Buscar en Gazafatonario IT

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

jueves, julio 31, 2025

Cuando la agilidad se "quema": las verdades incómodas que Alistair nos regaló

Alistair compartiendo historias. Fotos de Rose Restrepo.

Alistair Cockburn es uno de los 17 firmantes del Manifiesto Ágil. Conocí vagamente su método Crystal Clear, pero muy profundamente su enfoque con los casos de uso, base de mi trabajo durante casi una década y que a la postre me sirvió para publicar mi segundo tomo de Asuntos de la Ingeniería de Software. Es autor de sendos libros, autor de El corazón de la agilidad (Heart of Agile) y en años recientes tuve la oportunidad de colaborar con él en la traducción al español de algunas de sus conferencias alrededor del mundo.

A Alistair le gusta viajar y pisa tierras suramericanas cada vez que puede. Ahora incluso tiene más razones para ello, aunque no me corresponde decirlo. Esta vez, en medio de sus vacaciones, tuvimos la increíble oportunidad de conversar con él en una sesión extraordinaria: "Respondiendo preguntas con historias" con Alistair Cockburn, una iniciativa de las Comunidades Ágiles Colombia y el Corazón de la Agilidad Latinoamérica que lideró nuestra amiga Rose Restrepo.

Alistair no llegó con PowerPoints bonitos ni con frameworks de moda. Llegó con historias crudas y verdades que duelen. Y la primera bomba que soltó fue devastadora: la agilidad como término está "quemada". Pero la expresión clave allí es “como término”. Entraré en detalle de esta y algunas otras cosas que mencionó. Seguramente algunos asuntos quedarán por fuera de este resumen, pero al final, enumeraré las conclusiones que leí esa noche al cierre de la sesión.

La dura realidad de una palabra prostituida

¿Saben qué significa que algo esté "quemado"? Significa que ha sido usado tanto para la autopromoción que perdió su esencia real. Cuántas veces hemos visto consultores, gerentes y "expertos" vendiendo agilidad como si fuera el último iPhone, prometiendo transformaciones mágicas que nunca llegan.

Pero aquí viene lo brutal: Cockburn admite que no han encontrado una palabra mejor. Estamos atrapados con un término degradado porque, irónicamente, sigue siendo la mejor descripción de lo que realmente necesitamos.

La solución que propone es elegantemente simple y dolorosamente práctica: el Corazón de la Agilidad reducido a cuatro palabras que cualquier niño puede entender: "Colabora", "Entrega", "Reflexiona" y "Mejora". No necesitas certificaciones costosas para esto. No necesitas frameworks complejos. Solo necesitas estas cuatro acciones, punto.

Para saber más sobre el Corazón de la agilidad, puedes leer mi artículo en: Mis notas sobre el Corazón de la Agilidad - Gazafatonario IT.

La inteligencia artificial: el nuevo elefante en la sala

Y entonces llegamos al tema que nos tiene a todos despiertos por las noches: la IA. Cockburn no se anda con rodeos: "la IA cambiará todos los roles". Project managers, Scrum Masters, coaches, programadores, testers. Todos. Sin excepción.

Pero aquí está la parte que reafirma lo que ya hemos hablado en distintos foros: no se trata de si la IA nos va a reemplazar. Se trata de cómo van a cambiar las conversaciones dentro de las empresas. Porque ahora tenemos una "tercera persona" en nuestras colaboraciones: el ChatGPT, el asistente IA, la máquina que puede generar código en segundos.

El problema es que esos segundos se convierten en horas o días cuando intentas conectar ese código con la realidad: bases de datos, sistemas legados, integraciones que son más frágiles que una relación de adolescentes. La IA no es magia, es un asistente muy sofisticado que puede "inventar cosas" si no tienes cuidado.

A propósito, no me gustó que haya usado la palabra “persona” para referirse a la IA, pero quizás es asunto de su español no tan perfecto, aunque lo hace muy bien, así que no le reclamé nada en ese sentido.

La métrica que nadie quiere medir (pero debería)

Aquí viene una de las revelaciones más impactantes de toda la sesión. Alistair, que empezó como metodólogo en 1991, nos suelta esta bomba: es imposible medir la productividad de un programador.

¿Por qué? Porque somos demasiado inteligentes para nuestro propio bien. Cualquier métrica que inventes, nosotros encontraremos la manera de "hacer trampa" con ella. ¿Líneas de código? ¿Puntos de historia? ¿Velocidad? Todo es manipulable. Y estoy siendo literal en buena parte de este artículo con los términos y expresiones que él usó, algunas incluso en inglés.

