[{"data":1,"prerenderedAt":150},["ShallowReactive",2],{"footer-topics-es":3,"post-es-agile-ai-values-principles-the-hammer-and-the-screwdriver":70},{"topics":4},[5,21,33,46,58],{"locale":6,"name":7,"slug":8,"blurb":9,"summary":10,"state":11,"featuredOnHub":12,"hubOrder":13,"accent":14,"questionsTitle":15,"questions":16,"body":20},"es-419","El Recorrido","the-journey","Desde los primeros experimentos con Agile × IA hasta un sistema funcional — la historia detrás del pensamiento.","Desde los primeros experimentos hasta un sistema funcional — la historia real de la construcción de Agile4AI, incluidos los giros equivocados que dieron forma a todo.","published",true,2,"gold","Lo que el recorrido nos sigue enseñando",[17,18,19],"¿Qué nos convenció de que Agile e IA pertenecían juntos — y qué casi nos convenció de lo contrario?","¿Qué desvíos resultaron ser los más instructivos?","¿Cómo evolucionó SCI desde un experimento de copiar y pegar hasta respuestas de IA en las que realmente puede confiar?","\nCada idea en este tema surge de nuestras experiencias desarrollando Agile4AI. Queremos compartir la historia con usted — los éxitos y los fracasos — porque creemos que podemos aprender juntos mientras descubrimos cómo trabajar mejor con la IA. Lo que aprendimos no vino de la teoría. Vino de hacer, de fallar, de empezar de nuevo con lo que aprendimos.\n\nEl recorrido comenzó con una pregunta directa: ¿podría actualizarse Agile para la era de la IA? Lo que siguió fueron años de experimentación, suposiciones fallidas, descubrimientos inesperados y el lento surgimiento de algo que realmente funciona — el enfoque de Inteligencia Colaborativa Estructurada (SCI) y el sistema Agile4AI construido sobre él.\n\nEsto no es una retrospectiva pulida escrita con perspectiva. Es la historia contada lo más cerca posible de cómo sucedió — incluyendo los callejones sin salida, los momentos de duda y los avances que lo reenmarcaron todo.\n\nLa compartimos porque la historia en sí misma lleva la lección. Las conclusiones importan, pero también importa *cómo llegamos ahí* — porque el camino muestra lo que funcionó, lo que no, y por qué.\n\nLas entradas en este tema cubren el arco completo: primeros experimentos con colaboración con IA, el desarrollo de SCI, descubrimientos específicos que cambiaron la forma en que trabajamos y momentos que vale la pena marcar. Algunos son reflexivos. Algunos son crudos. Todos son reales.\n\nSi quiere entender por qué existen Agile4AI y SCI — no solo qué son — empiece aquí.\n",{"locale":6,"name":22,"slug":23,"blurb":24,"summary":25,"state":11,"featuredOnHub":12,"hubOrder":26,"accent":14,"questionsTitle":27,"questions":28,"body":32},"Agile Decodificado","agile-decoded","Lo que los términos de Agile realmente significan — no el atajo común, no la versión cargo-cult, no el glosario del metodólogo.","El vocabulario de Agile se usa ampliamente y se malinterpreta ampliamente. Entender los términos correctamente no es pedantería — es la diferencia entre la ceremonia y el trabajo.",3,"Por qué la terminología es fundamental",[29,30,31],"¿Si un standup se realiza como un informe de estado, qué pierde realmente el equipo?","Cuando 'Metodología Agile' se convirtió en vocabulario estándar, ¿qué hizo con la forma en que las organizaciones abordaron la transformación?","¿Cuál es el costo de un equipo que puede nombrar cada práctica Agile pero no entiende para qué sirve ninguna de ellas?","\nAgile tiene un problema de vocabulario. No porque los términos sean oscuros — la mayoría de las personas en las organizaciones modernas los han escuchado. Sino porque son palabras familiares que se usan en un contexto completamente diferente, y sin ese contexto, las personas las asocian con lo que ya conocen.\n\nCuando alguien se encuentra con \"Scrum Master\" por primera vez, el concepto más cercano disponible es \"Gerente de Proyecto\". La asociación se siente natural — casi obvia. El contexto es completamente diferente.