Artículo

26 de octubre de 2026

Aprendizaje automático interpretable para la predicción de story points en proyectos Scrum

Machine Learning Interpretável para Previsão de Story Points em Projetos Scrum

Matheus de Oliveira Avila Sales; Manoel Flavio Leal

DOI: 10.22167/2675-6528-202601221

Artículo elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción.

Resumen

La estimación de puntos de historia en proyectos Scrum es susceptible a sesgos cognitivos, comprometiendo la previsibilidad de los sprints. Se aplicaron modelos de Machine Learning (ML) para automatizar estas estimaciones, pero frecuentemente priorizan la exactitud en detrimento de la interpretabilidad, esencial para la adopción por gestores ágiles. La investigación evaluó la viabilidad de modelos de ML interpretables como soporte a la decisión en la planificación ágil, combinando predicción de puntos de historia con explicabilidad vía SHAP. Se implementaron tres algoritmos de aprendizaje supervisado (Regresión Lineal, Random Forest y XGBoost) para predecir puntos de historia a partir de nueve características interpretables, extraídas de 23.313 issues de 16 proyectos de código abierto. El XGBoost obtuvo el menor Error Absoluto Medio (4,64 puntos de historia), pero los tres modelos presentaron un desempeño similar, indicando que el techo predictivo provino del espacio de características. La técnica SHAP cuantificó la contribución de cada característica, identificando la cantidad de bloques de código, la longitud del título y la frecuencia de términos técnicos como los atributos de mayor impacto. La combinación de predicción y explicabilidad configuró una herramienta de soporte a la decisión en la planificación ágil, al hacer explícitos los atributos textuales que influyen en las estimaciones.

Palabras clave: Aprendizaje supervisado; Estimación de esfuerzo; Gestión ágil; Planning poker; SHAP.

1. Introducción

Scrum es uno de los frameworks ágiles más ampliamente adoptados en la industria del desarrollo de software (Schwaber y Sutherland, 2020). Dentro de este contexto, la planificación de sprints, ciclos de trabajo de duración fija, depende crucialmente de la estimación de story points. Los story points representan una medida relativa de esfuerzo que los equipos asignan a las tareas del backlog, reflejando la complejidad, el riesgo y el volumen de trabajo involucrado. La precisión de estas estimaciones es fundamental para la capacidad del equipo de planificar entregas realistas, calcular su velocidad de desarrollo y comunicar plazos de manera efectiva a los stakeholders.

Tradicionalmente, la estimación de story points se realiza mediante técnicas de consenso, como el planning poker. Este enfoque, aunque promueve la participación igualitaria al exigir que todos los miembros revelen sus estimaciones simultáneamente, es susceptible a sesgos cognitivos (Mahnič y Hovelja, 2012). La dinámica de grupo puede, por ejemplo, amplificar el sesgo de optimismo, especialmente en equipos con experiencia limitada, comprometiendo la previsibilidad de los sprints y generando desviaciones significativas entre la estimación y el esfuerzo real. De hecho, Moløkken y Jørgensen (2003) documentaron que desviaciones del 30 al 40% respecto al esfuerzo planificado son recurrentes en la industria. Pasuksmit et al. (2024) identificaron la calidad de la información y factores del equipo como contribuyentes frecuentes a la imprecisión en estas estimaciones.

Ante estos desafíos, el Aprendizaje Automático (ML) se ha aplicado para automatizar la estimación de puntos de historia. La evolución de estos enfoques ha demostrado ganancias consistentes en precisión predictiva. Inicialmente, técnicas como TF-IDF se combinaron con clasificadores (Porru et al., 2016). Posteriormente, surgieron modelos de aprendizaje profundo, como Deep-SE, para capturar relaciones semánticas complejas (Choetkiertikul et al., 2019). Más recientemente, se emplearon arquitecturas de lenguaje pre-entrenadas, como GPT2SP (Fu y Tantithamthavorn, 2023) y SBERT (Yalçıner et al., 2024), reportando Errores Absolutos Medios competitivos. Sin embargo, una limitación persistente de estos enfoques reside en el hecho de que funcionan como “cajas negras”. El profesional de gestión ágil recibe una estimación numérica sin comprender qué características del issue la influyeron, lo que dificulta la confianza en la predicción y la incorporación de los resultados en las discusiones de planificación.

