---
title: "Diagnose: diagnóstico de marketing con IA y análisis de madurez"
description: "Diagnose establece un punto de partida basado en evidencias sobre flujos de trabajo, conocimiento, tecnología, gobernanza, capacidad y medición."
url: "https://kodokalabs.com/es/framework-marketing-ia/diagnostico-y-madurez/"
language: es
published: 2026-08-07
updated: 2026-09-14
---

# Diagnose: diagnóstico de marketing con IA y análisis de madurez

## Diagnose: las evidencias que necesita la transformación del marketing con IA

Diagnose es la primera fase del [kōdōkalabs Transformation System](../ai-marketing-framework.md). Establece un punto de partida basado en evidencias sobre la estrategia, los flujos de trabajo, el conocimiento, la tecnología, la gobernanza, la capacidad y la [medición](./ai-marketing-measurement-and-value-realization.md) de la organización, antes de diseñar un [modelo operativo](../../../posts/en/ai-native-marketing-organization-operating-model-and-roles.md) de destino.

Un diagnóstico no es una auditoría genérica, ni un inventario de herramientas, ni una propuesta de proveedor disfrazada de análisis, ni una puntuación de madurez sin evidencias que la respalden. Todo eso produce una opinión sobre dónde está una organización. Un diagnóstico produce evidencias: con su fuente, clasificadas por solidez y organizadas para que la dirección vea exactamente en qué se basan antes de comprometerse con un rediseño.

## Resumen ejecutivo

Diagnose existe porque las decisiones de transformación del marketing con IA que se toman sin un punto de partida documentado suelen estar movidas por el entusiasmo, la anécdota o la última herramienta que ha incorporado un competidor, y no por evidencias sobre lo que realmente frena el rendimiento. La fase evalúa siete áreas (alineación estratégica, realidad de los flujos de trabajo, conocimiento y preparación de los datos, tecnología e integración, gobernanza y riesgos, personas y capacidades, y medición y valor), clasifica cada hallazgo según la solidez de su evidencia y produce un paquete de decisión que dice a la dirección si debe parar, hacer un piloto, pasar a Architect o seguir investigando. Es la fase de las evidencias, no la de las soluciones: el rediseño se hace en Architect.

## Ideas clave

- Diagnose produce evidencias, no opiniones. Cada hallazgo se clasifica según la solidez de su evidencia.
- Las siete áreas de evidencia se evalúan juntas, no como auditorías aisladas.
- La fase produce un paquete de decisión concreto, no una impresión general de lo «preparada para la IA» que está la organización.
- Un diagnóstico se distingue de una auditoría con fines comerciales por lo que está dispuesto a concluir, incluido un «ahora no» o un «esto no».
- Diagnose alimenta directamente Architect. Nada se diseña antes de diagnosticarlo.

## ¿Qué es la fase Diagnose?

Diagnose es la fase de construcción de evidencias del kōdōkalabs Transformation System. Antes de rediseñar ningún flujo de trabajo, elegir ninguna herramienta o asignar ningún presupuesto, Diagnose establece qué es realmente cierto sobre la situación actual de la organización: no lo que la dirección da por supuesto, ni lo que insinúa la propuesta de un proveedor, ni lo que estima un test genérico de preparación para la IA a partir de un puñado de respuestas autodeclaradas.

La distinción importa porque los tres sustitutos más habituales de un diagnóstico de verdad se saltan el paso de las evidencias. Un inventario de herramientas cataloga qué software hay instalado, lo que dice poco sobre si se usa de forma coherente o acertada. La propuesta de un proveedor suele diagnosticar justo el problema que resuelve su producto. Y una puntuación de madurez sin evidencias que la respalden produce una cifra que parece autorizada pero que no se puede cuestionar: nadie puede preguntar «¿con base en qué?».

## Por qué la transformación del marketing con IA necesita un punto de partida

Sin un punto de partida documentado ocurren dos cosas. La primera: después resulta imposible justificar con credibilidad cualquier mejora. Si nadie registró el estado «antes», no hay manera defendible de demostrar que el «después» es mejor, solo que es distinto. La segunda, y con más consecuencias: las prioridades de la transformación acaban dictadas por el entusiasmo y la visibilidad y no por las evidencias. Se destinan recursos al problema que más ruido hace, a la tecnología de la que más se ha hablado o a la iniciativa que anunció un competidor, mientras la carencia de mayor valor o de mayor riesgo queda sin atender porque nadie la midió.