\n\nNadie construyó un puente suficientemente claro entre ellos. Y el problema se agravó cuando profesionales bien intencionados — personas realmente comprometidas con hacer avanzar a las organizaciones — comenzaron a describir Agile como \"mejor gestión de proyectos\". Comenzaron a escribir libros llamados \"Metodología Agile\". Cuando uno llama a su enfoque una metodología, lo miden con estándares de metodología: artefactos de planificación, puertas de fase, estructuras de entregables. Cuando Agile no produce esas cosas — porque nunca fue diseñado para hacerlo — fracasa esos estándares, con razón. El problema no es que Agile sea una mala metodología. Es que Agile no es una metodología en absoluto. Llamarlo así garantizó que todos los que buscaban una metodología se decepcionaran, y que todos los que lo adoptaron construyeran algo que Waterfall ya había mapeado.\n\nUn standup se convierte en un informe de estado. Un sprint se convierte en una fecha límite. Un backlog se convierte en una lista de tareas. \"Metodología Agile\" se convierte en la frase estándar para algo que los autores del Manifiesto no habrían reconocido como una descripción de lo que construyeron. Y cuando las palabras significan lo equivocado, las prácticas construidas sobre ellas producen los resultados equivocados — con precisión, fidelidad y a escala.\n\nEste tema es una corrección concepto por concepto. No una guía de estilo — una funcional. Cada publicación toma una palabra o frase que se ha vuelto fundamental en cómo las organizaciones piensan sobre Agile, examina qué significa realmente y explica qué se pierde cuando el atajo reemplaza a la sustancia. No son solo diferencias terminológicas. \"Resultado Deseado\" no es una palabra más elegante para \"Especificación\" — es algo completamente diferente, de un modelo diferente de cómo se hace el trabajo. El término es la superficie. El concepto debajo es lo que importa.\n\nEl mismo patrón aparece cuando las organizaciones abordan la IA — y la brecha conceptual es más amplia. Con Agile, los conceptos subyacentes habían sido al menos articulados, aunque mal comunicados. Con la IA, los conceptos en sí todavía se están formando, y en el entendimiento público apenas están comenzando a tomar forma. El vocabulario está adelantándose a la comprensión: la IA como \"automatización\", la IA como \"herramienta\", la \"transformación de IA\" como un proyecto con fecha de finalización. Cada uno de estos establece un modelo mental antes de que alguien haya examinado si encaja. Lo que llamamos las cosas da forma a qué y cómo construimos. Acertar con las palabras es el prerrequisito para acertar con el trabajo.\n\nHay un principio en juego aquí: los modelos mentales van primero. El lenguaje los expresa. Las acciones siguen. Cuando el modelo mental está desalineado con el trabajo, el vocabulario que lo expresa lleva esa desalineación — y las acciones construidas sobre ese vocabulario ejecutarán fielmente la comprensión distorsionada, a escala, con pleno compromiso. Un cambio de vocabulario sin un cambio de mentalidad produce, en el mejor de los casos, una tabla de traducción: un cuadro de equivalencias donde \"sprint\" se asocia a algo como \"plazo corto\". Las tablas de traducción permiten a las personas operar a través de la brecha. No la cierran. Las publicaciones de este tema aspiran a hacer más que traducir. Aspiran a cambiar el modelo mental.\n",{"locale":6,"name":34,"slug":35,"blurb":36,"summary":37,"state":11,"featuredOnHub":12,"hubOrder":38,"accent":39,"questionsTitle":40,"questions":41,"body":45},"Inteligencia Colaborativa Estructurada","structured-collaborative-intelligence","Donde el razonamiento colaborativo supera a un solo modelo de vanguardia — y donde no.","Donde la colaboración estructurada — entre modelos, y entre modelos y humanos — produce razonamientos que un solo modelo no puede alcanzar por sí solo.",4,"green","Preguntas a las que seguimos volviendo",[42,43,44],"¿Dónde agrega valor la inteligencia colaborativa estructurada que un solo modelo simplemente no puede igualar?","Cuando los modelos no están de acuerdo, ¿qué le dice eso — y cómo lo aprovecha?","¿Cómo diseña una estructura que haga la colaboración con IA productiva en lugar de simplemente redundante?","\nUn solo modelo de IA, por más capaz que sea, razona en solitario. No tiene a nadie que cuestione sus suposiciones, detecte sus puntos ciegos o note cuándo se ha desviado de la intención original. La IA sola — trabajar con un solo modelo a la vez — es susceptible a esto. Un modelo que recibe la instrucción de responder lo hará, incluso cuando no tenga una buena respuesta que valga la pena.