Este escenario revela una brecha significativa en la literatura: la ausencia de estudios que combinen la predicción de puntos de historia con técnicas de explicabilidad orientadas a la gestión ágil. Para que los modelos predictivos sean adoptados efectivamente por Scrum Masters y Product Owners, es esencial que los resultados sean comprensibles y accionables, permitiéndoles cuestionar y validar las predicciones generadas (Fernández-Diego et al., 2020). La confianza en la herramienta depende directamente de la capacidad de sus usuarios para entender el “por qué” detrás de cada estimación. La técnica SHapley Additive exPlanations (SHAP), propuesta por Lundberg y Lee (2017), ofrece una solución prometedora al cuantificar la contribución marginal de cada característica a la predicción individual, fundamentada en la teoría de juegos cooperativos y satisfaciendo propiedades axiomáticas que garantizan una asignación justa y transparente.

A diferencia de los enfoques que utilizan representaciones numéricas de texto con miles de dimensiones, este trabajo priorizó la interpretabilidad. Se implementaron tres algoritmos de aprendizaje supervisado – Regresión Lineal, Random Forest y XGBoost – utilizando nueve características estructurales e interpretables, extraídas directamente de los campos textuales (título y descripción) de 23.313 issues de 16 proyectos de código abierto del Deep-SE Story Point Dataset (Choetkiertikul et al., 2019). Esta elección permitió que la técnica SHAP proporcionara explicaciones accesibles, como “la predicción aumentó porque la issue contiene seis bloques de código”, en lugar de interpretaciones complejas de vectores de alta dimensión. Así, el objetivo de este trabajo es evaluar la viabilidad de modelos de aprendizaje automático interpretables como soporte a la decisión en la planificación ágil, combinando la predicción de story points con la explicabilidad vía SHAP.

2. Material y Métodos

La investigación se caracterizó como un estudio de naturaleza aplicada, con un enfoque cuantitativo y un diseño experimental-computacional. El objetivo central fue evaluar la viabilidad de modelos de Machine Learning interpretables como soporte a la decisión en la planificación ágil, combinando la predicción de story points con la explicabilidad vía SHAP. Para ello, se implementó un pipeline de procesamiento de datos y entrenamiento de modelos de regresión.

El pipeline de implementación se estructuró en cuatro etapas secuenciales: adquisición y análisis exploratorio del conjunto de datos, ingeniería de características interpretables a partir de los campos textuales de los issues, preprocesamiento y particionamiento de los datos, y entrenamiento con optimización de los modelos de regresión. Toda la implementación se realizó en Python, utilizando bibliotecas como scikit-learn para modelos de regresión y validación cruzada, XGBoost para gradient boosting, SHAP para cálculo de valores de Shapley vía TreeExplainer, pandas para manipulación de datos tabulares, matplotlib para generación de figuras y textstat para índices de legibilidad.

La reproducibilidad de los análisis se aseguró fijando la semilla `random_state=42` en todas las operaciones que involucraban aleatoriedad. El código fuente completo del proyecto se puso a disposición en un repositorio público, garantizando la transparencia y la posibilidad de verificación de los procedimientos adoptados.

El conjunto de datos utilizado fue el Deep-SE Story Point Dataset, puesto a disposición públicamente por Choetkiertikul et al. (2019). Este repositorio público sirvió como fuente secundaria de datos, provenientes de sistemas de seguimiento como Jira y Bugzilla, de 16 proyectos de software de código abierto. La adopción de este conjunto de datos permitió la comparabilidad directa con estudios anteriores (Choetkiertikul et al., 2019; Fu y Tantithamthavorn, 2023).

El conjunto de datos reunió 23.313 issues, cada registro conteniendo los campos `issuekey`, `title`, `description` y `storypoint`. Los criterios de inclusión definidos por los autores originales del dataset excluyeron proyectos con menos de 300 issues estimadas y removieron registros con story points iguales a cero, negativos o superiores a 100. Este filtrado afectó aproximadamente al 2,66% de los registros totales.

