Agile & Productivity Strategies

Analizar y estimar nuevas funcionalidades es uno de los desafíos perennes en el desarrollo de productos. Ya seas parte de un equipo Agile, dirigiendo un proyecto tradicional o simplemente buscando mejorar cómo abordas nuevos retos, entender el alcance, la complejidad y la capacidad de tu equipo es fundamental para el éxito. Pero, ¿qué pasaría si pudieras ir más allá de la intuición y la experiencia pasada de forma manual? Aquí es donde la Inteligencia Artificial entra en juego, actuando como un potente copiloto en tu proceso de planificación.

Las metodologías ágiles como Scrum o Kanban se basan en la iteración y la adaptación. Sin embargo, momentos clave como el PI Planning (en SAFe) o las sesiones de Refinamiento de Backlog son cruciales para establecer expectativas realistas y compromisos alcanzables. Una evaluación imprecisa de una nueva funcionalidad puede desviar un sprint, un incremento en el programa o incluso en un roadmap completo.

La IA ofrece una capacidad única para procesar grandes volúmenes de datos históricos – datos de sprints pasados, rendimientos del equipo, características de funcionalidades anteriores – identificando patrones y correlaciones que son casi imposibles de detectar manualmente. No se trata de reemplazar el juicio humano, sino de aumentarlo con insights basados en evidencia.

¿Qué Puede Analizar la IA para Ti?

1. Alcance y Complejidad: Comparando la descripción y los requisitos de una nueva funcionalidad con miles de funcionalidades pasadas, la IA puede predecir similitudes técnicas, dependencias potenciales y estimar una complejidad relativa basada en cómo se desempeñó el equipo con trabajos parecidos anteriormente.
2. Habilidades y Capacidad del Equipo: Analizando la composición histórica del equipo, las tareas asignadas y su rendimiento en áreas tecnológicas específicas, una IA puede señalar si el equipo actual posee las habilidades necesarias para abordar la nueva funcionalidad de manera eficiente y predecir el impacto en la capacidad total del sprint o PI.
3. Rendimiento Histórico y Riesgos: La IA puede detectar patrones en funcionalidades pasadas que resultaron en retrasos, altos números de bugs o estimaciones inconsistentes. Usando esta información, puede advertir sobre posibles riesgos asociados a la nueva funcionalidad basándose en sus características y el historial del equipo.

Alimentando a la IA: Datos y Sensibilidad

Para que una IA sea útil en el análisis de nuevas funcionalidades, necesita ser alimentada con datos relevantes y de calidad. Esto incluye tanto información histórica como detalles específicos sobre la funcionalidad propuesta.

1. Datos sobre la Nueva Funcionalidad: Para que la IA realmente entienda el alcance y la complejidad de lo nuevo, necesitas ir más allá de una descripción básica. Incluye:
   • Descripción Detallada y Criterios de Aceptación: Cuanto más claros y completos sean los requisitos y los criterios de “terminado”, mejor podrá la IA compararlos con patrones de funcionalidades pasadas.
   • Componentes Técnicos Afectados: Especifica qué partes de tu sistema (frontend, backend, APIs, base de datos, microservicios específicos, etc.) se verán impactadas. Esto permite a la IA relacionarlo con la complejidad histórica en esas áreas.
   • Dependencias Conocidas: Menciona si esta funcionalidad depende de trabajos de otros equipos, servicios externos, o si otras funcionalidades dependen de esta. Las dependencias son un factor clave de complejidad y riesgo.
   • Propuesta de Desglose Inicial (si aplica): Si ya tienes una idea preliminar de las tareas o subtareas principales, inclúyelas. Ayuda a la IA a ver la estructura interna del trabajo.
   • Requisitos No Funcionales Relevantes: Cualquier requisito de rendimiento, seguridad, escalabilidad o usabilidad asociado a esta funcionalidad es vital, ya que a menudo añaden complejidad significativa.
   • Enlaces a Documentación/Diseños: Si existen mockups, diagramas técnicos preliminares o documentación adicional, proporciónalos. El contexto visual y arquitectónico es muy valioso.
2. Datos Históricos (Contexto y Predicción): Como mencionamos antes, la IA necesita el “ayer” para predecir el “mañana”. Esto incluye descripciones de funcionalidades pasadas, desglose de tareas asociadas, estimaciones iniciales, esfuerzo real invertido, datos de calidad (bugs) y métricas agregadas de rendimiento del equipo (velocidad, predictibilidad).