Pero existe UNA métrica que sí importa, una que puede destruir cualquier productividad sin importar qué tan "ágil" seas: las interrupciones por día. Con solo tres interrupciones diarias, tu productividad se va a cero. Y aquí está el problema: nadie quiere medir esto porque significa admitir que nuestras organizaciones están diseñadas para matar la productividad.

Así que te reto, a ti, gerente de proyecto, jefe, Scrum Master, facilitador, coordinador: mide las interrupciones por día a tu equipo y cuéntanos cómo te va. Si el asunto es grave, siempre puedes leer mi artículo illegitimus non-interruptus - Gazafatonario IT.

La fusión de roles: cuando menos es más

Una de las preguntas más prácticas de la sesión fue sobre la fusión de roles: ¿puede una persona ser Product Owner, Product Manager y Project Manager al mismo tiempo? La respuesta de Cockburn fue refrescantemente directa: "No veo ningún problema".

En empresas pequeñas de tres a cinco personas, esta fusión no solo es normal, es necesaria. El purismo de roles separados es un lujo que muchas organizaciones no pueden permitirse. Y honestamente, ¿no es mejor tener una persona que entiende el panorama completo que tres personas que se pasan el día coordinándose?

El Manifiesto Ágil: perfecto pero forzado

Aquí viene otra verdad incómoda: el Manifiesto Ágil fue diseñado para equipos y proyectos, no para grandes empresas. Cuando intentamos forzar sus principios a organizaciones masivas, estamos pidiendo problemas.

Los valores del manifiesto siguen siendo "perfectos, nada cambia", según Cockburn. Pero aplicarlos a una empresa de 10,000 empleados es como usar un bisturí para cortar un árbol: la herramienta es excelente, pero no para ese trabajo.

Micromejoras: la revolución silenciosa

Para las organizaciones tradicionales y estructuradas, Cockburn propone algo que suena aburrido pero es revolucionario: micromejoras continuas y pequeñas. No puedes cambiar una cultura organizacional de golpe, pero puedes mejorar la calidad de una conversación, de una reunión, de una interacción a la vez.

Es menos sexy que una "transformación ágil" completa, pero es infinitamente más real y sostenible. En este sentido, puedes leer mi artículo Microhábitos para macroimpactos: cómo los hábitos atómicos contribuyen a la sostenibilidad de la transformación organizacional – Lucho Salazar e incluso descargar una presentación que hice algún tiempo.

El Project Manager que sobrevive

En este nuevo mundo híbrido, el gerente de proyecto que sobrevive no es el que controla presupuestos o reportes. Es el que se enfoca en tres cosas fundamentales: bloquear interrupciones para el equipo, garantizar la calidad de la comunidad (comunicación, confianza, educación) y publicar el proyecto a los dirigentes.

La función más importante no es la planificación ni el control. Es la calidad de la comunidad dentro del equipo. Porque sin confianza, sin comunicación real, sin educación continua, no hay framework que te salve. Sin confianza no hay comunicación, sin comunicación nunca llegaremos al “Colabora” del Corazón de la Agilidad.

Mi reflexión final

Al final de esta sesión extraordinaria, una verdad emerge con claridad brutal: la agilidad real no está en los frameworks ni en las herramientas de moda. Está en la calidad de nuestras conversaciones, en nuestra capacidad de adaptarnos sin perder la humanidad, y en nuestro coraje para admitir que la mayoría de lo que llamamos "ágil" es solo teatro corporativo.

Y lo que yo derivo de todo esto: la IA cambiará todos los roles, pero si no arreglamos primero la calidad de nuestras conversaciones humanas, solo automatizaremos la mediocridad. Y eso, mis amigos, no es agilidad... es tragedia con mejor tecnología.

¡Gracias, Alistair por una gran conversación!

 

Los asistentes deleitándonos con las historias de Alistair. Foto de Dennis Arias.

Suplemento: Notas de Lucho sobre “Respondiendo preguntas con historias, por Alistair”

Sobre “la agilidad murió”

Más allá de agile no hay algo mejor. “Dime si hay algo mejor”.

Sobre IA

¿Quién firma las decisiones?

La IA cambiará los roles, pero ¿cómo se cambian las conversaciones en la empresa?

La IA hace instantánea la agilidad.