En cuanto al tratamiento de datos, el campo `description` presentó 2.231 valores ausentes, correspondientes al 9,57% del total. Estos casos fueron tratados mediante la sustitución por una cadena vacía, preservando los registros correspondientes sin imputación artificial. Los demás campos (`issuekey`, `title`, `storypoint` y `project`) no presentaron ausencias.

En lugar de representaciones vectoriales de alta dimensionalidad, se extrajeron nueve características interpretables directamente de los campos textuales (`título` y `descripción`) de cada issue. Las características incluyeron: `desc_length` (longitud de la descripción en caracteres), `title_length` (longitud del título en caracteres), `is_user_story` (presencia del patrón canónico de user story), `has_acceptance_criteria` (presencia de criterios de aceptación), `code_snippet_count` (bloques de código o llamadas a métodos), `url_count` (URLs referenciadas en la descripción), `description_readability` (índice Flesch-Kincaid Grade Level), `keyword_complexity` (frecuencia de términos técnicos) y `title_desc_ratio` (razón longitud del título/descripción).

Las características binarias (`is_user_story` y `has_acceptance_criteria`) fueron detectadas por expresiones regulares. La característica `description_readability` empleó el índice Flesch-Kincaid Grade Level, calculado por la biblioteca textstat. La característica `keyword_complexity` contabilizó la ocurrencia de 20 términos técnicos asociados a tareas de alta complejidad, como ‘refactor’, ‘migrate’, ‘integration’, ‘API’, ‘database’, ‘security’, ‘performance’, ‘architecture’, ‘infrastructure’, ‘scalability’, ‘deployment’, ‘authentication’, ‘authorization’, ‘configuration’, ‘optimization’, ‘upgrade’, ‘redesign’, ‘overhaul’ y ‘rewrite’.

El conjunto de 23.313 issues se dividió en un 80% para entrenamiento (18.650 issues) y un 20% para prueba (4.663 issues). El barajado aleatorio se controló mediante la semilla `random_state=42`. La normalización se aplicó a las características numéricas continuas mediante StandardScaler, ajustado exclusivamente en el conjunto de entrenamiento para evitar fugas de datos. Las características binarias se mantuvieron en la escala {0, 1}, sin necesidad de normalización.

Se implementaron tres algoritmos de aprendizaje supervisado para predecir story points: Regresión Lineal, Random Forest y XGBoost. La Regresión Lineal sirvió como modelo de referencia (baseline), con coeficientes determinados por el método de mínimos cuadrados ordinarios sobre las nueve features, sin optimización de hiperparámetros.

El Random Forest, un método de ensemble por bagging, construyó múltiples árboles de decisión independientes sobre submuestras aleatorias de instancias y características, agregando las predicciones individuales por promedio. Los hiperparámetros fueron seleccionados por búsqueda en cuadrícula con validación cruzada de cinco folds (cv=5), minimizando el Error Absoluto Medio (MAE) como criterio. La cuadrícula evaluó 36 combinaciones, totalizando 180 ajustes.

XGBoost implementó el aumento de gradiente sobre árboles de decisión, ajustando cada árbol subsiguiente para minimizar el residuo de la iteración anterior mediante descenso de gradiente, con regularización L1/L2 para controlar la complejidad. La búsqueda en cuadrícula evaluó 81 combinaciones, totalizando 405 ajustes con validación cruzada de cinco pliegues.

El análisis de explicabilidad empleó la técnica SHapley Additive exPlanations (SHAP), propuesta por Lundberg y Lee (2017). Esta técnica asigna a cada característica un valor que cuantifica su contribución marginal a la predicción individual de cada observación, fundamentada en la teoría de juegos cooperativos. El TreeExplainer, un algoritmo optimizado para modelos basados en árboles, calculó los valores exactos de Shapley para Random Forest y XGBoost sin recurrir a aproximaciones estocásticas.

Los resultados del análisis SHAP se organizaron en cuatro tipos de visualización: importancia global (gráfico de barras), distribución direccional (beeswarm), explicación local (waterfall) y dependencia entre características (gráfico de dependencia). Estas visualizaciones se utilizaron para interpretar la contribución de cada característica en las predicciones de los modelos, sin presentar los hallazgos empíricos en esta sección.