\n\nLa Inteligencia Colaborativa Estructurada (SCI) es un enfoque diferente. En lugar de tratar el resultado de un solo modelo como el resultado final, SCI usa la colaboración estructurada — entre múltiples modelos de IA y entre modelos y humanos — para producir resultados más confiables, más exhaustivamente examinados y más transparentes sobre sus propias limitaciones. Los modelos se revisan entre sí. Los desacuerdos sacan a la luz suposiciones. El proceso en sí crea un ciclo de retroalimentación que una interacción de un solo modelo no puede replicar.\n\nLa conexión con Agile es directa: esto es lo que los equipos de alto rendimiento siempre han hecho. No una persona produciendo una respuesta en aislamiento, sino un proceso estructurado de colaboración, revisión e iteración que capta lo que cualquier perspectiva individual pasa por alto. SCI aplica esa misma disciplina a la IA.\n\nHay un problema más profundo con el razonamiento solitario. La IA sola lo ata a una sola fuente de datos, una sola arquitectura y un solo conjunto de sesgos incorporados — lo que significa una sola forma de respuesta, sea o no precisa. Piense en cómo un buen detective entrevista a múltiples testigos. No porque alguno de ellos esté mintiendo, sino porque cada perspectiva revela algo que los otros pasaron por alto. Juntos, se acercan a lo que realmente ocurrió. SCI funciona de la misma manera: múltiples modelos de diferentes linajes, cada uno aportando su propio ángulo. La respuesta que surge ha sido vista desde múltiples direcciones — más rica, más completa y más difícil de equivocarse en silencio.\n\nCuando modelos de diferentes linajes colaboran, los resultados mejoran de maneras que importan: menos errores confiados, mejor manejo de casos extremos, razonamiento más explícito que los humanos pueden evaluar y corregir. Los desacuerdos entre modelos, en lugar de ser ruido a suprimir, resultan ser exactamente la señal que quiere cuando las apuestas son altas.\n\nSCI es el motor analítico detrás del servicio Agile4AI. Los artículos de este tema documentan qué es, cómo funciona en la práctica, dónde agrega valor real y — igualmente importante — dónde no lo hace. Parte de la disciplina es saber cuál es cuál.\n",{"locale":6,"name":47,"slug":48,"blurb":49,"summary":50,"state":11,"featuredOnHub":12,"hubOrder":51,"accent":52,"questionsTitle":40,"questions":53,"body":57},"Valores y Principios de Agile4AI","agile-ai-values-principles","Valores y principios de Agile aplicados a la era de la IA — lo que continúa, lo que cambia y por qué invitamos las objeciones más fuertes.","La mentalidad de Agile aplicada al trabajo con IA — lo que continúa, lo que se agudiza, y por qué la conexión entre Agile e IA no es accidental.",5,"red",[54,55,56],"Cuando el trabajo complejo no puede planificarse completamente de antemano, ¿qué significa eso para cómo trabajamos con la IA?","¿Cómo cambia el énfasis de Agile en la retroalimentación continua cuando su colaborador no se cansa ni se pone a la defensiva?","¿Es 'Agile para IA' una combinación natural — o la objeción del error de categoría es realmente decisiva?","\nLa mentalidad de Agile se forjó en la complejidad — no para eliminarla, sino para atravesarla con atención e inteligencia. Eso no se vuelve menos relevante cuando su colaborador es un modelo de IA. En muchos sentidos, se vuelve más relevante.\n\nEste tema trata sobre esa relación: no Agile-by-prescription, no marcos de trabajo ni ceremonias, sino los valores y principios subyacentes que Agile destiló — y cómo se aplican, se agudizan y en ocasiones necesitan reexaminarse cuando humanos e IA trabajan juntos.\n\nLa idea central es que el pensamiento de Agile siempre fue una respuesta a la *naturaleza* del trabajo complejo, no solo a las particularidades de los equipos humanos. Cuando Agile cuestionó la suposición de que el trabajo complejo puede planificarse en detalle de antemano, no fue un parche para las limitaciones humanas — fue una observación precisa sobre cómo se comporta realmente el trabajo no determinista y de ritmo acelerado. Esa observación no cambia porque haya una IA involucrada. Se intensifica.