Un punto de partida resuelve ambos problemas: da a Measure (fase 5) algo concreto con lo que comparar más adelante y da a Architect ([fase 2](./ai-marketing-architecture-and-operating-model-design.md)) una base documentada y defendible para priorizar, en lugar de un conjunto de suposiciones.

## Qué evalúa Diagnose

![Diagrama del Diagnose Evidence Stack: siete capas, de la alineación estratégica a la medición y el valor, unidas por una llave](https://kodokalabs.com/assets/media/2026/08/kodokalabs-framework-diagnose-phase-seven-layer-evidence-stack.webp)

La **Diagnose Evidence Stack** de kōdōkalabs organiza el diagnóstico en siete áreas de evidencia. Es la [metodología](../../en/methodology.md) propia de kōdōkalabs para estructurar un diagnóstico, no un estándar del sector validado externamente.

### Alineación estratégica

Objetivos, perfil de cliente ideal, posicionamiento, prioridades de crecimiento y capacidad de decisión de la dirección. Un esfuerzo de transformación desconectado de las prioridades reales del negocio, por sólido que sea técnicamente, suele perder la atención de la dirección en cuanto surgen prioridades en competencia.

### Realidad de los flujos de trabajo

Cómo circula realmente el trabajo por la organización, con las excepciones, los traspasos, las demoras, el trabajo repetido y las aprobaciones que un mapa de procesos documentado suele omitir. La diferencia entre cómo se supone que funciona un flujo de trabajo y cómo funciona de verdad es con frecuencia donde está el verdadero cuello de botella.

### Conocimiento y preparación de los datos

Calidad de las fuentes, acceso, titularidad, estructura, sensibilidad y recuperación. El trabajo asistido por IA solo es tan fiable como el conocimiento en el que se apoya. Esta área de evidencia determina si ese conocimiento es realmente utilizable, y no solo si existe en teoría en algún lugar de la organización.

### Tecnología e integración

[Herramientas](../../en/tools.md), licencias, flujos de datos, controles de acceso, duplicidades y limitaciones técnicas. Va más allá de un simple inventario: examina cómo se conectan las herramientas (o no) y dónde generan fricción sistemas redundantes o contradictorios.

### Gobernanza y riesgos

Políticas, clases de riesgo, requisitos de revisión humana, privacidad, seguridad, propiedad intelectual y asignación de responsabilidades. Una organización puede tener una tecnología sofisticada y arrastrar aun así un riesgo importante sin diagnosticar si la gobernanza no ha avanzado al mismo ritmo.

### Personas y capacidades

Claridad de los roles, destreza práctica, barreras a la adopción, incentivos y preparación para asumir la titularidad. La tecnología y el rediseño de los flujos de trabajo fracasan cuando no se ha evaluado si las personas que han de manejar el resultado están realmente en condiciones de hacerlo.

### Medición y valor

Puntos de partida actuales, costes, indicadores de calidad, contribución comercial y lagunas en los informes. Esta área de evidencia pregunta si la organización es capaz hoy de demostrar el valor de sus operaciones de marketing, algo que, con independencia de la IA, sorprendentemente muchas no pueden. Si la organización no puede establecer hoy una base de medición creíble, esa carencia se convierte por sí misma en un hallazgo prioritario, porque cualquier mejora atribuida más adelante a la IA tropezará con el mismo problema de justificación.

Estas siete áreas se evalúan juntas a propósito, porque interactúan. Un flujo de trabajo puede parecer listo para un rediseño asistido por IA según sus propios criterios y apoyarse al mismo tiempo en un conocimiento que no está estructurado lo bastante bien para sostenerlo, o en una gobernanza que no ha avanzado al ritmo del riesgo que introduciría el rediseño. Evaluar las áreas por separado, el error que suele cometer una auditoría de «preparación para la IA» demasiado estrecha, tiende a pasar por alto precisamente estos efectos de interacción, que con frecuencia es donde están los hallazgos de mayor prioridad.