3. Resultados y Discusión

La presente investigación evaluó la viabilidad de modelos de aprendizaje automático interpretables como soporte a la decisión en la planificación ágil, combinando la predicción de story points con la explicabilidad proporcionada por la técnica SHAP. Los resultados iniciales del análisis exploratorio del conjunto de datos Deep-SE, compuesto por 23.313 issues de 16 proyectos de código abierto, revelaron una distribución de los story points con asimetría positiva acentuada (6,00) y curtosis elevada (45,69). Esta característica indicó que la mayoría de las issues se concentraba en los valores más bajos de la escala de Fibonacci (1, 2, 3 y 5 story points), mientras que valores superiores a 20 story points eran ocurrencias raras, un patrón que influyó directamente en el comportamiento predictivo de los modelos.

La variabilidad de los puntos de historia entre los proyectos analizados resultó ser expresiva, con la mediana de los valores oscilando entre 2 y 8 puntos de historia y una amplitud intercuartílica sustancialmente diferente entre los equipos. Este patrón reflejó la existencia de convenciones de estimación distintas, un hallazgo consistente con lo documentado por Tawosi et al. (2022a) en su análisis del conjunto TAWOS, que incluye los mismos proyectos. Esta heterogeneidad motivó la decisión de adoptar un modelo cross-project, entrenado y evaluado sobre la totalidad de los datos, sin separación por proyecto específico, buscando una generalización de los patrones observados.

La relación entre la longitud de los campos textuales y los story points asignados resultó ser débil, sin una correlación lineal expresiva. Tanto issues cortas como largas recibieron valores bajos y altos, lo que indica que las características textuales brutas, sin transformación adicional, capturan una señal predictiva limitada. Este resultado corrobora los hallazgos de Porru et al. (2016), quienes reportaron un patrón análogo al investigar estimaciones de story points a partir de recuentos brutos de términos. Se confirmó la concentración de los valores más frecuentes en los puntos canónicos de la escala de Fibonacci (1, 2, 3, 5 y 8 story points), con la presencia de valores extremos que produjeron la cola pesada observada en la distribución.

La ingeniería de características priorizó la interpretabilidad, extrayendo nueve atributos directamente de los campos de texto de los issues, como la longitud de la descripción, la longitud del título, la presencia de user story canónica, la presencia de criterios de aceptación, el recuento de bloques de código, el recuento de URLs, la legibilidad de la descripción, la complejidad de las palabras clave y la relación título/descripción. Esta elección fue deliberada para garantizar que las explicaciones fueran comprensibles para los profesionales de gestión ágil, sin necesidad de familiaridad con modelos de lenguaje o álgebra avanzada. El trade-off entre precisión e interpretabilidad fue, por lo tanto, intencional, y la consiguiente pérdida de capacidad predictiva se cuantificó en la evaluación de los modelos.

La ejecución del pipeline de extracción de características sobre los 23.313 issues reveló que solo el 0,4% de los issues seguían el formato canónico de historia de usuario y solo el 7,1% contenían criterios de aceptación explícitos. La longitud media de las descripciones fue de 670 caracteres, con algunos registros que superaban los 50.000 caracteres debido a la inclusión de rastreos de pila o logs completos. El índice medio de legibilidad Flesch-Kincaid fue de 11,45, compatible con textos de nivel técnico universitario. Estos datos estructurales fueron preprocesados, con características numéricas continuas normalizadas y características binarias mantenidas en su escala original, antes del particionamiento en conjuntos de entrenamiento y prueba.

Desempeño comparativo de los modelos

Los tres algoritmos de aprendizaje supervisado – Regresión Lineal, Random Forest y XGBoost – fueron evaluados en el conjunto de prueba (4.663 issues) utilizando las métricas Error Absoluto Medio (MAE), Raíz del Error Cuadrático Medio (RMSE) y coeficiente de determinación (R²). El XGBoost obtuvo el menor MAE, con 4,64 story points, seguido de cerca por el Random Forest, con 4,66 story points, y por la Regresión Lineal, con 4,68 story points. El Random Forest presentó el mayor R² (0,026) y el menor RMSE (9,15). Las diferencias absolutas entre los modelos fueron marginales, con una variación de solo 0,04 story points en el MAE y 0,020 en el R², indicando una proximidad de rendimiento notable.

