Buscar en Gazafatonario IT

Mostrando las entradas con la etiqueta Equipo. Mostrar todas las entradas
Mostrando las entradas con la etiqueta Equipo. Mostrar todas las entradas

martes, abril 01, 2025

Entre la eficiencia y el despojo: La inevitable mutación del desarrollo de software por la IA

 

Entre la eficiencia y el despojo: La inevitable mutación del desarrollo de software por la IA


Alerta de espóiler: este artículo se basa y contiene datos e imágenes del más reciente reporte DORA sobre el impacto de la Gen AI en el desarrollo de software.

El reciente reporte sobre “The Impact of Gen AI in Software Development” ofrece una visión amplia y matizada sobre la transformación que la inteligencia artificial generativa (IA) está provocando en el mundo del desarrollo de software. El informe no solo destaca los beneficios tangibles y las oportunidades que surgen al integrar estas tecnologías en el ciclo de desarrollo, sino que también plantea desafíos, paradojas y riesgos que deben abordarse de forma estratégica. Así que vamos a analizar los aspectos positivos, negativos y las áreas de incertidumbre (“lo bueno, lo malo, lo feo”) que emergen del estudio, para finalmente responder una pregunta: ¿qué dirección pueden tomar las organizaciones respecto a la adopción de IA en el desarrollo de software?

Entremos en materia.

Lo bueno: Beneficios para los desarrolladores y la organización

Uno de los principales hallazgos del reporte es que la adopción de IA se asocia con mejoras en la productividad, el flujo de trabajo y la satisfacción laboral de los desarrolladores. El medir el impacto en el éxito y el bienestar individual, se encontró que un incremento del 25 % en la adopción de IA se vincula con aumentos en la productividad, mayor frecuencia en el estado de “flow”, es decir, los desarrolladores experimentan más momentos de concentración intensa y productividad continua en su trabajo, y un incremento en la satisfacción con el trabajo. Estos beneficios se deben, en parte, a lo que sabemos: la IA permite automatizar tareas repetitivas y liberar tiempo para que los desarrolladores se concentren en actividades más creativas y de mayor valor, como la resolución de problemas complejos, lo que genera una experiencia laboral más fructífera.

Article content
Figura 1: Impactos de la adopción de IA en el éxito y el bienestar individual. Fuente: DORA Impact of Gen AI in Software Development Report.

En el perímetro organizacional, la adopción de IA también tiene impactos positivos evidenciados en mejoras en la calidad del código, la velocidad de revisión y aprobación, y la optimización de la documentación. Al aumentar el uso de IA, se logra un incremento de aproximadamente un 7.5 % en la calidad de la documentación y mejoras de entre 1.3 % y 3.4 % en la calidad del código y los procesos de revisión. Estas mejoras no solo permiten reducir la deuda técnica y la complejidad del código (aunque de manera modesta, con reducciones del -0.8 % y -1.8 % respectivamente), sino que también posibilitan una respuesta más rápida en la identificación y corrección de errores, lo que puede contribuir a una mayor eficiencia en el ciclo de desarrollo.

Son datos que evidencian las hipótesis que teníamos en cuanto a la innovación: la capacidad de generar código a gran escala y de forma automatizada fomenta la experimentación y la adopción de nuevas formas de hacer las cosas, lo que a largo plazo puede impulsar la competitividad de las organizaciones en los mercados actuales.

Article content
Figura 2: Impactos de la adopción de IA en el código producido. Fuente: DORA Impact of Gen AI in Software Development Report.

Datos, datos, datos

A continuación, presentamos una tabla que resume algunos de los hallazgos clave del reporte, junto con la métrica asociada y una calificación del impacto:

Hallazgos e Impacto de la IA en el Desarrollo de Software
Fuente: DORA Impact of Gen AI in Software Development Report

La tabla sintetiza los datos más relevantes del informe, permitiendo identificar claramente las áreas en las que la adopción de IA genera beneficios, así como los aspectos que requieren atención o mitigación.

Lo malo: Desafíos y paradojas en la integración de IA

Uno de los hallazgos más sorprendentes es la disminución del tiempo dedicado a tareas que los desarrolladores consideran valiosas, a pesar de la mejora en indicadores como productividad y satisfacción. Esta paradoja, denominada en el estudio como la “vacuum hypothesis”, sugiere que, al aumentar la eficiencia mediante la IA, los desarrolladores terminan completando las tareas de alto valor más rápidamente, lo que se traduce en una reducción del tiempo invertido en ellas. Este fenómeno plantea interrogantes sobre la percepción de valor en el trabajo y sobre si la automatización puede, en ciertos casos, limitar el potencial de profundización o perfeccionamiento de actividades que, de otro modo, aportarían un mayor significado profesional.

