muestra el límite Test/Producción, control de acceso basado en manifiestos, versionado de bibliotecas compartidas y el ciclo de vida de capacidades de 3 fases desde borrador hasta despliegue.
Implementación de ReferenciaUn plugin de Claude Code que empaqueta 10 skills de metodología GAF — desde el bootstrapping de capacidades y validación de esquemas hasta verificaciones de preparación para despliegue y orquestación de flujos de trabajo. Demuestra cómo la metodología del framework puede codificarse como skills de IA reutilizables.
10 Skills · Instalable