La increíble combinación entre agilidad e Inteligencia Artificial

26/03/2021 53

La agilidad como atributo empresarial surgió de la necesidad de operar de manera predecible incluso ante la complejidad extrema. En especial, en las empresas de desarrollo de software, se han promovido métodos ágiles en contraposición a modelos más rígidos de desarrollo en cascada. Los primeros métodos interactivos e incrementales de desarrollo de software se remontan al año 1957. Desde entonces se han desarrollado metodologías ágiles como Scrum, XP o Kanban. En 2001, participantes del desarrollo de la agilidad se reunieron en Snowbird, Utah, adoptando el nombre de métodos ágiles. Posteriormente, algunos participantes formaron la Agile Alliance renombrada en 2016 como Agile Glossary.

Hirotaka Takeuchi, decano de la Universidad Hitotsubashi, e Ikujiro Nonaka, profesor de la misma universidad, introdujeron el concepto Scrum en su artículo «The New New Product Development Game», publicado en Harvard Business Review en 1986. Scrum es un marco para gestionar el desarrollo ágil de software. Su nombre proviene del avance en formación de melé de los jugadores de rugby. Scrum está diseñado para equipos de tres a nueve desarrolladores que dividen su trabajo en ciclos de dos semanas (sprints), controlan el progreso diariamente en reuniones de quince minutos, haciendo entrega de un software utilizable al final de cada sprint. Los roles principales en Scrum son: dueño del producto, Scrummaster y equipo Scrum.

El origen de Kanban se remonta a la década de 1940, cuando Toyota desarrolló nuevos sistemas de control para conseguir una producción sin desperdicios enfocada a entregar el máximo valor a los clientes. Kanban se ha adaptado a la gestión del conocimiento como un sistema de proceso visual que tiene como objetivo gestionar el trabajo, equilibrando las demandas de los clientes con la capacidad disponible para mejorar el manejo de los cuellos de botella. Consta de cinco elementos: (1) visualizar, (2) limitar el trabajo en curso, (3) dirigir y gestionar el flujo, (4) explicitar las políticas de proceso y (5) utilizar modelos para capturar oportunidades de mejora.

En los próximos años, las metodologías de agilidad se integrarán con los proyectos de Inteligencia Artificial y Aprendizaje Automático generando capacidades más avanzadas.

El ingeniero de software Kent Beck, en su libro Una explicación de la programación extrema: aceptar el cambio, publicado en 2000, introdujo la metodología de programación extrema de desarrollo de software. Este concepto, también conocido como XP, es un proceso ágil cuyo objetivo es mejorar la calidad del software y la capacidad de respuesta a las necesidades cambiantes de los clientes. Los orígenes de XP se remontan a distintas ideas aparecidas desde inicios de la década de 1960 en proyectos como, por ejemplo, Mercury de la NASA. Su uso actual facilita frecuentes lanzamientos de desarrollos en ciclos de desarrollo cortos, con puntos de revisión y control conectados con las necesidades de los clientes.

Ayman Sayed publicó en 2018 un artículo en Harvard Business Review titulado «Using AI and Machine Learning for agile development and portfolio management» explicando que se estaba iniciando en el mundo empresarial la exploración de la posible aplicación de la Inteligencia Artificial y el Aprendizaje Automático para el desarrollo ágil, las pruebas e incluso la gestión de cartera. Estas prácticas podrían dar respuesta a cuestiones como, por ejemplo, conocer cuánto más rápido podría ser el tiempo de comercialización si no se tuviese que depender de personas o sistemas de software tradicionales. También se podrían predecir con mucha más precisión los cronogramas de entrega de productos o software.

En el artículo se proponía plantear la integración de máquinas inteligentes para buscar patrones, codificar anomalías, cambios en la producción del equipo o analizar planes de entrega. Las empresas deberían crear una forma de visualizar, planificar y rastrear dinámicamente el trabajo en toda su cartera. La entrega de productos al mercado con la velocidad y precisión que demandan los clientes significa que todas las personas en la empresa necesitan acceso a los datos correctos, en el momento adecuado, en un formato para que los conocimientos sean accesibles y procesables.

En un reciente artículo de Kathleen Walch para Forbes titulado «Why Agile Methodologies Miss The Mark For AI & ML Projects», la autora explicaba que se debe avanzar para poder conectar las metodologías agiles con los proyectos de Inteligencia Artificial y Aprendizaje Automático. En el artículo se mencionan metodologías como CRISP-DM (del inglés Cross Industry Standard Process for Data Mining) ​consistente en un modelo estándar abierto del proceso que describe los enfoques comunes que utilizan los expertos en minería de datos. Otra metodología mencionada es CPMAI (Gestión de proyectos cognitivos para IA).

En conclusión, en los próximos años las metodologías de agilidad integrarán los proyectos con las nuevas tecnologías exponenciales para implementar capacidades más avanzadas, como la inteligencia empresarial de autoservicio o análisis predictivos basado en Aprendizaje Automático, Inteligencia Artificial y automatización.