Otro aspecto negativo que resalta el documento es el impacto adverso sobre la estabilidad en la entrega de software. Aunque la velocidad de entrega sufre una leve disminución (alrededor de -1.5 %), la estabilidad se ve afectada de manera más significativa (-7.2 %). Esto podría deberse a que la facilidad para generar grandes volúmenes de código mediante IA lleva a la implementación de cambios de mayor tamaño, lo que históricamente se ha asociado a un incremento en los errores y en la inestabilidad del producto final. La adopción de IA, por lo tanto, no garantiza por sí sola una mejora en la calidad de las entregas, sino que exige una atención especial a las prácticas tradicionales de ingeniería, como el mantenimiento de pequeños lotes de cambios y la implementación rigurosa de pruebas automatizadas.

Asimismo, se evidencian riesgos relacionados con la confianza en los sistemas de IA. A pesar de que los desarrolladores que utilizan estas herramientas reportan un aumento en su productividad, la confianza en la calidad del código generado puede ser baja. Ya lo habíamos imaginado mucho antes del reporte: como con cualquier otra tarea en la que usemos la IA, la dependencia excesiva en las sugerencias de la IA sin la adecuada verificación humana podría derivar en problemas de calidad a mediano y largo plazo, afectando no solo el producto final, sino también la reputación y la eficiencia operativa de la organización.

Article content
Figura 3: Impactos de la adopción de IA en el rendimiento y la estabilidad de la entrega. Fuente: DORA Impact of Gen AI in Software Development Report.

Lo feo: Incertidumbres y riesgos estratégicos

Más allá de los aspectos positivos y negativos, el reporte también señala “lo feo” en términos de incertidumbres y riesgos estratégicos que aún deben ser abordados. Uno de estos riesgos es la posible disrupción en el rol de los desarrolladores. La adopción de IA plantea la inquietud de que, a medida que las herramientas se vuelven más sofisticadas, se pueda desvalorizar la experiencia y el conocimiento humano, generando temores sobre el desplazamiento laboral o la reducción de las horas remuneradas. Este escenario, aunque no se presenta como una consecuencia directa e inmediata, exige que las organizaciones desarrollen estrategias para reestructurar el rol del desarrollador, enfocándolo en actividades que complementen la automatización y potencien las habilidades humanas, como la resolución de problemas complejos, la toma de decisiones estratégicas y la innovación.

Otro riesgo es la carencia de políticas claras y consistentes en el uso de IA. El reporte destaca la importancia de que las organizaciones establezcan directrices transparentes sobre el uso y las limitaciones de estas tecnologías. La ausencia de un marco regulatorio interno puede derivar en usos irresponsables o incluso en vulnerabilidades de seguridad, afectando tanto la integridad de los datos como la confianza de los empleados y clientes. La elaboración de políticas de uso aceptable y de estrategias de gobernanza robustas se vuelve, por tanto, un imperativo para minimizar los riesgos y asegurar que la adopción de IA se traduzca en beneficios sostenibles a largo plazo.

Direcciones estratégicas para las organizaciones

Frente a este escenario complejo, ¿qué dirección pueden tomar las organizaciones respecto a la adopción de IA en el desarrollo de software? El reporte sugiere que la clave está en una estrategia equilibrada que combine la innovación tecnológica con la solidez de las prácticas tradicionales de ingeniería.

En primer lugar, es fundamental que las organizaciones adopten un enfoque gradual y responsable. La implementación de IA debe acompañarse de programas de capacitación que permitan a los desarrolladores familiarizarse con las nuevas herramientas, comprendiendo tanto sus potencialidades como sus limitaciones. Al invertir en formación y en la creación de comunidades de práctica, las empresas pueden fomentar un entorno de aprendizaje continuo, donde la experimentación y el intercambio de conocimientos potencien la adopción de la tecnología de forma segura y controlada.

En segundo lugar, es imprescindible establecer políticas claras que definan el uso y los límites de la IA. Estas directrices no solo deben contemplar aspectos técnicos, sino también éticos y de seguridad, garantizando que la automatización no comprometa la calidad del código ni la integridad de los procesos. La transparencia en la comunicación de estas políticas ayudará a mitigar los temores relacionados con la pérdida de empleo o la desvalorización del trabajo humano, reforzando la idea de que la IA es una herramienta que potencia, y no sustituye, las capacidades de los desarrolladores.

Otro aspecto crucial es la integración de la IA en un ecosistema de prácticas de desarrollo sólidas. La experiencia demuestra que la automatización de tareas repetitivas y la generación de código de calidad pueden ser muy beneficiosas, siempre que se mantengan mecanismos de control como la revisión de código, las pruebas automatizadas y la gestión de pequeños lotes de cambios. Estas prácticas permiten compensar los riesgos asociados a la generación masiva de código y aseguran que los beneficios de la IA se traduzcan en una entrega de software más estable y confiable.

Además, las organizaciones deben estar preparadas para replantear los roles y responsabilidades dentro de los equipos de desarrollo. La adopción de IA puede generar la necesidad de nuevos perfiles, como el de “prompt engineer” o especialista en la integración y verificación de herramientas automatizadas. Redefinir las funciones y potenciar la colaboración entre los expertos en IA y los desarrolladores tradicionales permitirá que ambas competencias se complementen, impulsando la innovación y la eficiencia.