\n\nLa estimación merece nombrarse directamente — es uno de los temas más controvertidos incluso entre los Agilistas más comprometidos. Agile no surgió para ayudar a los equipos a estimar mejor; surgió para exponer por qué la estimación *falla* en el trabajo complejo — y para reemplazar la falsa precisión con medición empírica y retroalimentación real que sí mejora la previsión de entrega. En la era de la IA, donde los resultados son probabilísticos y el trabajo en sí resiste la especificación fija, esa perspectiva es más vigente que nunca.\n\nEste es también el hogar del Debate con Principios: donde las objeciones más fuertes a \"Agile para IA\" tienen su turno en la tribuna. Creemos que el argumento se sostiene. Queremos que nos prueben lo contrario si no es así.\n",{"locale":6,"name":59,"slug":60,"blurb":61,"summary":62,"state":11,"featuredOnHub":12,"hubOrder":63,"accent":64,"questionsTitle":40,"questions":65,"body":69},"Seguridad Psicológica en IA","ai-psychological-safety","Por qué la libertad de decir 'aún no sé' es la precondición para la inteligencia real.","Las condiciones que crea en su comunicación determinan lo que la IA le devuelve — y cuando esas condiciones son incorrectas, el resultado es confianza sin fiabilidad.",6,"amethyst",[66,67,68],"¿Qué condiciones hacen más probable que una IA exprese incertidumbre real en lugar de una suposición con tono de confianza?","¿Cómo afecta la manera en que formula una pregunta a si la respuesta es fiable — o simplemente tranquilizadora?","¿Qué se conserva del enfoque ágil sobre la seguridad psicológica — y qué necesita adaptarse para la IA?","\nLa mayoría de las personas piensa en la seguridad psicológica como un asunto humano — las condiciones que permiten a una persona hablar, expresar incertidumbre o cuestionar una idea sin miedo. Hasta ahí llega esa perspectiva.\n\nPero se pierde algo importante cuando ignoramos de dónde vino la IA. La IA fue construida por humanos, moldeada por el lenguaje humano, entrenada en elecciones humanas. Las dinámicas que afectan el rendimiento humano — incluyendo la seguridad psicológica — se trasladan a las interacciones con IA por las mismas razones de fondo que Agile ha identificado siempre: **las condiciones que crea en su comunicación determinan lo que recibe de vuelta.**\n\nUna IA incentivada a dar respuestas que suenen seguras producirá respuestas que suenan seguras — con o sin justificación para esa confianza. Una IA sin espacio para decir \"no estoy segura\" llenará ese espacio con otra cosa, porque sus directrices le exigen responder incluso cuando sabe que no tiene la respuesta correcta. La dinámica es diferente a la seguridad psicológica humana, pero el principio subyacente se mantiene: la inteligencia funciona mejor cuando tiene permiso para ser honesta sobre lo que no sabe.\n\nEsto importa en la práctica. Las alucinaciones, las respuestas demasiado seguras y los sistemas de IA que le dicen lo que quiere escuchar en lugar de lo que es verdad no son solo fallas técnicas. Con frecuencia son fallas de diseño de la interacción — los prompts, el encuadre, las expectativas implícitas integradas en cómo se formula la pregunta.\n\nLas publicaciones aquí exploran las condiciones que hacen la colaboración humano–IA más fiable y más veraz. Eso incluye cómo hacer prompts que inviten a la incertidumbre real en lugar de suprimirla, la diferencia entre el uso determinista y probabilístico de IA y por qué esa distinción cambia todo sobre cómo enmarcar el trabajo, y qué elementos del enfoque ágil de seguridad psicológica en equipos humanos se trasladan cuando su colaborador es un modelo.\n\nAquí también examinamos los modos de fallo: qué ocurre cuando esas condiciones no están presentes y cuánto cuesta.