## Evidencias necesarias para un diagnóstico de marketing con IA

Cada hallazgo de Diagnose se clasifica con los **Evidence Strength Levels** de kōdōkalabs: cuatro niveles definidos de forma explícita, no un estándar externo:

| Nivel | Definición |
| --- | --- |
| **Asserted** (afirmado) | Alguien lo ha afirmado; todavía no existe documentación ni observación que lo respalde |
| **Observed** (observado) | Una persona del equipo de diagnóstico ha presenciado directamente el comportamiento o la situación |
| **Documented** (documentado) | Existe evidencia escrita (una política, un documento de flujo de trabajo, un registro de datos) |
| **Measured** (medido) | Cuantificado con un método definido, idealmente frente a un punto de comparación |

Un hallazgo de alta prioridad debe presentar tanto la evidencia que lo respalda como la consecuencia de equivocarse: si un hallazgo solo está «afirmado», se dice claramente y no se disfraza de algo más seguro. Importa porque las decisiones basadas en evidencias de nivel afirmado entrañan bastante más riesgo que las basadas en evidencias de nivel medido, y la dirección debe ver esa diferencia antes de actuar según una recomendación.

## Cómo se utiliza el AI Marketing Maturity Model

Diagnose utiliza el [AI Marketing Maturity Model](../../../posts/en/ai-marketing-maturity-model-for-readiness-and-transformation.md), el framework de kōdōkalabs de siete etapas y siete dimensiones, como un insumo del diagnóstico y no como el diagnóstico entero. El modelo de madurez estima en qué punto se encuentra hoy la organización en las mismas siete dimensiones que examina la Diagnose Evidence Stack y aporta una estructura comparativa. Pero por sí solo no sustituye el detalle por flujo de trabajo y clasificado por evidencia que produce un diagnóstico completo. Es una herramienta de encuadre dentro de un proceso más amplio de recopilación de evidencias, no un sustituto de este. La herramienta interactiva [AI Marketing Maturity Assessment](../evaluacion-madurez-marketing-ia.md) ofrece un punto de partida más ligero y basado en autoevaluación para las organizaciones que todavía no están preparadas para un proyecto completo de Diagnose.

## Cómo se evalúan los flujos de trabajo y los casos de uso

Dentro del área de realidad de los flujos de trabajo, cada flujo de trabajo y cada posible caso de uso de IA se evalúan con seis criterios:

### Relevancia para el negocio

¿Está este flujo de trabajo conectado con una prioridad real del negocio o es un candidato cómodo porque es visible o fácil de comentar?

### Frecuencia y esfuerzo

¿Con qué frecuencia se ejecuta este flujo de trabajo y cuánto esfuerzo consume hoy? Los flujos de trabajo de alta frecuencia y mucho esfuerzo suelen ofrecer la evidencia de valor más clara si se rediseñan; los de baja frecuencia rara vez justifican la inversión, por mucho potencial teórico de mejora que tengan.

### Requisitos de conocimiento y de datos

¿Qué necesita saber este flujo de trabajo para funcionar bien y ese conocimiento está hoy accesible de forma utilizable?

### Riesgo y reversibilidad

¿Qué ocurre si este flujo de trabajo produce un resultado erróneo o perjudicial y con qué facilidad se puede corregir? Los flujos de trabajo de baja reversibilidad y consecuencias graves exigen bastante más gobernanza que los de bajo riesgo y fácil corrección.

### Necesidad de criterio humano

¿Qué partes de este flujo de trabajo exigen un juicio real y cuáles consisten en seguir un proceso definido? Esto determina qué proporción del flujo de trabajo puede asistirse realistamente con IA y cuál debe seguir dirigida por personas.

### Viabilidad de la medición

¿Se puede medir de verdad el rendimiento de este flujo de trabajo con los datos disponibles o habría que construir antes una nueva instrumentación?

## ¿Quién participa en Diagnose?

Un diagnóstico creíble requiere más que la perspectiva de una sola persona. Suelen participar un **patrocinador ejecutivo** (responsable de la decisión de transformar), una **persona responsable del negocio** (responsable del resultado que la transformación pretende lograr), una **persona responsable del flujo de trabajo** (con responsabilidad diaria sobre el proceso examinado), una **persona experta en la materia** (con el conocimiento sectorial que pueda faltar al equipo de diagnóstico), una **persona del área técnica** (con visibilidad sobre sistemas, datos y limitaciones de integración), **responsables de gobernanza** (la perspectiva de privacidad, seguridad, jurídica o de cumplimiento, cuando proceda) y la **persona que toma la decisión final** (la que actuará de hecho según la recomendación del diagnóstico).

Omitir cualquiera de estos roles suele producir un diagnóstico con un tipo concreto de punto ciego. Por ejemplo, prescindir de la persona responsable del flujo de trabajo y entrevistar solo a la dirección suele dar un diagnóstico que describe el proceso tal como está documentado y no tal como se ejecuta. Omitir a los responsables de gobernanza tiende a producir un diagnóstico que parece completo en flujos de trabajo y tecnología, pero que descubre una laguna de privacidad o de cumplimiento cuando Architect ya ha empezado a diseñar a su alrededor, un momento mucho más caro para descubrirla.