Finalmente, es inaplazable que las organizaciones adopten un enfoque basado en la medición continua y la retroalimentación. El reporte enfatiza la importancia de utilizar métricas y sistemas de retroalimentación para evaluar el impacto de la IA en diferentes niveles: individual, de equipo y organizacional. Al monitorear indicadores clave, como la productividad, la estabilidad de las entregas y la calidad del código, las empresas pueden ajustar sus estrategias de adopción de forma dinámica, aprendiendo de la experiencia y corrigiendo el rumbo cuando sea necesario.

El desafío real no es la IA, sino cómo la usamos

Para cerrar, la IA representa una herramienta poderosa que, bien implementada, puede potenciar el rendimiento y la creatividad de los desarrolladores, mejorar la calidad del código y acelerar la entrega de software. Sin embargo, sus beneficios no son automáticos ni exentos de riesgos. Si tu organización quiere estar mejor posicionada para liderar el cambio en el mundillo tecnológico vigente, hazte acompañar para que logres equilibrar la innovación con la disciplina técnica y una visión estratégica orientada a la transformación cultural.

En Experimentum ya lo estamos haciendo.

Puedes descargar el DORA Impact of Gen AI in Software Development Report completo en:

DORA | Accelerate State of DevOps Report 2024

https://dora.dev/research/2024/dora-report/

lunes, febrero 17, 2025

Sprints inteligentes: ¿cómo la IA potencia la toma de decisiones con Insights basados en datos?

Sprints inteligentes: ¿cómo la IA potencia la toma de decisiones con Insights basados en datos?


En el artículo anterior, “Más allá del sprint: ¿Por qué la IA está revolucionando la agilidad y poniendo el mundo empresarial de cabeza?” exploramos a grandes rasgos cómo es posible integrar la IA a nuestra práctica ágil tradicional. Hoy vamos a examinar con algo más de detalle cómo mejorar la toma de decisiones con información basada en datos.

Y es que, hoy por hoy, tomar decisiones informadas es más crítico que nunca. Los equipos ágiles avanzan gracias a iteraciones rápidas y a la mejora continua, pero para sobresalir realmente, necesitan algo más que intuiciones o corazonadas: requieren puntos de vista basados en datos. Los equipos pueden optimizar sus procesos de toma de decisiones aprovechando el poder de la Inteligencia Artificial (IA) para procesar enormes volúmenes de información, asegurándose de generar el mayor valor posible en cada sprint.

El papel fundamental de los datos en la toma de decisiones ágiles

Los equipos ágiles fundamentan todo su trabajo en el desarrollo iterativo y en la retroalimentación continua. Tradicionalmente, los equipos ágiles confiaban en revisiones periódicas, sesiones de retroalimentación con clientes y reuniones retrospectivas para orientar sus decisiones. Sin embargo, estos métodos, aunque valiosos, a menudo presentan retrasos inherentes y pueden pasar por alto cambios sutiles en el comportamiento de los usuarios. Con la explosión de datos digitales—desde clics y tiempos de sesión hasta el sentimiento en redes sociales y dinámicas del mercado—las organizaciones ahora disponen de herramientas que les permiten acceder a perspectivas en tiempo real capaces de influir drásticamente en la toma de decisiones.

La toma de decisiones basada en datos transforma la manera en que los equipos ágiles priorizan las historias de usuario y refinan su backlog de producto. Si además integran analítica con IA en sus procesos, los equipos pueden examinar muchos datos para detectar patrones y tendencias que de otro modo pasarían desapercibidos. Por ejemplo, una plataforma de comercio electrónico podría analizar los datos de navegación de sus usuarios para identificar en qué punto del proceso de compra se abandonan los carritos. En lugar de esperar a recibir retroalimentación anecdótica, el equipo ágil obtiene insights inmediatos y cuantificables que impulsan la planificación de un sprint cuyo objetivo sea resolver ese problema. Este enfoque minimiza el esfuerzo desperdiciado y garantiza que cada ciclo de desarrollo esté alineado con las verdaderas necesidades del usuario.

Además, los insights basados en datos permiten a los equipos predecir tendencias futuras en lugar de simplemente reaccionar a comportamientos pasados. En un entorno ágil, donde cada sprint es una oportunidad de aprendizaje, la capacidad de anticipar las necesidades de los clientes puede marcar la diferencia. Los algoritmos de IA pueden pronosticar tendencias al comparar las interacciones actuales de los usuarios con datos históricos, proporcionando una capa predictiva a la toma de decisiones. Esta capacidad predictiva no solo acelera el ciclo de desarrollo, sino que también reduce el riesgo de invertir en características que podrían no aportar el valor esperado. La integración de la IA convierte los datos en un activo estratégico, empoderando a los equipos ágiles para tomar decisiones oportunas y efectivas.

