IA aplicada al Agile Delivery

Módulo 1: Flujo de delivery: proyectos + servicio + cambios
2 h 25 min

Objetivo: Identificar los flujos de delivery que intervienen en proyectos, servicios y cambios.

• Flujo de delivery
• ¿Qué es el flujo de delivery?
• Desde el proyecto hasta los cambios
• Más allá de Scrum. Tipos de trabajo: proyectos, servicio, cambios
• El problema: mezcla y saturación. Flujo vs. planificación
• Decisiones a tomar
• Puntos de decisión en el flujo
• Dónde aporta valor la IA en este contexto
• Caso de ejemplo
• Errores típicos
• El enfoque más acertado: sistema único de trabajo
• Resumen

Módulo 2: ¿IA o tú? El nuevo juego laboral
2 h 30 min

Objetivo: Distinguir casos de uso en los que nuestra intervención humana aportará más valor gracias a la IA.

• Desmontando expectativas irreales: ¿qué debemos esperar?
• ¿Riesgo u oportunidad profesional?
• ¿Quién gestiona el proyecto, la IA o tú?
• Antipatrones en el uso de IA (malas ideas… e ideas aún peores)
• Encaje de la IA en la gestión del trabajo
• Cómo encaja la IA con enfoques tipo PMP y Agile
• Lo que nunca nos cuentan: el gobierno del dato
• ¿Puedo evitar que el proyecto vaya mal?
• Idea clave: criterio antes que herramienta
• Resumen

Módulo 3: Enfoque ágil de gestión del trabajo
2 h 05 min

Objetivo: Aplicar prácticas ágiles apoyadas por inteligencia artificial a lo largo del proceso de gestión del proyecto y del trabajo.

• Pasos del proceso ágil para proyectos
• Ciclo resumido
• Backlog, Roadmap
• Planificación del proyecto
• Ejecución del trabajo, seguimiento y proyecciones
• Enfoque ágil end-to-end: delivery ágil
• Enfoque ágil del servicio
• Delivery ágil… ¿con IA / basado en IA / impulsado por IA / gestionado por IA?
• Resumen

Módulo 4: Arquetipos, Requisitos y Backlog
2 h 10 min

Objetivo: Elaborar arquetipos, requisitos y backlog con apoyo de inteligencia artificial.

• Entendiendo el trabajo: arquetipos y requisitos
• Qué es un backlog… y qué no lo es
• Tipos de trabajo
• El problema: requisitos poco claros; cómo evitarlo.
• Construcción y gestión del backlog
• Generar vs. Refinar el backlog
• Cómo la IA puede aportar valor
• Toma de decisiones
• Resumen

Módulo 5: Roadmap y Mapa PMVs
2 h 10 min

Objetivo: Construir un roadmap y un mapa de PMVs para priorizar entregas.

• De la visión al plan
• Qué es un roadmap (y qué no)
• Qué es el mapa de PMVs (Productos Mínimos Viables)
• El problema habitual: planes rígidos (y cómo debemos trabajar a nivel profesional)
• Construcción y gestión del roadmap y mapa PMVs
• Cómo la IA puede aportar valor en el roadmap
• Cómo la IA puede aportar valor en el mapa PMVs
• Toma de decisiones: qué construir y cuándo
• Caso práctico
• Resumen

Módulo 6: Ejecución de iteraciones
1 h 55 min

Objetivo: Ejecutar iteraciones de trabajo de forma más eficiente con ayuda de la inteligencia artificial.

• La realidad de la ejecución en Agile
• Qué es ejecutar una iteración
• El problema habitual: desviaciones constantes
• Qué debe hacer un buen equipo ágil
• Puntos críticos del día a día
• Cómo mejorar la ejecución con IA
• Dónde aporta valor la IA
• Apoyo a las decisiones diarias
• Mejora en la comunicación
• Caso práctico y errores comunes
• Resumen

Módulo 7: Métricas: sin ellas no hay gestión (¡ni IA!)
2 h 20 min

Objetivo: Seleccionar métricas para evaluar la gestión del delivery y potenciarlas con inteligencia artificial.

• Medir no es suficiente: entender las métricas
• Métricas habituales (y sus límites)
• Para qué sirven las métricas en agile
• El error común: medir para justificar
• Interpretación y toma de decisiones
• Dónde aporta valor la IA
• Decisiones basadas en métricas
• De datos a conclusiones útiles
• Caso práctico y errores comunes
• Resumen

Módulo 8: Proyecciones
2 h 20 min

Objetivo: Estimar proyecciones de entrega a partir de datos de trabajo y señales de desempeño.

• De reaccionar a anticipar
• Proyectar no significa adivinar
• ¿Qué es «predecir» en Agile?
• El problema habitual: decisiones tardías
• Qué se puede y qué no se puede predecir
• Qué debe hacer un buen profesional
• Cómo mejorar la capacidad de predicción
• Toma de decisiones basadas en anticipación
• De datos a escenarios útiles
• Errores habituales a evitar
• Resumen

Módulo 9: Modelo de uso profesional de IA en Agile
2 h 05 min

Objetivo: Diseñar un modelo de uso profesional de inteligencia artificial para la gestión ágil del delivery.

• Cómo encajar la IA en tu forma de trabajar
• Qué papel debe tener la IA
• El error común: delegar sin criterio
• Dónde aporta valor (y dónde no)
• Qué caracteriza un uso profesional de la IA
• Modelo práctico para IA en Agile
• Modelo de uso recomendado
• Toma de decisiones y errores a evitar
• Cómo evolucionar a partir de aquí
• Resumen