Sobre gestión híbrida de proyectos

¿Qué hace o puede hacer un jefe de proyectos sin burocracia?

·       Bloquear interrupciones al equipo

·       Garantizar la calidad de la comunidad (el equipo y su entorno)

·       Publicar el proyecto a los dirigentes.

Sobre varios roles en una sola persona

Product Owner + Product Manager + Project Manager

¡Es normal!

Sobre el Manifiesto Ágil

Fue un resultado orgánico.

Si una persona más o una persona menos hubiese participado el resultado hubiera sido completamente distinto.

Fue una elección por unanimidad.

Había muchas cuestiones, muchos valores, ¡elegimos cuatro! “Puedo vivir con estos cuatro valores”.

Un ejercicio interesante es lograr eso en tu propio equipo.

El Manifiesto fue elaborado para equipos y proyectos. No para empresas, sobre todo grandes.

Sobre Scrum

El Scrum original es ágil. Scrum es un espejo.

Las personas no quieren verse en el espejo porque ven sus problemas. Scrum no propone soluciones.

Sobre empresas o estructuras liquidas

No es posible ser “líquido” en ciertos entornos.

Ser líquido puede ser un impedimento para la agilidad.

Sobre productividad y métricas

Si no miden interrupciones por día a un programador, no tienen nada.

Porque las interrupciones (dos o tres) pueden bajar considerablemente la productividad.

Sobre otros aspectos

Los gerentes quieren dinero e influencia.

Usaron la agilidad para subir sus bonos.

Con la IA es lo mismo.

Lo que puedes hacer es mejorar la calidad de vida en tu entorno.


Podcast resumen

Aquí puedes escuchar este breve podcast con el resumen de todo lo anterior.

jueves, julio 17, 2025

Tu Definición de Terminado no funciona y lo sabes: lo que puedes hacer a partir del paquete de expansión de la guía de Scrum


La guía de Scrum ha sido, desde su concepción, un referente de simplicidad y claridad. Es un documento muy rico en experiencia frase por frase. Ampliamente usado (aunque no estoy seguro si leído con el mismo ímpetu con el que se intenta usar) y también pródigamente malentendido. En este contexto surge el así llamado Paquete de Expansión de la Guía de Scrum, quizás para llenar el vacío que deja la guía al terminar de leerla, el “¿Qué diablos quisieron decir con todo esto?”

Este documento no reemplaza la guía, de hecho, no es una nueva versión de la guía de Scrum, sino que la complementa, actuando como un puente hacia el presente. Todavía es algo pronto para decidir si era necesario algo así o no. Lo que sí es cierto es que la motivación de los autores detrás del documento es auténtica. El mundo ha cambiado mucho en los últimos cinco años y en todos los entornos hay mucha gente, muchos equipos, muchas organizaciones que no han terminado de entender Scrum ni su guía formal.

Pero si tienes interés: léelo cuidadosamente (en español o en inglés o en el idioma de tu preferencia —¡hay una versión en Klingon! —), analiza si cada concepto, práctica o recomendación propuesta te aplica o no, y comienza a adoptar uno a uno, experimentando, midiendo, aprendiendo. Orgánicamente. No cometas el clásico error de “a partir del próximo sprint todos los equipos deben hacer lo que dice aquí”. No. Así será un ejercicio que te hará fracasar en grande.

Y a propósito de “uno a la vez”, empecemos con uno de los que más me interesó. La Definición de Terminado. Sí, es evidente que un sinnúmero de equipos sigue aplicando mal este compromiso. Se quedan en los aspectos de calidad: que el incremento debe cumplir con Seguridad, que Auditoría debe aprobar, que se hagan las pruebas de regresión, que se elabore un acta o minuta firmada por todos los interesados y un largo etcétera. Y de aquello nada.

¿Y aquello qué es? Valor. Impacto. Beneficio. Para el cliente. Para el usuario. Para el negocio. Incluso para el equipo Scrum.

Los autores de este paquete de expansión, entre los que se cuenta el mismísimo Jeff Sutherland, inventor de Scrum, nos traen una propuesta interesante, dos definiciones de terminado: la Definición de Producto Terminado cuya esencia es la Definición de Terminado existente en la guía; y la Definición de Resultado Terminado. Estos nombres en español son una traducción libre tal y como las interpreto. Vamos entonces por partes.

