Blog · Cátedra Viewnext-USAL en Metodologías Ágiles
Este artículo forma parte de una serie sobre Dual Track Agile con IA. Si aún no has leído la introducción al modelo, te recomendamos empezar por ella: http://viewnext.usal.es/blog/dual-track-agile-con-ia
El problema
En cualquier equipo de producto conviven dos tipos de trabajo que no deberían gestionarse igual: el trabajo conocido —funcionalidades validadas, listas para construirse— y el trabajo desconocido —ideas cuyo valor nadie ha verificado todavía—. Meterlos en el mismo backlog es el error más habitual: las entregas comprometidas se retrasan y las ideas arriesgadas nunca reciben el espacio que necesitan para validarse.
La solución: dos tracks paralelos
El Dual Track Agile con IA propone separar ese trabajo en dos tracks que corren simultáneamente:
Track de delivery: Equipo Scrum estable. Backlog de funcionalidades bien definidas. Sprints de dos semanas, velocidad predecible y comprometible con dirección.
Track de discovery: Squad pequeño (1-3 personas) apoyado en IA. Ciclos de 3-5 días. Su misión no es construir software de producción, sino validar hipótesis y producir decisiones. La IA permite levantar prototipos funcionales en días, lo que hace que explorar una idea antes de asignarla al equipo principal sea económicamente viable.
Un ejemplo de organización real
A continuación presentamos un ejemplo concreto de cómo un equipo puede llegar a organizar y utilizar el Dual Track Agile con IA. El esquema de la Figura 1 recoge la estructura completa: los dos backlogs de partida, la operativa de cada track a lo largo del trimestre y el árbol de decisión que determina qué ocurre con cada funcionalidad una vez sale del track de discovery.
El caso: Éclat Cosmetics
Éclat Cosmetics es una empresa de cosmética que arranca el Q4 con una fecha inamovible en el horizonte: Black Friday, el 29 de noviembre. El equipo de producto tiene diez funcionalidades comprometidas con dirección —el rediseño del checkout, la mejora del motor de aromas y ocho más— que conforman el backlog estable. Paralelamente, marketing lleva meses impulsando tres ideas cuyo valor real nadie ha verificado: un motor de recomendaciones basado en IA, alertas de disponibilidad de producto y un asistente de belleza con IA. Estas forman el backlog IA, de bajo coste y alta incertidumbre.
Track de delivery: el equipo Scrum
El equipo principal, de siete a nueve personas, trabaja sobre el backlog estable en tres sprints de dos semanas. Cada sprint sigue la estructura habitual —planning, desarrollo y review— y el backlog no recibe ninguna interrupción procedente de las ideas no validadas. Elena, la Product Owner, llega a cada planning con un backlog limpio y predecible.
Al cierre del tercer sprint, las diez funcionalidades comprometidas están en producción.
Track de discovery: el squad IA
Marco, desarrollador senior con dominio de herramientas de IA, trabaja en solitario sobre el backlog IA. A lo largo del mismo trimestre completa cinco ciclos de tres a cinco días cada uno: planifica el lunes, construye y prueba de martes a jueves, y el viernes presenta resultados a Elena en treinta minutos. Para cada ítem existe un contrato previo: qué métrica
válida la hipótesis y cuáles son las salidas posibles si el resultado es positivo, parcial o negativo.
Al cabo de los cinco ciclos, Marco tiene resultados sobre las tres ideas:
Motor de recomendaciones con IA — validado
La tasa de clics se triplica respecto al motor actual en las pruebas con usuarios reales. Decisión (camino A): va a producción directamente. Entra al backlog del equipo Scrum y se construye en el tercer sprint. Es la undécima funcionalidad del Q4, no planificada en octubre.
Alertas de disponibilidad — validación parcial
Funciona bien en usuarios con más de seis meses de historial; genera confusión en usuarios nuevos. Decisión (camino B): no va a producción todavía. Se incorpora al roadmap del equipo Scrum para el Q1 con una restricción de segmentación bien definida.
Asistente de belleza con IA — no validado
Tres ciclos consecutivos revelan que los usuarios no saben qué preguntarle. El problema es conceptual, no técnico. Decisión (camino B): vuelve al backlog del squad IA para el Q1 con hipótesis nuevas identificadas durante el proceso.
Saber que algo no funciona —y por qué— antes de que el equipo principal invierta semanas en construirlo es exactamente para lo que existe el track de discovery.
El resultado
Éclat llega al Black Friday con las diez funcionalidades comprometidas más el motor de recomendaciones, que aumenta la conversión en páginas de producto un 23% respecto al año anterior. El equipo Scrum no recibió ninguna interrupción por ideas a medio validar en todo el Q4. Las ideas descartadas o aplazadas llegan al Q1 con criterios claros, no con deuda pendiente.
Lo que necesitas para aplicarlo
El modelo no requiere reestructuración organizacional. Requiere tres condiciones: una persona con criterio para explorar con IA rápido; criterios de decisión acordados antes de empezar cada ciclo de discovery; y disciplina para no colapsar ambos backlogs bajo presión de entrega.
En el próximo artículo de esta serie abordaremos cómo dimensionar el squad de IA y qué herramientas resultan más adecuadas según el tipo de hipótesis a validar.
Add new comment