Cómo la IA transforma los datos en Insights accionables

En el núcleo de la toma de decisiones mejorada mediante IA se encuentra la habilidad de procesar y analizar datos a gran escala. Los sistemas modernos de IA utilizan algoritmos de aprendizaje automático para examinar vastos conjuntos de datos, identificando tendencias y anomalías que los analistas humanos podrían pasar por alto. Estos sistemas operan en tiempo real, actualizando continuamente sus modelos basándose en nuevos datos, lo que garantiza que los insights sean siempre actuales y relevantes. Para los equipos ágiles, esto significa que cada decisión—desde la planificación del sprint hasta la priorización de historias de usuario—puede respaldarse con datos concretos y actualizados.

Veamos un escenario en el que un equipo de desarrollo de software trabaja en una nueva funcionalidad para una aplicación móvil. Tradicionalmente, el equipo podría depender de retroalimentación esporádica de los usuarios o de unas pocas encuestas para evaluar el impacto de la funcionalidad. Sin embargo, al incorporar analíticas impulsadas por IA, el equipo puede monitorear continuamente las interacciones de los usuarios. Por ejemplo, el sistema de IA podría revelar que los usuarios abandonan la nueva funcionalidad poco después de iniciarla. Con ese insight, el equipo puede investigar más a fondo, identificar posibles problemas de usabilidad y ajustar su plan de desarrollo en el siguiente sprint. Esta respuesta rápida e informada por datos reduce el tiempo improductivo y mejora la calidad general del producto.

Más allá de los ajustes reactivos, la IA ofrece recomendaciones proactivas. Cuando analizan datos históricos y tendencias actuales, las herramientas de IA pueden predecir cuáles características o correcciones tendrán el mayor impacto en la satisfacción del usuario. Esto no solo mejora la calidad del producto final, sino que también optimiza el proceso de toma de decisiones. Los equipos ágiles ya no tienen que depender únicamente de evaluaciones subjetivas; en su lugar, pueden utilizar los insights generados por la IA para validar sus estrategias y priorizar iniciativas respaldadas por datos sólidos. El resultado es un proceso de desarrollo más eficiente, ágil y centrado en el cliente.

En el ámbito de los servicios financieros, por ejemplo, los equipos ágiles pueden utilizar la IA para mejorar la toma de decisiones en la gestión de riesgos y en la atención al cliente. Por ejemplo, un banco podría implementar un sistema basado en IA para analizar datos de transacciones y detectar actividades fraudulentas. Este sistema monitorea continuamente el comportamiento de los clientes y alerta en tiempo real ante anomalías. Cuando se detecta una actividad sospechosa, el equipo ágil puede movilizarse rápidamente para investigar y mitigar posibles riesgos. Esto no solo protege los activos del banco, sino que también refuerza la confianza del cliente. Además, la IA puede ofrecer una visión clara sobre los hábitos de gasto de los clientes, ayudando al banco a personalizar sus servicios y productos para satisfacer mejor las necesidades de sus usuarios.

Beneficios y desafíos de la toma de decisiones basada en datos

Beneficios

En primer lugar, mejora la velocidad y la precisión en la toma de decisiones. Los equipos ágiles pueden identificar y abordar rápidamente los problemas, asegurando que el producto evolucione conforme a las expectativas de los usuarios. Esto no solo eleva la calidad del producto final, sino que también acelera el tiempo de salida al mercado—una ventaja crítica en el panorama competitivo actual.

Además, las perspectivas basadas en datos fomentan una cultura de transparencia y responsabilidad. Cuando las decisiones se respaldan con datos concretos, resulta más fácil justificar cambios y asignaciones de recursos. Este enfoque objetivo minimiza los conflictos internos y alinea al equipo en torno a metas claras y medibles. La capacidad de predecir tendencias y anticipar las necesidades del cliente conduce a un proceso de desarrollo más proactivo, lo que proporciona a las empresas una ventaja estratégica frente a la competencia.

Desafíos

Uno de los principales obstáculos es la calidad de los datos. Para que la IA genere insights confiables, los datos subyacentes deben ser precisos, completos y estar libres de sesgos. Una mala calidad en los datos puede llevar a conclusiones erróneas y a esfuerzos mal direccionados, lo que en última instancia puede dañar tanto el producto como la reputación de la organización.

Otro desafío importante es el cambio cultural necesario para adoptar la toma de decisiones basada en datos. Los equipos ágiles acostumbrados a confiar en la intuición y en mecanismos tradicionales de retroalimentación pueden mostrar resistencia al cambio hacia un enfoque más analítico. Esta resistencia se puede superar mediante la educación y la capacitación, demostrando éxitos incrementales que pongan de relieve los beneficios de la integración de la IA. Además, las organizaciones deben invertir en la infraestructura y en las herramientas necesarias para recolectar, procesar y analizar datos de manera efectiva. Aunque esta inversión puede resultar significativa, los beneficios a largo plazo en términos de eficiencia e innovación suelen justificar los costos iniciales.

Tendencias futuras e implicaciones estratégicas

Apostamos por una integración aún más profunda de la IA con la agilidad, una en la que la IA no solo analiza datos, sino que también sugiere cambios estratégicos, predice variaciones del mercado e incluso automatiza partes del proceso de toma de decisiones. Por ejemplo, ya estamos explorando tecnologías emergentes de IA que nos permitan experimentar con la planificación autónoma de sprints, donde el sistema recomienda el conjunto óptimo de historias de usuario a abordar en función de datos en tiempo real y analíticas predictivas.