\n",{"kind":71,"post":72,"topic":84,"availableLocales":86,"translations":94,"html":148,"audioUrl":149},"post",{"audio":-1,"author":73,"category":48,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":78,"title":83,"translationKey":77,"updatedAt":76},"Seán González","Preguntar si Waterfall o Agile es mejor es como preguntar si un martillo o un destornillador es mejor. La pregunta está mal planteada. Y esa misma pregunta equivocada se está haciendo ahora sobre la IA.",false,"2024-09-15T10:00:00.000Z","the-hammer-and-the-screwdriver",[79,80,81,82],"Valores Agile","Waterfall","Complejidad","Integración de IA","El martillo y el destornillador",{"locale":6,"name":47,"slug":48,"blurb":49,"summary":50,"state":11,"featuredOnHub":12,"hubOrder":51,"accent":52,"questionsTitle":40,"questions":85,"body":57},[54,55,56],[87,6,88,89,90,91,92,93],"en-US","fr-FR","pt-BR","de-DE","uk","ru","ja",[95,103,105,112,118,125,132,139],{"audio":-1,"author":73,"category":48,"excerpt":96,"featured":75,"locale":87,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":97,"title":102,"translationKey":77,"updatedAt":76},"Asking whether Waterfall or Agile is better is like asking whether a hammer or a screwdriver is better. The question is wrong. And the same wrong question is being asked about AI right now.",[98,99,100,101],"agile-values","waterfall","complexity","ai-integration","The hammer and the screwdriver",{"audio":-1,"author":73,"category":48,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":104,"title":83,"translationKey":77,"updatedAt":76},[79,80,81,82],{"audio":-1,"author":73,"category":48,"excerpt":106,"featured":75,"locale":88,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":107,"title":111,"translationKey":77,"updatedAt":76},"Demander si Waterfall ou Agile est meilleur, c'est comme demander si un marteau est meilleur qu'un tournevis. La question est mal posée. Et c'est exactement cette question mal posée que l'on pose en ce moment à propos de l'IA.",[108,80,109,110],"Valeurs Agile","Complexité","Intégration de l'IA","Le marteau et le tournevis",{"audio":-1,"author":73,"category":48,"excerpt":113,"featured":75,"locale":89,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":114,"title":117,"translationKey":77,"updatedAt":76},"Perguntar se Waterfall ou Agile é melhor é como perguntar se um martelo é melhor que uma chave de fenda. A pergunta está errada. E é exatamente essa pergunta errada que se faz agora sobre a IA.",[79,80,115,116],"Complexidade","Integração de IA","O martelo e a chave de fenda",{"audio":-1,"author":73,"category":48,"excerpt":119,"featured":75,"locale":90,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":120,"title":124,"translationKey":77,"updatedAt":76},"Zu fragen, ob Waterfall oder Agile besser ist, ist wie zu fragen, ob ein Hammer oder ein Schraubendreher besser ist. Die Frage ist falsch. Und genau dieselbe falsche Frage wird gerade über KI gestellt.",[121,80,122,123],"Agile-Werte","Komplexität","KI-Integration","Der Hammer und der Schraubendreher",{"audio":-1,"author":73,"category":48,"excerpt":126,"featured":75,"locale":91,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":51,"slug":77,"state":11,"tags":127,"title":131,"translationKey":77,"updatedAt":76},"Питати, що краще — Waterfall чи Agile, — це як питати, що краще: молоток чи викрутка. Питання хибне. І саме це хибне питання зараз ставлять про ШІ.",[128,80,129,130],"Цінності Agile","Комплексність","Інтеграція ШІ","Молоток і викрутка",{"audio":-1,"author":73,"category":48,"excerpt":133,"featured":75,"locale":92,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":51,"slug":77,"state":11,"tags":134,"title":138,"translationKey":77,"updatedAt":76},"Спрашивать, что лучше — Waterfall или Agile, — это как спрашивать, что лучше: молоток или отвёртка. Вопрос неверен. И ровно этот же неверный вопрос сейчас задают об ИИ.",[135,80,136,137],"Ценности Agile","Комплексность","Интеграция ИИ","Молоток и отвёртка",{"audio":-1,"author":73,"category":48,"excerpt":140,"featured":75,"locale":93,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":141,"slug":77,"state":11,"tags":142,"title":147,"translationKey":77,"updatedAt":76},"ウォーターフォールとアジャイルのどちらが優れているかと問うのは、ハンマーとドライバーのどちらが優れているかと問うのと同じである。問いが間違っている。そして今、まったく同じ間違った問いがAIについて立てられている。",1,[143,144,145,146],"アジャイルの価値観","ウォーターフォール","複雑性","AI統合","ハンマーとドライバー","\u003Cp>¿Qué es mejor: un martillo o un destornillador?