La Definición de Producto Terminado, que también se puede llamar Definición de Entregable Terminado o Definición de Salida Terminada (en la traducción oficial al español de Alex Ballarin se llama Definición de Hecho de Producto) es el compromiso del Incremento:

       Describe las medidas de calidad que expresan la debida diligencia para el Incremento, asegurando que pueda ser entregado a los Stakeholders.

       Se enfoca en el qué fue construido y su calidad, asegurando que está listo para ser potencialmente lanzado.

       Mide los estándares de calidad y las cualidades del Producto (técnicas y de Producto) que el Incremento debe cumplir.

Entre tanto, la Definición de Resultado Terminado, que también podemos llamar la “Definición de Valor Aportado”, puesto que el término "Valor" es el fin último de cualquier producto. Este nombre me gusta además porque deja claro que no estamos midiendo la funcionalidad entregada (“output”), sino el beneficio real que esta aporta. Incluso “Definición de Impacto Logrado” es buen nombre, ya que denota un cambio significativo en el comportamiento del usuario o en las métricas del negocio (por ejemplo, "aumentar la retención", "reducir las llamadas a soporte"), y describe perfectamente la consecuencia de una salida exitosa. Son ideas. En breve, esta Definición de Hecho de Resultado, como se llama en la traducción oficial:

       Describe las medidas observables (cuantitativas o cualitativas) que demuestran los beneficios realizados o la validación de valor para los Stakeholders.

       Se enfoca en el porqué del trabajo, es decir, si lo que se entregó generó el impacto deseado y el valor real.

       Mide el valor realizado y el impacto para los Stakeholders (incluyendo clientes, usuarios, etcétera).

Ejemplos

Con un ejemplo se entiende mejor. Así que veamos este “paquetico” de expansión al paquete de expansión de la guía de Scrum. Imaginemos un producto, una plataforma de comercio electrónico para pequeños negocios. Una Definición de Resultado Terminado puede contener aspectos como:

Para el Producto en general (impacto estratégico y de negocio):

       Lograr un aumento del 15 % en el Net Promoter Score (NPS) de los comerciantes que utilizan la plataforma en los próximos 6 meses.

       Aumentar la tasa promedio de conversión de visitantes a compradores en las tiendas de los comerciantes de la plataforma en un 5 % en el próximo trimestre.

       Disminuir la tasa de abandono de comerciantes (“churn rate”) en un 10 % en el semestre.

       Un incremento del 20 % en el volumen total de transacciones procesadas a través de la plataforma en los próximos 6 meses.

Para un Objetivo de Producto específico (por ejemplo, "Mejorar la capacidad de los comerciantes para gestionar inventarios"):

       Disminuir el tiempo promedio que le toma a un comerciante actualizar y gestionar su inventario en la plataforma en un 25 %.

       Reducir en un 30 % la cantidad de quejas de clientes relacionadas con productos "agotados" que aparecen como "en stock" en las tiendas.

       Un 50 % de los comerciantes activos han configurado y reciben alertas de bajo stock para sus productos clave.

Mientras que la Definición de Producto Terminado adyacente puede incluir:

       Código revisado y aprobado

       Pruebas unitarias exitosas con una cobertura mínima del 80 %.

       Pruebas de integración y sistema pasadas

       Pruebas de regresión automatizadas

       Desplegado en el entorno de preproducción

       Rendimiento y escalabilidad verificados

       Seguridad validada

       Compatibilidad con navegadores y dispositivos principales (Chrome, Firefox, Safari, iOS, Android).

       Documentación técnica actualizada

Nada que no esté incluido en una Definición de Terminado típica.

Diferencias clave

En esta tabla te dejo de manera sucinta algunos aspectos que te pueden ayudar a entender sobre el enfoque, el alcance, la validación y el momento de verificación de cada una de estas definiciones de Terminado.

Definition of Output Done (Definición de Producto Terminado)

Definition of Outcome Done (Definición de Resultado Terminado)

Enfoque

Se enfoca en la calidad de la entrega (el "qué" se construyó)

Se centra en el valor o impacto logrado (el "porqué" se construyó).

Alcance

Aplica a un Incremento específico, asegurando que está listo para ser potencialmente lanzado.

Aplica al Producto en general o a una meta estratégica, midiendo si el Producto genera los beneficios esperados a lo largo del tiempo.

Validación

Se valida mediante criterios de calidad internos y técnicos (pruebas, revisiones de código).

Se valida mediante evidencia observable de impacto en los Stakeholders (métricas de negocio, comportamiento del usuario, encuestas de satisfacción) una vez que el output ha sido liberado y utilizado.