Desde un punto de vista estratégico, las organizaciones que inviertan en prácticas ágiles basadas en datos impulsadas por IA estarán mejor posicionadas para navegar en el maremágnum mercantil de hoy. Estas empresas podrán adaptarse rápidamente a las demandas cambiantes de los clientes, minimizar riesgos y aprovechar oportunidades que la competencia podría pasar por alto. La exitosa fusión de la IA y las prácticas ágiles se convertirá en un diferenciador crítico, sentando las bases para la próxima generación de transformación digital.

Además, a medida que las tecnologías de IA se vuelvan más sofisticadas, la colaboración entre la creatividad humana y la precisión de la máquina se profundizará. El papel de los equipos ágiles evolucionará hacia una integración en la que datos e intuición se combinen de manera armoniosa, llevando a un enfoque equilibrado que aproveche las fortalezas tanto del análisis humano como del automatizado. Esta relación simbiótica está destinada a redefinir la innovación y la eficiencia en múltiples industrias.

No, ya pasamos hace rato el punto de no retorno. No es posible avanzar en el camino que supone la agilidad sin el soporte de una herramienta tan poderosa como la inteligencia artificial. ¿Ya lo estás haciendo en tu equipo u organización?

martes, enero 21, 2025

Del caos a la sinfonía: Armoniza a tu equipo antes de que todo suene mal

Del caos a la sinfonía: Armoniza a tu equipo antes de que todo suene mal

Durante 37 años he trabajado con o acompañado a cientos de equipos y miles de personas y he tenido la oportunidad de crear con ellos productos asombrosos. Incluso he escrito y publicado libros en los últimos 15 años, una operación que siempre se logra colaborando en equipo. Es bastante satisfactorio cuando entregas al público algo en lo que has sido minucioso y le has dedicado buena parte de tus mejores momentos.

Pero también he estado allí cuando las cosas no han salido bien. No es solo tu desilusión, es la de todo un grupo de personas que se han desempeñado de la mejor manera posible para lograr un objetivo y no ha sido posible. He estudiado mucho este fenómeno de cuando las cosas no terminan bien para un equipo o para una empresa. Después de todo, las heridas físicas y hasta mentales causadas por estas caídas saltan a la vista.

Precisamente, una de las causas más frecuentes, casi endémicas, de tales decepciones es esta de la desalineación de los equipos. Y voy a empezar a explicarte de qué se trata con un ejemplo muy común. Es como cuando intento llevar a cabo un plan de salir a cenar con mi esposa y mi hija. Parece algo sencillo, ¿cierto? ¡No te apresures!

He estado en medio de ambas cuando una lleva soñando toda la semana con comida italiana mientras la otra quiere sushi porque es más digno de Instagram. Yo, en cambio, solo quiero un buen bistec porque he tenido una larga semana y necesito algo más sustancioso. En el debate emergen argumentos de que los ñoquis son un alimento reconfortante, pero hay un contraataque diciendo que el sushi es más ligero y saludable. Ni hablar de cuando trato de ser el pacificador sugiriendo un restaurante de carnes con opciones de sushi, porque te dicen: “¡Eso no cuenta como sushi de verdad!”.

Esto es esencialmente un desajuste de equipo en su forma más evidente. Todos compartimos el mismo objetivo general (cenar juntos), pero las diferentes perspectivas (comida reconfortante versus comida de moda versus comida saludable), objetivos específicos disímiles (satisfacer antojos versus comidas dignas de Instagram) y alcances discordantes (satisfacción inmediata versus experiencia culinaria) convierten todo en un caos.

¿Les suena familiar? Este tipo de desajustes ocurren todo el tiempo en los equipos y, si no se resuelven, pueden hacer que hasta las tareas más sencillas resulten agotadoras. Por suerte, al igual que en mi familia, un poco de empatía, alineación y compromiso pueden salvar el día y tal vez incluso llevar a descubrir el mejor restaurante de cocina fusión de la ciudad.

Tres formas de desalineación en los equipos

Mi historia de la cena malograda captura la esencia de los desajustes que a menudo vemos en los equipos: perspectivas diferentes, objetivos diferentes y alcances diferentes.

Diferentes perspectivas: el “elefante en la habitación”

Surgen diferentes perspectivas porque cada uno tiene su propio "enfoque" moldeado por experiencias, conocimientos y prejuicios personales. Esta es la clásica historia de los ciegos que describen un elefante: uno siente la trompa y dice que es una serpiente, otro agarra la pata y afirma que es un árbol, mientras que el que toca la cola piensa que es una cuerda. Todos tienen razón, pero no están alineados.

Este tipo de desalineación se caracteriza principalmente por:

·       Opiniones contradictorias a pesar de datos compartidos.

·       Desafíos para comprender “por qué” alguien lo ve de manera diferente.