\u003C\u002Fp>\n\u003Cp>Suena como una pregunta tonta, porque lo es. Son herramientas distintas para trabajos distintos. El martillo es mejor para clavar clavos. El destornillador es mejor para poner tornillos. Ninguno es mejor en abstracto. La pregunta no tiene respuesta porque la pregunta tiene la forma equivocada.\u003C\u002Fp>\n\u003Cp>Ahora pregunte: ¿qué es mejor, Waterfall o Agile?\u003C\u002Fp>\n\u003Cp>La misma forma equivocada. La misma respuesta ausente. Y sin embargo el debate persiste, con agilistas que afirman que Agile es mejor y profesionales de mentalidad tradicional que defienden Waterfall, y el ir y venir produce calor sin luz útil, porque ninguno de los dos lados ha ubicado la pregunta real.\u003C\u002Fp>\n\u003Ch2>Para qué sirve cada enfoque\u003C\u002Fh2>\n\u003Cp>Waterfall funciona para el trabajo simple y complicado: trabajo que ya se ha hecho antes, que se entiende bien y que puede planificarse de antemano con una confianza razonable. Construir una casa. Fabricar un producto. Operar un sistema de nómina. Usted conoce los pasos, conoce la secuencia, puede crear un plan detallado y ejecutarlo. Waterfall no solo es aceptable para este trabajo: a menudo es lo óptimo. La planificación detallada por adelantado más una ejecución secuencial disciplinada produce resultados predecibles y eficientes cuando el trabajo mismo es predecible.\u003C\u002Fp>\n\u003Cp>Agile funciona para el trabajo complejo y caótico: trabajo que es nuevo, incierto o que cambia con rapidez. Construir un producto que nadie ha construido antes. Responder a un mercado que se está desplazando. Integrar una tecnología cuyo comportamiento usted todavía está aprendiendo, como la IA. Para este trabajo no puede crear un plan detallado por adelantado, porque no tiene la información que ese plan requeriría. Descubre el camino a medida que avanza, adaptándose a lo que aprende. Agile aporta la estructura para hacerlo de forma inteligente y no a la deriva.\u003C\u002Fp>\n\u003Cp>Ningún enfoque es \u003Cem>mejor\u003C\u002Fem>. Están diseñados para tipos \u003Cem>distintos\u003C\u002Fem> de trabajo, y usar cualquiera de los dos en el tipo equivocado produce un fracaso predecible. Waterfall aplicado a trabajo complejo produce planes que quedan obsoletos antes de estar terminados e implementaciones fieles a la especificación equivocada. Agile aplicado a trabajo simple agrega complejidad innecesaria, elimina los beneficios de eficiencia que el trabajo predecible pone a disposición y deja a los equipos tomando decisiones que no necesitaban tomar.\u003C\u002Fp>\n\u003Cp>La pregunta real nunca es “¿Waterfall o Agile?”. Es: ¿qué tipo de trabajo es este?\u003C\u002Fp>\n\u003Ch2>Cómo ambos enfoques llegaron por accidente\u003C\u002Fh2>\n\u003Cp>Hay un trozo de historia que vale la pena conocer: tanto Waterfall como Agile fueron, en un sentido real, accidentes.\u003C\u002Fp>\n\u003Cp>Winston Royce escribió un artículo en 1970 sobre la gestión de proyectos de software. Su intención era \u003Cem>advertir\u003C\u002Fem> contra el desarrollo secuencial de una sola pasada, argumentar que era riesgoso e insuficiente. El artículo se leyó como una defensa del mismo enfoque contra el que advertía. Lo que llamamos Waterfall se extrajo de una advertencia sobre Waterfall. El destornillador se le entregó a alguien que de inmediato lo usó como martillo.\u003C\u002Fp>\n\u003Cp>Los autores del Manifiesto Agile no estaban tratando de iniciar un movimiento. Diecisiete profesionales se reunieron en 2001 para encontrar puntos en común entre sus distintos enfoques livianos, buscando dar a conocer prácticas que ya habían desarrollado. Lo que descubrieron al articular por qué sus prácticas funcionaban era algo más grande que las prácticas: un conjunto de valores y una orientación cultural hacia las personas, la colaboración y la adaptabilidad. Estaban promoviendo procesos y destaparon por accidente una revolución cultural.\u003C\u002Fp>\n\u003Cp>Ni Waterfall ni Agile fueron diseñados deliberadamente como un enfoque completo. Ambos surgieron de profesionales que intentaban resolver problemas específicos, y ambos fueron luego generalizados más allá de lo que sus orígenes podían sostener.