Momento de Verificación

En cada Sprint para cada Incremento.

Proceso continuo que ocurre a medida que el Producto interactúa con el mercado y los usuarios a lo largo del tiempo.

 Recomendación final

Entregar un producto perfecto que no genera valor es el fracaso más elegante del mundo. Inapelable. Si hoy tienes una Definición de Terminado con la que has tenido éxito entregando valor e impactando el negocio sprint tras sprint, entonces quizás no necesites nada de lo que hay aquí. Aun así, es una buena propuesta.

Si, por el contrario, tus usuarios o clientes continúan sin ver los beneficios de lo que les entregas, entonces quizás sea buena idea empezar a usar estos dos compromisos por separado. Como te dije al principio: empieza experimentando en pequeño, con un equipo, observa los resultados, las reacciones del entorno, aprende. Reflexiona. Y adáptate.

Si tienes algún inconveniente, siempre puedes contactarme y, en la medida de mis posibilidades, con gusto te ayudo.


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?

domingo, febrero 09, 2025

Más allá del sprint: ¿Por qué la IA está revolucionando la agilidad y poniendo el mundo empresarial de cabeza?

Más allá del sprint: ¿Por qué la IA está revolucionando la agilidad y poniendo el mundo empresarial de cabeza?

Dos fuerzas transformadoras, la transformación ágil la inteligencia artificial, están convergiendo para crear una sinergia dinámica que está revolucionando la forma en que las empresas innovan y responden a las demandas del mercado. Al integrar prácticas ágiles con tecnología de inteligencia artificial, las empresas pueden aprovechar información en tiempo real, optimizar procesos y fomentar una cultura de aprendizaje y mejora continuos.

Aclaremos cómo estas fuerzas trabajan juntas para acelerar la innovación y la respuesta del mercado.

La convergencia de Ágil y la IA

Transformación ágil: un resumen

La transformación ágil es más que un método, es un cambio cultural. Basados en valores como la colaboración, la flexibilidad y la orientación al cliente, los enfoques ágiles permiten a los equipos trabajar en ciclos iterativos, ofrecer valor de forma continua y adaptarse rápidamente a los escenarios cambiantes. Los principales beneficios de la transformación ágil incluyen:

·       Mejora de la colaboración y comunicación en equipo

·       Ciclos de retroalimentación más rápidos y desarrollo iterativo

·       Mayor capacidad para adaptarse en función de los conocimientos del mercado

El papel de la inteligencia artificial

La IA, en forma de aprendizaje automático y procesamiento del lenguaje natural, está transformando diversos aspectos de las operaciones comerciales. Desde la automatización de tareas rutinarias hasta la generación de información detallada a partir de datos, la IA se está convirtiendo en una parte integral de los procesos de toma de decisiones. En un contexto ágil, la IA puede:

· Proporcionar análisis predictivos que informen la toma de decisiones estratégicas.

· Automatizar tareas repetitivas, habilitando a los equipos a concentrarse en el trabajo de alto valor.

· Mejorar la priorización de las historias de usuario y el orden del backlog de producto mediante información basada en datos.

· Optimizar las pruebas y el control de calidad a través de la automatización de pruebas impulsada por IA.

Integración de la IA con prácticas ágiles

Mejorar la toma de decisiones con información basada en datos

Una de las principales formas en que la IA mejora la transformación ágil es a través del poder de los datos. Los equipos ágiles dependen de la retroalimentación rápida e iterativa para informar sus ciclos de desarrollo de productos. La IA puede analizar grandes cantidades de datos (desde análisis del comportamiento de los usuarios hasta tendencias del mercado) y ofrecer información que oriente la priorización de las historias de los usuarios y el refinamiento del backlog de producto.

Ejemplo:

Un equipo de productos digitales utiliza análisis basados en IA para supervisar la interacción de los usuarios en su aplicación móvil. El sistema de IA identifica patrones en el comportamiento de los usuarios y sugiere qué funciones son las más valiosas o las que tienen un rendimiento inferior. Durante la planificación del sprint, estos conocimientos ayudan al equipo a decidir qué funciones iterar o priorizar para los próximos lanzamientos, lo que da como resultado un producto que se ajusta mejor a las necesidades de los usuarios.

Automatización de tareas repetitivas

Los métodos ágiles tradicionales enfatizan la iteración rápida y la mejora continua. Sin embargo, las tareas repetitivas, como las revisiones de código, las pruebas y la documentación, pueden ralentizar este proceso. Las herramientas de IA pueden automatizar estas tareas, lo que libera a los miembros del equipo para que se concentren en la creatividad y la planificación estratégica.