·       Con frecuencia una fuente de frustración es: "¡¿Cómo es posible que no lo entiendan?!"

Es un hecho, las personas estamos programadas para interpretar las situaciones en función de nuestra experiencia y función. Un programador se centra en el código, mientras que alguien de mercadeo ve el impacto en el cliente. Ninguno de los dos está equivocado, pero ambos carecen de una visión completa. Es lo que alguna vez llamé “dicotomía peyorativa”. ¡Todavía recuerdo aquella reunión!

Diferentes objetivos: el tira y afloja

Se presentan distintos objetivos cuando los miembros del equipo priorizan diferentes resultados. ¿Recuerdan lo del sushi o la comida italiana? Es así. No se puede complacer a todo el mundo, a menos que se encuentren puntos en común. Los equipos se enfrentan al mismo tira y afloja cuando los individuos o los grupos tienen objetivos contrapuestos.

Lo que he visto que ocurre incluye:

·       Desacuerdos sobre lo que es "más importante".

·       Prioridades mal alineadas conducen a un desperdicio de energía.

·       La gente tira en direcciones opuestas, por ejemplo: “¡Necesitamos velocidad!” versus “¡Necesitamos calidad!”.

De primerísima mano sé que los objetivos están influenciados por los roles de los miembros del equipo, los incentivos y las definiciones individuales de éxito. Sin una visión compartida, las prioridades personales se imponen. He visto Product Owners presionando para que se lance un producto rápidamente, mientras que el equipo de desarrollo aboga por que se realicen más pruebas. Es el clásico debate de "rápido versus impecable".

Diferentes alcances: el efecto zoom

Los alcances definen cuán estrecha o amplia es nuestra perspectiva de una situación. He conocido personas que se obsesionan con los pequeños detalles mientras que otras los desestiman como si "no fueran gran cosa". De hecho, ahora que lo pienso, yo mismo he estado en ambos lados del disco. Los equipos experimentan esto cuando los individuos operan en diferentes "niveles de zoom": algunos piensan estratégicamente, otros tácticamente.

Eso es una desalineación del alcance. Si te has encontrado con algunas de estas escenas, también has estado allí:

·       Alcance limitado: "Vamos a solucionar este error".

·       Amplio alcance: "¿Cómo encaja esto en nuestro roadmap anual?"

·       Tensiones entre la corriente o dirección táctica y la estratégica del equipo o de la empresa.

El alcance también depende de las prioridades y la responsabilidad. Un desarrollador tiene la tarea de solucionar el problema de hoy, mientras que el CEO tiene en mente la participación de mercado del próximo año.

¿Y la solución?

Tengo que admitir que soy mejor resolviendo desajustes de equipos de trabajo que los emocionantes y románticos conflictos  familiares tipo sushi versus espagueti. Igual me divierto con estos y me hacen muy feliz.

Pero primero buscamos la causa raíz. ¿Qué tienen en común estos tipos de desalineación de equipos? En general, se deben a:

·    Brechas en la comunicación: con frecuencia, las suposiciones reemplazan las conversaciones reales.

·   Falta de contexto compartido: las responsabilidades y la experiencia de las personas determinan lo que consideran relevante.

·    Naturaleza humana: somos naturalmente centrados en nosotros mismos y se necesita esfuerzo para ver más allá de nuestra propia perspectiva. Esta es la raíz más compleja de todas.

Hay más orígenes, pero estos son los más comunes. En ocasiones, vas a necesitar acompañamiento para resolver estos trances, pero para ir del caos a la cohesión puedes empezar:

Creando un entendimiento compartido: incentiva a las personas a compartir sus perspectivas abiertamente. Ayuda a que todos vean el problema en su conjunto, no solo sus partes. Por ejemplo, en las reuniones, utiliza la regla “¿cuál es tu opinión?”, donde cada uno comparte su punto de vista antes de llegar a las conclusiones.

Alineándolos en torno a un objetivo común: facilita debates para identificar objetivos compartidos. Una "estrella del norte" sólida alinea las prioridades en pugna. Aquí, por ejemplo, los OKR (objetivos y resultados clave) juegan un papel fundamental para que los objetivos finalmente sean explícitos y visibles para todos.

Aclarando los alcances: aumenta y reduce la perspectiva entre todos. Analiza las prioridades inmediatas (logros a corto plazo) y cómo se relacionan con los objetivos más extensos (visión a largo plazo). Y,

Fomentando la empatía: adquiere el hábito de tener en cuenta las responsabilidades y las prioridades de los demás. Esto disminuye los juicios y fomenta la colaboración. Me ha ido bien con las dinámicas tipo “ponerse en los zapatos del otro” durante las retrospectivas o en cualquier otra sesión necesaria.

Aplico algunas de estas prácticas con mi esposa y mi hija cuando se trata de salir a divertirnos o decidir dónde cenar. En la historia que les compartí, después de un entretenido tira y afloja, ¡terminamos eligiendo comida de mar! Es algo que conecta con nuestras raíces y que siempre nos ayuda a encontrar un punto en común. Si esto es posible en mi familia—donde las decisiones a veces parecen un cónclave de las Naciones Unidas—créanme, también es posible alinear a tu equipo de trabajo.