Nivel de Detalle, Sensibilidad y Privacidad:

Aquí es donde debemos ser muy cuidadosos. Los datos de proyectos y equipos son inherentemente sensibles.

• Prioriza la Anonimización y Agregación: Al usar datos históricos de rendimiento o esfuerzo, asegúrate de que estén agregados a nivel de equipo o sprint/PI, no vinculados a individuos específicos. El foco del análisis de la IA es el patrón del trabajo y la capacidad colectiva, no la evaluación personal.
• Sé Selectivo con Datos Técnicos Sensibles: Al describir componentes técnicos o dependencias internas de la nueva funcionalidad, sé consciente del entorno donde procesarás estos datos. Si usas una herramienta de IA externa, evita compartir detalles arquitectónicos confidenciales a menos que sea estrictamente necesario y estés seguro de la seguridad y acuerdos de confidencialidad. A veces, una descripción de “afecta al microservicio X de procesamiento de pagos” es suficiente sin revelar la arquitectura interna completa.
• Cumplimiento Normativo: Ten siempre en cuenta las regulaciones de privacidad (como GDPR) y las políticas internas de tu organización al manejar y procesar cualquier tipo de dato de proyecto o rendimiento.
• Plataformas Confiables: Utiliza herramientas de IA que ofrezcan garantías sólidas sobre la seguridad, privacidad y gestión de los datos que les proporcionas.

Top 3 Takeaways para Líderes y Scrum Masters en tu Próxima Planificación:

1. Prepara tus Datos Históricos: Antes de tu PI Planning o Refinamiento, asegúrate de que los datos de funcionalidades pasadas (descripción, estimación, esfuerzo real, bugs) y la velocidad agregada de tu equipo estén consolidados y listos para ser procesados por la IA. No esperes a la sesión, hazlo antes.
2. Formula Preguntas Clave a la IA: Utiliza la herramienta de IA con prompts específicos para obtener insights sobre la nueva funcionalidad. No pidas solo “la estimación”, pregunta: “¿Cómo se compara la complejidad esperada de esta funcionalidad con X funcionalidades pasadas?”, “¿Dónde podrían estar los riesgos de habilidades o capacidad para esta funcionalidad?”, “¿Qué patrones históricos sugieren posibles dependencias no obvias?”.
3. Usa el Output como Punto de Partida, No Como Sentencia: La IA te dará insights. Úsalos para enriquecer la conversación con el equipo durante la sesión. Contrasta las predicciones de la IA con la experiencia actual y el conocimiento tácito del equipo. La mejor planificación surge de la combinación de análisis de datos y la sabiduría colectiva.

Prompt de Línea Base Sugerido para tu Herramienta de IA:

“Como asesor agilista de desempeño de equipos, y experto analista de alcance y complejidad en nuevas funcionalidades, analiza los datos proporcionados sobre funcionalidades completadas (i.e. descripción, estimación original, esfuerzo real, bugs) y las métricas agregadas de rendimiento del equipo (i.e. velocidad). Basándote en esta información y la descripción detallada de la nueva funcionalidad ‘[Nombre de la Nueva Funcionalidad]’, proporciona: 1) Una comparación de complejidad estimada respecto a funcionalidades históricas similares (sugiere alguna y su épico, si le tienes identificada). 2) Una evaluación del ajuste con las habilidades técnicas actuales del equipo. 3) La identificación de posibles riesgos de entrega o dependencias basados en patrones pasados.”

Integrar la IA en tus procesos de análisis de funcionalidades y desempeño de tus equipos, no es cosa del futuro, es una capacidad disponible ya. Empieza de forma sencilla, experimenta con tus datos, con módulos pequeños, y descubre cómo esta tecnología puede hacer que tu planificación sea más informada, precisa y, en última instancia, más productiva.

Encuéntra este artículo en inglés en: https://www.linkedin.com/in/gabriela-a-viggiano/recent-activity/articles/

---

Do you want to know more about habits?/ ¿Quieres saber más sobre hábitos?

Get to know us!/ Conócenos!