Ejemplo:

En un entorno de desarrollo de software, una herramienta de prueba impulsada por IA genera y ejecuta automáticamente casos de prueba durante cada sprint. Esto no solo acelera la fase de prueba, sino que también garantiza que cada iteración sea sólida y libre de regresiones. Como resultado, el ciclo de desarrollo se vuelve más eficiente y el equipo puede implementar software de calidad a un ritmo más rápido.

Optimización del mapeo y priorización de historias de usuario

El mapeo de historias de usuario es una piedra angular del desarrollo ágil, ya que proporciona una representación visual del recorrido del producto y ayuda a los equipos a priorizar el trabajo en función del valor para el cliente. La integración de la IA en este proceso puede mejorar la priorización mediante el análisis de datos históricos, retroalimentación de los clientes y tendencias del mercado.

Ejemplo:

Considere una plataforma de comercio electrónico que utiliza una herramienta de mapeo de historias de usuario mejorada con IA. La herramienta procesa las reseñas de los clientes, los datos de compra y los patrones de navegación para destacar qué características son las más importantes para los usuarios. Sugiere ajustes al backlog de producto, lo que garantiza que las características más impactantes se desarrollen primero. Esto conduce a una estrategia de desarrollo de productos más enfocada y eficaz.

Retroalimentación en tiempo real y aprendizaje continuo

Los equipos ágiles evolucionan gracias a los ciclos cortos de retroalimentación. Las prácticas ágiles cotidianas fomentan las retrospectivas periódicas para reflexionar sobre lo que funcionó y lo que no. La IA puede mejorar estas prácticas al proporcionar retroalimentación en tiempo real, lo que permite a los equipos realizar ajustes durante el sprint en lugar de esperar hasta el final.

Ejemplo:

Un equipo de marketing que ejecuta varias campañas digitales utiliza una plataforma de análisis basada en inteligencia artificial para supervisar el rendimiento de las campañas en tiempo real. La plataforma utiliza algoritmos de aprendizaje automático para detectar tendencias y predecir resultados, lo que permite al equipo ajustar las estrategias sobre la marcha. Esta agilidad garantiza que las iniciativas de marketing sigan siendo eficaces incluso cuando las condiciones del mercado cambien.

Analogía cotidiana: el GPS inteligente para su recorrido empresarial

Imagina que estás de viaje por carretera con un mapa de papel tradicional en la mano. El mapa te da una idea general de la ruta, pero si hay un obstáculo inesperado, un atasco o un desvío, tienes que parar y volver a leer el mapa manualmente, lo que suele provocar retrasos. Ahora, piensa en un sistema GPS moderno que no solo te proporcione la mejor ruta, sino que también se ajuste en tiempo real en función de los datos de tráfico, las condiciones de la carretera y tus hábitos de conducción. Este GPS aprende continuamente de tu viaje y te ofrece sugerencias para evitar retrasos y llegar a tu destino de forma más eficiente.

En esta analogía:

· El mapa de papel representa las prácticas ágiles tradicionales. Si bien proporciona un marco sólido para el desarrollo iterativo y la flexibilidad, carece de capacidades de ajuste dinámico en tiempo real.

· Smart GPS encarna la integración de la IA en las prácticas ágiles. Complementa los principios ágiles con datos en tiempo real y análisis predictivos, lo que garantiza que su proyecto se mantenga en el camino óptimo a pesar de los desafíos imprevistos.

Así como un GPS inteligente ayuda a navegar por rutas complejas con facilidad, las prácticas ágiles mejoradas con IA ayudan a los equipos a navegar por las complejidades de los panoramas modernos de las organizaciones, garantizando cambios más rápidos y una toma de decisiones más informada.

Mejores prácticas para integrar IA y Ágil

1. Comience con poco y aumente gradualmente

Hay cosas que no cambian. Comience con proyectos piloto para probar la integración de herramientas de IA en marcos ágiles. Identifique un proceso o problema específico en el que la IA pueda agregar valor (como la priorización de tareas pendientes o las pruebas automatizadas) y expanda gradualmente su uso en todos los equipos y proyectos.

2. Fomente una cultura de experimentación

Tanto la transformación ágil como la integración de la IA requieren una cultura que fomente la experimentación y el aprendizaje. Incentive a los equipos a probar nuevas herramientas de IA, compartir conocimientos e iterar procesos. Este enfoque no solo mejora la eficiencia, sino que también fomenta la innovación y la adaptabilidad.