Llamado a la acción

No es más por esta vez. Los desajustes son naturales, pero no insalvables. Fomenta la comunicación abierta, la alineación en torno a objetivos armónicos y el equilibrio de alcances. Con esto, los equipos pueden transformar la fricción en combustible. Ya sea que se trate de una sencilla cena familiar o de un proyecto de trabajo, la magia ocurre cuando todos reman en la misma dirección. Y, si todo lo demás falla, ¡siempre hay hamburguesas para cenar!

miércoles, octubre 04, 2023

El TAO de la experimentación: del caos a la evolución organizacional

 

Una de las conversaciones más extensas que sostuve en el más reciente Ágiles Latinoamérica en Lima, Perú, trató sobre experimentar en las organizaciones, a raíz de una charla de Jorge Abad sobre Liderazgo Digital, donde él preguntaba a los asistentes sobre el número de experimentos en el último mes: solo 2 o 3 personas mencionaron que 1. Un número irrisorio por demás que deja mucho que desear para empresas que están en la senda de la transformación digital. Y, sin embargo, muchísimo más que el resto de las empresas representadas en la sesión, cuyo número de experimentos simplemente es un vacío cero.

Mi crítica no se hizo esperar a la salida. Les contaba a mis amigos peruanos cómo Booking.com realiza más de 1.000 pruebas rigurosas simultáneamente y, según estimaciones, más de 25.000 pruebas al año. En cualquier momento dado, millones de miles de millones de permutaciones de páginas de destino activas, lo que hace prácticamente improbable que dos clientes en la misma ubicación vean la misma versión. Este nivel de experimentación ha ayudado a transformar la empresa de una pequeña empresa emergente holandesa a la plataforma de alojamiento en línea más grande del mundo en menos de dos décadas.

Les prometí finalmente que iba a escribir más sobre ello y aquí estoy.

Y es que experimentar, en el sentido amplio del concepto, no es solo un método. Es un estilo de vida. En mi era ágil como coach ágil, me di cuenta de que cada organización, cada equipo y cada individuo poseen un universo de potencial. Pero para aprovecharlo, debemos fomentar una cultura de experimentación.

Primero hablemos de las razones por las cuales no experimentamos:

1. Experimentación vs. Miedo al Fracaso

Durante mis primeros años como coach ágil, me encontré con equipos tan paralizados por el miedo al fracaso que dudaban en probar algo nuevo. Estaban practicando Scrum, pero sentía que estaban "haciendo ágil" en lugar de "ser ágiles". A uno de ellos, en particular, les propuse un desafío: en cada retrospectiva, llevaríamos a cabo un experimento. ¿Los resultados? Asombrosos. Cuanto más experimentaban, más aprendían. Y con cada experimento, el miedo al fracaso disminuía. Al celebrar los fracasos tanto como los éxitos, transformamos ese miedo en combustible para el crecimiento.

2. Generación y Validación de Hipótesis

Trabajando con el sector financiero siempre me encuentro con vacilaciones, dado el alto nivel de aprehensión por la seguridad, la regulación y la gestión de riesgos, que son aspectos cruciales en esta industria. En una ocasión, un equipo estaba interesado en integrar una nueva funcionalidad, pero a su vez estaba inseguro sobre su recepción. En lugar de hacer suposiciones, generamos una hipótesis: "Creemos que, al agregar la Función X, podemos aumentar la participación de los usuarios en un 15 % durante el próximo trimestre". Lanzamos un producto mínimo viable (MVP) y lo probamos. Los resultados no fueron los que esperábamos, pero las percepciones que obtuvimos fueron invaluables. Este enfoque iterativo de generar y validar hipótesis se convirtió en el corazón de su desarrollo de producto.

3. Aprendiendo del Fracaso: la esencia del crecimiento

Una vez guie a una organización a través de una transformación ágil a gran escala. Enfrentamos desafíos en cada esquina, desde la resistencia al cambio hasta malentendidos sobre ágil. En lugar de ver estos como obstáculos, vimos cada desafío como un experimento. Con cada "fracaso", recopilamos datos, adaptamos nuestro enfoque y avanzamos con una comprensión aún mayor. Fue en estos momentos de adversidad donde ocurrió el crecimiento más profundo.

La esencia de la experimentación en las organizaciones

La experimentación es ese gen de una práctica deliberada de probar nuevas ideas, procesos o productos de manera controlada para determinar su viabilidad o valor. En general implica establecer hipótesis sobre los cambios que podrían lograr y luego probar esos cambios en un entorno real, a menudo a pequeña escala inicialmente, para validar o refutar esas hipótesis.

Si fomentas una cultura de Experimentación, tienes:

1.  Innovación: la experimentación fomenta la creatividad y las nuevas ideas, impulsando la innovación dentro de la organización.