La participación no exige que todos los roles estén presentes en todas las conversaciones. Lo que exige es que cada perspectiva quede recogida en algún punto del registro de evidencias antes de dar el diagnóstico por completo, con la fuente de cada aportación documentada: la observación de quien gestiona el flujo de trabajo tiene un peso probatorio distinto del de una afirmación de la dirección, y el diagnóstico debe dejar claro cuál es cuál.

![Diagrama de red del mapa de evidencias de la situación actual, con siete áreas, de la estrategia a la tecnología, conectadas a un punto central](https://kodokalabs.com/assets/media/2026/08/kodokalabs-framework-diagnose-phase-current-state-evidence-map.webp)

## Resultados de la fase Diagnose

Diagnose produce un **Decision Package** definido, no un resumen general de hallazgos:

- Planteamiento ejecutivo del problema
- Mapa de la situación actual
- Perfil de madurez por dimensión
- Inventario de flujos de trabajo y de dependencias
- Carencias de gobernanza y de riesgos
- Cartera de oportunidades (backlog)
- Registro de evidencias
- Métricas de partida
- Recomendaciones prioritarias
- Una decisión explícita: parar, hacer un piloto, pasar a Architect o seguir investigando

Este último punto importa tanto como cualquier otro resultado. Un diagnóstico que solo recomienda «pasar a la siguiente fase» no funciona como un ejercicio genuino de recopilación de evidencias: a veces las evidencias apoyan parar o investigar más a fondo un área concreta antes de comprometerse con nada.

## Criterios de salida de Diagnose

La fase solo se da por terminada cuando la dirección puede decir con precisión qué problema se está resolviendo, qué evidencias respaldan el diagnóstico, qué limitaciones pesan más, qué oportunidades merecen un diseño, qué no debe seguir adelante, qué punto de partida se utilizará más adelante y quién es responsable de la decisión sobre Architect. Si la dirección no puede responder a estas preguntas en términos concretos, y no con impresiones generales, el diagnóstico no ha terminado, por más tiempo que se haya dedicado a él.

Una prueba útil: si la respuesta a alguna de estas preguntas es un enunciado vago del objetivo de negocio original («queremos usar la IA para hacer crecer el marketing») y no una afirmación concreta y respaldada por evidencias («el flujo de trabajo X consume Y horas a la semana con un Z por ciento de trabajo repetido, y la base de conocimiento que lo sustenta no está documentada»), los criterios de salida todavía no se han cumplido, aunque ya se haya elaborado un informe y celebrado una reunión.

## Fallos habituales en Diagnose

- **Evaluaciones que empiezan por la herramienta:** partir de «qué herramientas deberíamos adoptar» en lugar de «qué muestran las evidencias que nos está frenando realmente». Es el fallo más frecuente, en buena parte porque es la pregunta más fácil de responder deprisa y aquella con la que más proveedores están interesados en ayudar.
- **Madurez autodeclarada sin evidencias:** aceptar la valoración que hace la propia dirección de la madurez de la organización sin contrastarla con evidencias observadas o documentadas. La visión de la dirección sobre la madurez de su organización suele ser más optimista que lo que respalda la observación sobre el terreno, en particular en gobernanza y en preparación del conocimiento.
- **Ausencia de quienes gestionan los flujos de trabajo en primera línea:** diagnosticar solo a partir de entrevistas con la dirección y perder de vista cómo se trabaja realmente cada día. La dirección suele describir el proceso documentado; quienes gestionan los flujos de trabajo describen el real, excepciones incluidas.
- **Gobernanza ignorada:** tratar la gobernanza y los riesgos como un añadido y no como una de las siete áreas de evidencia básicas. Un diagnóstico que prescinde de la gobernanza puede dar un rediseño técnicamente sólido que resulta bastante más arriesgado de lo que nadie imaginaba cuando empieza la implantación.
- **Benchmarks inventados:** comparar la organización con cifras del sector sin verificar o directamente inventadas, en lugar de con su propio punto de partida documentado. Las comparaciones con el estado anterior de la propia organización casi siempre son más defendibles que las comparaciones con una cifra externa imposible de verificar.
- **Recomendaciones que preceden a los hallazgos:** llegar primero a una solución preferida y reunir después evidencias de forma selectiva para respaldarla. Es el patrón que más se parece a una auditoría comercial y no a un diagnóstico genuino, y a menudo el que más cuesta detectar a una organización sin una mirada externa.