\u003C\u002Fp>\n\u003Ch2>Martillar tornillos\u003C\u002Fh2>\n\u003Cp>El patrón de fracaso más común en la adopción de Agile es darle a las organizaciones un destornillador y verlas usarlo como martillo.\u003C\u002Fp>\n\u003Cp>Las organizaciones que adoptan prácticas Agile sin adoptar la mentalidad Agile, que implantan standups, Sprints y retrospectivas mientras siguen operando con pensamiento Waterfall, están martillando tornillos. La práctica está; el propósito no. El destornillador es un martillo terrible. El standup diario es una reunión de estado terrible, porque no es lo que se supone que haga. El resultado es frustración y la conclusión de que “Agile no funciona”, cuando el problema real es la mala aplicación.\u003C\u002Fp>\n\u003Cp>Esto no es propio de ninguna organización en particular. Es lo que pasa cuando se introduce un enfoque nuevo antes de establecer el pensamiento que lo hace funcionar. El teléfono inteligente que solo se usa para hacer llamadas. El motor de avión atornillado a un carrito de juguete: no obtiene un carro más rápido; obtiene una explosión.\u003C\u002Fp>\n\u003Ch2>El mismo error con la IA\u003C\u002Fh2>\n\u003Cp>El debate Waterfall contra Agile tiene un paralelo contemporáneo: hoy las organizaciones están cometiendo el mismo error de clasificación con la IA.\u003C\u002Fp>\n\u003Cp>El deseo organizacional dominante frente a la IA es la automatización: tomar tareas que hoy hacen las personas y que las haga la IA en su lugar, más rápido y más barato. Es un deseo legítimo. Y la computación determinista —el software tradicional— es el enfoque correcto para la automatización. Sistemas basados en reglas, flujos de trabajo definidos mediante scripts, lógica programática: son herramientas de automatización excelentes, exactamente adecuadas para trabajo que puede especificarse por completo de antemano.\u003C\u002Fp>\n\u003Cp>La IA —computación probabilística— es algo distinto. Las tareas deterministas y completamente especificadas no son donde la IA se destaca. En lo que la IA es buena son los espacios complejos, inciertos y contextuales que no se automatizan con facilidad: sintetizar información ambigua, generar opciones que nadie preespecificó, razonar sobre problemas cuyos parámetros no dejan de cambiar.\u003C\u002Fp>\n\u003Cp>Geoffrey Hinton, uno de los investigadores fundacionales de la IA moderna, plantea esa diferencia de forma más cruda que la mayoría. Describe lo que estamos construyendo como seres de otra clase. Signifique lo que signifique además de eso, no es la descripción de una herramienta. Esa es la distinción que este texto ha venido haciendo desde el principio, llevada un nivel más abajo: antes de elegir un enfoque, usted pregunta qué tipo de trabajo es este, y con la IA también tiene que preguntar qué tipo de interlocutor tiene enfrente.\u003C\u002Fp>\n\u003Cp>Una herramienta es algo que se opera. Nadie razona con un martillo. La automatización quiere ejecución repetible y determinista; la utilidad de la IA está en lo variable y lo contextual. Ponga la IA en el trabajo monótono y predecible, y la decepción que sigue no es una medida de la capacidad de la IA: la petición apuntaba al tipo de cosa equivocada.\u003C\u002Fp>\n\u003Cp>Las organizaciones que insisten en tratar la IA como automatización están cometiendo el error de Waterfall contra Agile en un dominio nuevo. Están martillando tornillos. O no obtendrán el beneficio que la IA sí es capaz de entregar, o presionarán a los proveedores de IA para forzarla dentro de cajas con forma de automatización, que es otra clase de mala aplicación, con su propio conjunto de riesgos.\u003C\u002Fp>\n\u003Cp>La pregunta es la misma que siempre ha sido: ¿qué tipo de trabajo es este? Para la automatización, use el enfoque de automatización correcto. Para el trabajo complejo, incierto y contextual que de verdad se beneficia de las capacidades de la IA, traiga la mentalidad —y la cultura— que el trabajo complejo exige.\u003C\u002Fp>\n\u003Cp>Esa es la mentalidad Agile, apropiada para el trabajo emergente y complejo, que es precisamente la forma que tiene el espacio de la IA. Y por eso Agile importa hoy más que nunca.\u003C\u002Fp>\n",null,1793842039707]