2. Gestión de Riesgos: al probar cambios a menor escala, las organizaciones pueden evaluar resultados antes de una implementación a gran escala, reduciendo pérdidas potenciales.

3. Decisiones basadas en datos: la experimentación conduce a conclusiones basadas en evidencia, permitiendo una toma de decisiones más informada.

4. Adaptabilidad: las organizaciones que experimentan regularmente pueden adaptarse más rápidamente a las condiciones cambiantes del mercado o las necesidades del cliente.

5.  Mejora Continua: las pruebas y refinamientos regulares conducen a mejoras constantes en productos, servicios y procesos.

6.  Compromiso de los colaboradores: una cultura que valora la experimentación a menudo empodera a sus empleados, lo que lleva a un mayor compromiso y satisfacción.

Es un hecho, una mentalidad de "todo es una prueba" produce beneficios sorprendentemente grandes y competitivos, e incluso puede ayudar al desempeño de las acciones en el mercado. O si no preguntémosle a Google, Amazon, Nike, Amazon o al mismo Booking que ya mencioné.

Por el contrario, si no fomentas una cultura de experimentación, consigues:

1.     Estancamiento: las empresas podrían perderse ideas innovadoras o nuevos modelos de negocio que podrían impulsarlas por delante de la competencia.

2.    Oportunidades desaprovechadas: Sin experimentar, las empresas pueden pasar por alto posibles fuentes de ingresos o segmentos de clientes.

3.    Resiliencia reducida: las empresas que no experimentan y aprenden de esos experimentos podrían ser menos adaptables a interrupciones o cambios en el mercado.

4.  Dependencia de suposiciones: sin pruebas en el mundo real, las empresas basan las decisiones en suposiciones en lugar de datos, lo que puede llevar a costosos errores.

Pero, ojo, si no lo haces bien puedes caer en el lodo de:

1.  Parálisis por Análisis: demasiada experimentación sin objetivos claros puede llevar a indecisiones o retrasos en la implementación de productos/servicios.

2. Drenaje de recursos: la experimentación continua puede consumir recursos significativos, especialmente si no se hace de manera eficiente.

3.   Confusión potencial: si no se comunica bien, los cambios y pruebas frecuentes pueden confundir tanto a colaboradores como a clientes, principalmente a estos últimos.

4.   Miedo al fracaso: aunque una cultura de experimentación tiene como objetivo abrazar el fracaso como una oportunidad de aprendizaje, no todos los colaboradores o interesados pueden verlo de esa manera, lo que podría llevar a una reducción de la moral o confianza.

5.   Énfasis excesivo en resultados a corto plazo: existe el riesgo de que las empresas se concentren demasiado en los resultados de los experimentos a corto plazo en detrimento de los objetivos estratégicos a largo plazo.

Además de Booking, estas otras empresas lo hacen bien:

Google es conocido por su cultura de experimentación. Sin embargo, la tasa de éxito puede ser bastante baja. Por ejemplo, en Google y Bing, entre el 10 % y el 20 % de los experimentos controlados generan resultados positivos.

Amazon es otra empresa que depende en gran medida de la experimentación para la innovación y el crecimiento, pero no encontré una fuente confiable que me hablara de la tasa de éxito o fracaso de estos.

La unidad Bing de Microsoft ha descubierto que los experimentos en línea cambian las reglas del juego. Han ayudado a Bing a realizar docenas de mejoras mensuales, que en conjunto han aumentado los ingresos por búsqueda entre un 10 % y un 25 % al año.

Nike es otra empresa que realiza experimentos para impulsar la innovación. Tampoco pude encontrar la tasa de éxito exacta.

Para concluir,

Experimentar no se trata de acertar siempre. Se trata de crear un ambiente seguro para probar, aprender y crecer. Cuando cambiamos nuestra mentalidad de temer a los errores a valorarlos como oportunidades de aprendizaje, desbloqueamos un mundo de potencial.

La experimentación en las organizaciones es una espada de doble filo. Cuando se hace correctamente, puede llevar a la innovación, adaptabilidad y mejora continua. Pero, sin objetivos claros, comunicación y un equilibrio entre resultados a corto plazo y objetivos a largo plazo, también puede presentar desafíos. Es vital que las empresas encuentren el equilibrio adecuado y se aseguren de fomentar una cultura de experimentación que realmente las beneficie.

Y mientras preparo una segunda parte de este capítulo sobre experimentación, no dejes de contarnos en el foro cómo lo estás haciendo en tu empresa.

Algunas referencias

Building a Culture of Experimentation, by Stefan Thomke

https://hbr.org/2020/03/building-a-culture-of-experimentation

 

The Secret Behind Successful Corporate Transformations

by Paul A. Argenti, Jenifer Berman, Ryan Calsbeek, and Andrew Whitehouse

https://hbr.org/2021/09/the-secret-behind-successful-corporate-transformations

 

A Harvard Business School professor on how companies like Google and Amazon use experimentation to innovate, grow, and improve, by Stefan H. Thomke

https://www.businessinsider.com/harvard-business-professor-on-companies-using-experimentation-2020-2