3. Invierta en formación y mejora de las competencias

Para aprovechar al máximo las capacidades de la IA, los equipos deben comprender cómo trabajar con estas herramientas de manera eficaz. Invierta en programas de capacitación que mejoren las habilidades digitales y analíticas de los miembros del equipo, asegurándose de que se sientan cómodos y sean competentes en el uso de tecnologías de IA junto con metodologías ágiles.

4. Asegúrese de estar alineado con los objetivos del negocio

La integración de la IA siempre debe estar alineada con los objetivos estratégicos de su organización. Utilice marcos como Objetivos y resultados clave (OKR) para garantizar que las iniciativas ágiles mejoradas con IA contribuyan directamente a los resultados del negocio, ya sea acelerando el tiempo de salida al mercado, mejorando la satisfacción del cliente o aumentando la eficiencia operativa, como siempre, cuidando a sus colaboradores y su entorno.

5. Mantenga la transparencia y la colaboración

Las herramientas de IA generan enormes cantidades de datos y conocimientos. Para maximizar su impacto, fomente un entorno de transparencia en el que este conocimiento se comparta abiertamente con todos los miembros del equipo. La toma de decisiones colaborativa garantizará que todo el equipo comprenda y confíe en las recomendaciones de la IA.

El camino por delante

Es una hipótesis, pero algunos estamos yendo ya en esa dirección: la fusión de métodos ágiles e inteligencia artificial no es una tendencia pasajera, sino un cambio fundamental en la forma en que las organizaciones abordan la innovación y la capacidad de respuesta al mercado. En Experimentum ya lo estamos haciendo. A medida que las empresas sigan avanzando en su transformación digital, aquellas que integren con éxito estos enfoques estarán mejor posicionadas para responder a la dinámica del mercado, innovar rápidamente y mantener una ventaja de la que puedan sacar provecho.

Únete a la conversación

¿Cómo aprovecha su organización la IA en sus prácticas ágiles? ¿Qué desafíos o éxitos ha experimentado? Comparta sus opiniones y únase a la discusión en los comentarios a continuación.

martes, octubre 29, 2024

Planificación empírica de productos

 

Mi serie de artículos sobre los errores de los [nuevos] Scrum Masters despertó interés en algunos otros temas. La cuestión más recurrente que me llegó fue esta de la planificación empírica de productos. Es un descuido común. Lo decía en el primero de los tres artículos, mismo que encuentras aquí:

Siete errores comunes de los nuevos Scrum Masters al servicio de los Product Owners – Lucho Salazar

Pues bien, sobre este asunto ya escribí hace algunos años, así que para entenderlo mejor, empieza por aquí:

Nuestro Scrum empírico de todos los días - Gazafatonario IT

Específicamente, establecer una planificación empírica de productos para un entorno complejo significa tomar decisiones relacionadas con el producto basadas en datos, observaciones y evidencias reunidas a lo largo del proceso de desarrollo, en lugar de confiar en suposiciones, planes a largo plazo o predicciones. Y una advertencia en este apartado: hay que ser cuidadosos con ese “a lo largo del proceso de desarrollo”. En ocasiones no es bueno ir tan atrás.

En entornos complejos, donde las condiciones del mercado, las preferencias de los clientes y la tecnología cambian rápidamente, raya en lo imposible predecir con certeza qué le dará más valor al producto. Es allí donde aprovechamos el enfoque iterativo e incremental de Scrum para hacer planificación empírica de productos, recopilando retroalimentación con frecuencia y adaptándonos en función de lo que observamos y aprendemos.

Trataré de dilucidar al respecto.

Paso a los entornos complejos

Ya basta de Cynefin o de cualquier otro modelo que intente explicar los distintos entornos donde nos movemos. En la práctica, un entorno complejo se caracteriza por la gran cantidad de variables y factores desconocidos con las que los equipos lidian al intentar predecir de manera confiable el mejor curso de acción. Ejemplos de esto incluyen:

·       Tendencias de mercado cambiantes.

·       Necesidades inciertas de los clientes.

·       Evolución de la competencia o cambios regulatorios.

·       Avances tecnológicos rápidos.

En escenarios de esta clase, los planes a largo plazo basados en supuestos fijos no arrojan los resultados esperados. El éxito del producto depende de un aprendizaje constante vía experimentación, retroalimentación y adaptación.