![Diagrama del diagnóstico con cuatro resultados posibles: detener, piloto, Architect o investigar más](https://kodokalabs.com/assets/media/2026/08/kodokalabs-framework-diagnose-phase-common-diagnose-failure-modes-1024x576.webp)

## De Diagnose a Architect

Diagnose entrega a Architect un paquete concreto: el registro de evidencias, el perfil de madurez, la cartera de oportunidades priorizada y la decisión explícita sobre qué merece un diseño. Architect no vuelve a diagnosticar: toma los hallazgos de Diagnose como punto de partida para diseñar un modelo operativo de destino. Si durante el trabajo de diseño Architect descubre que el diagnóstico estaba incompleto en un área concreta, es una señal para volver a Diagnose en esa área y no para seguir adelante sobre una suposición.

## Preguntas frecuentes sobre la fase Diagnose

### ¿Por qué diagnosticar primero en lugar de elegir directamente herramientas de IA?

Porque una elección de herramientas movida por suposiciones y no por evidencias suele resolver el problema equivocado, o un problema real que no es la mayor limitación de la organización.

### ¿Qué debe abarcar una evaluación de marketing con IA?

Las mismas siete áreas que cubre la Diagnose Evidence Stack: alineación estratégica, realidad de los flujos de trabajo, conocimiento y preparación de los datos, tecnología e integración, gobernanza y riesgos, personas y capacidades, y medición y valor.

### ¿Qué evidencias hacen falta para un punto de partida fiable?

Una combinación de evidencias afirmadas, observadas, documentadas y medidas en las siete áreas, y un diagnóstico que deje claro qué nivel respalda cada hallazgo, en lugar de presentarlo todo con la misma seguridad.

### ¿Quién tiene que participar en el diagnóstico?

Como mínimo, un patrocinador ejecutivo, la persona responsable del negocio, la responsable del flujo de trabajo, una persona experta en la materia, una persona del área técnica, los responsables de gobernanza que correspondan y quien toma la decisión final: véase «¿Quién participa en Diagnose?» más arriba.

### ¿Cómo se evalúan los flujos de trabajo y los casos de uso de IA?

Con seis criterios: relevancia para el negocio, frecuencia y esfuerzo, requisitos de conocimiento y de datos, riesgo y reversibilidad, necesidad de criterio humano y viabilidad de la medición.

### ¿Cómo influyen los riesgos y la gobernanza en lo que se aborda primero?

Los flujos de trabajo de mayor riesgo y menor reversibilidad requieren más diseño de gobernanza antes de priorizarse para un rediseño, por atractivo que parezca su valor potencial visto de forma aislada.

### ¿Qué se obtiene de la fase Diagnose?

El Decision Package completo: planteamiento del problema, mapa de la situación actual, perfil de madurez, inventario de flujos de trabajo, carencias de gobernanza, cartera de oportunidades, registro de evidencias, métricas de partida, recomendaciones prioritarias y una decisión explícita sobre el siguiente paso.

### ¿Cómo enlaza Diagnose con Architect?

El Decision Package de Diagnose pasa a ser el principal insumo de Architect. Architect diseña el modelo operativo de destino a partir de lo que ha encontrado Diagnose, en lugar de partir de cero o de una suposición.

### ¿Puede hacer el diagnóstico su propio equipo?

En principio sí: la Diagnose Evidence Stack y los Evidence Strength Levels son una metodología que un equipo interno puede aplicar. En la práctica, los diagnósticos internos suelen tropezar con los mismos puntos ciegos que ayuda a sacar a la luz una mirada externa, sobre todo en la madurez autodeclarada y en las carencias de gobernanza que nadie dentro de la organización tiene interés en señalar.

### ¿En qué se diferencia un diagnóstico de una auditoría comercial?

Una auditoría comercial está concebida para llegar a una recomendación predeterminada, normalmente el producto o servicio de quien audita. Un diagnóstico genuino está dispuesto a concluir «parar» o «esto no» y muestra sus evidencias en todos los niveles de confianza, también donde son débiles.

## ¿Listo para diagnosticar la madurez de su organización en marketing con IA?

Si está cansado de estrategias fragmentadas y centradas en palabras clave, es hora de construir una base que resista los cambios de algoritmo. Empecemos por el plano que garantiza una ejecución de alto retorno. [Póngase en contacto con nosotros](#contact)