Implicaciones de la planificación empírica de productos

La planificación empírica de productos requiere de transparencia, inspección y adaptación: los tres pilares de Scrum.

Transparencia: todos los involucrados en el desarrollo del producto tienen visibilidad sobre el progreso, los riesgos y el estado del trabajo. Esto requiere que los elementos del Product Backlog estén claros y actualizados, así como una comunicación continua.

El Product Backlog es compartido abiertamente y visible para todos los interesados. Alguien como el Product Owner lo actualiza regularmente en función de los últimos datos proporcionados por los usuarios, el mercado, regulaciones o descubrimientos técnicos. Ese 50 % del tiempo que el Product Owner no pasa con el equipo, lo debe transitar en el entorno del producto. Indaga. Profundiza. Se proyecta. Se anticipa, por ejemplo, a asuntos regulatorios por venir.

Inspección: todo el equipo, especialmente el Product Owner con ayuda del Scrum Master, inspecciona con regularidad el producto y el progreso hacia los objetivos. Recopilan retroalimentación con frecuencia a través de Sprints de corta duración, revisiones y pruebas.

Por ejemplo, al final de cada Sprint, el equipo Scrum revisa el trabajo completado y busca la retroalimentación del cliente. Además, inspeccionan métricas como el compromiso de los usuarios, los datos de rendimiento del producto en producción o las funcionalidades más usadas, entre otras.

Adaptación: en función de las observaciones durante las inspecciones, los equipos adecúan sus planes, prioridades y enfoques. En lugar de seguir una hoja de ruta fija, se ajustan para reflejar nuevos conocimientos. Es cuando la “magia” ocurre. Por ejemplo, si el Product Owner nota una disminución en el compromiso de los usuarios, con el equipo ajusta el Product Backlog, priorizando funciones que mejoren la experiencia del usuario en lugar de seguir el plan ya establecido.

Planificación empírica de productos en acción

En la planificación empírica de productos no creamos planes elaborados a largo plazo. En cambio, usamos un enfoque de onda continua, donde proyectamos en detalle para los dos o tres sprints siguientes a la vez que mantenemos el trabajo futuro flexible.

También hacemos planificación empírica cuando, en lugar de construir una funcionalidad basada en suposiciones sobre el comportamiento del usuario, lanzamos una versión básica después de uno o dos Sprints. A partir de allí, observamos cómo los usuarios interactúan con ella, aprendemos qué funciona y qué no y ajustamos los planes futuros.

Además, cuando adoptamos una mentalidad donde las funciones y mejoras son realmente experimentos, estamos haciendo planificación empírica de producto. Establecemos hipótesis, las probamos rápidamente y utilizamos los resultados para guiar nuestras próximas decisiones. Después de todo, de eso se trata el “ser” ágil: de experimentar.

Las cosas así, los beneficios no se hacen esperar. Mitigamos riesgos, porque evitamos perder tiempo y recursos en funciones que no aportan valor. Nos centramos en el cliente, ya que los ciclos frecuentes de retroalimentación aseguran que el producto esté en constante evolución para satisfacer sus necesidades. Y somos flexibles, esto es, respondemos rápidamente a cambios en el mercado o nuevas oportunidades.

La responsabilidad del Scrum Master en la planificación empírica de productos

No hay otra forma de decirlo: el Scrum Master debe asegurarse de que el Product Owner y el equipo en pleno adopten la planificación empírica de productos. Este es el quid de la cuestión.

·       Fomenta ciclos de planificación más cortos: promueve pequeños pasos incrementales en lugar de planes a largo plazo.

·       Facilita los ciclos de retroalimentación: se asegura de que las Sprint Reviews sean significativas y conduzcan a ideas accionables.

·       Enseña pensamiento adaptativo: ayuda al Product Owner y al equipo a centrarse en la toma de decisiones basada en evidencias, en lugar de planes rígidos basados en antojos o cábalas.

·       Impulsa la inspección y adaptación: facilita que el equipo e interesados inspeccionen el progreso con regularidad y adapten su enfoque según lo que aprenden.

Pensamiento final

Solo quiero enfatizar que el desempeño pasado no es garantía del desempeño actual y mucho menos de futuro. Son solo eso, predicciones, pronósticos, hipótesis en el mejor de los casos, unas fallarán, otras no.

Es un hecho, la cantidad de incertidumbre en un pronóstico aumenta a medida que miras hacia el futuro. Perentorio.