Esta convergencia de rendimiento entre algoritmos de naturaleza distinta (un modelo lineal, un ensemble por bagging y un ensemble por gradient boosting) sugirió que el techo predictivo fue impuesto por el espacio de características, y no por la capacidad intrínseca de los algoritmos. La Regresión Lineal alcanzó un rendimiento casi idéntico a los modelos basados en árbol, lo que implica que la mayor parte de la señal predictiva disponible en las nueve características estructurales ya fue extraída por una combinación lineal ponderada. Esta constatación es relevante para escenarios con restricciones de coste computacional, donde un modelo más simple puede ser preferible.

Los hiperparámetros seleccionados por la búsqueda en cuadrícula para los modelos basados en árboles fueron conservadores, con una profundidad máxima (max_depth) de 10 para ambos, con el objetivo de evitar el sobreajuste. El XGBoost utilizó una tasa de aprendizaje baja (0,01) y un número menor de árboles (100), mientras que el Random Forest compensó la ausencia de boosting secuencial con un mayor número de estimadores (500). La submuestra de columnas (colsample_bytree = 0,7) en el XGBoost actuó como regularización adicional. Estas configuraciones reforzaron la hipótesis de que el espacio de características ofreció una señal predictiva limitada para la tarea de regresión, y que la búsqueda de parámetros más agresivos resultó en sobreajuste en el conjunto de validación.

Análisis de las predicciones individuales

Los tres modelos exhibieron un patrón de regresión a la media, con las predicciones concentradas alrededor de aproximadamente seis story points, independientemente del valor real asignado al issue. Para issues con story points superiores a 20, los modelos sistemáticamente subestimaron las estimaciones, rara vez superando los diez story points. Este comportamiento se deriva de la fuerte asimetría de la distribución de los story points en el conjunto de datos, donde aproximadamente el 75% de los issues recibieron hasta 8 story points. Los modelos aprendieron a predecir valores cercanos a esta región de mayor densidad, lo que limitó la utilidad de las predicciones puntuales para issues de alta complejidad, justamente donde el soporte a la decisión es más crítico.

Las distribuciones de residuos (diferencia entre el valor real y el valor predicho) de los tres modelos fueron aproximadamente simétricas en torno a cero, con una concentración elevada de errores pequeños (en el rango de -5 a +5 story points) y una cola pesada a la derecha, indicando la subestimación en issues con valores elevados. Esta característica es esperada en distribuciones con asimetría positiva acentuada y curtosis elevada, como la de los story points en este estudio. La proximidad de las distribuciones de residuos entre los algoritmos reforzó la evidencia de que la capacidad predictiva fue limitada por el espacio de features, y no por la elección del algoritmo, un hallazgo similar al documentado por Tawosi et al. (2022a).

Importancia de las características en los modelos

El análisis de la importancia de las características por los mecanismos internos de los modelos (disminución media de impureza – MDI para Random Forest y ganancia de información para XGBoost) reveló que, en Random Forest, cuatro características concentraron el 90,6% de la importancia total: la razón título/descripción (29,4%), la legibilidad de la descripción (24,5%), la longitud de la descripción (21,7%) y la longitud del título (15,1%). Estas variables capturaron dimensiones complementarias del texto del issue, como la proporción entre título y descripción, la complejidad lingüística, la longitud absoluta y la concisión del enunciado, respectivamente.

En XGBoost, la importancia de las características se distribuyó de manera más uniforme. Un hallazgo notable fue el salto de la característica `keyword_complexity`, que pasó de la séptima posición en Random Forest (4,7%) a la segunda posición en XGBoost (17,4%). Esta diferencia puede atribuirse al mecanismo de gradient boosting, que ajusta árboles secuenciales sobre los residuos de la iteración anterior, permitiendo capturar señales residuales en la frecuencia de términos técnicos que Random Forest, basado en bagging, no priorizó en sus divisiones. Las características binarias `is_user_story` y `has_acceptance_criteria` fueron las menos relevantes en ambos modelos, con una importancia inferior al 0,1% y 0,2% respectivamente, debido al desequilibrio extremo de estas variables en el conjunto de datos.

Explicabilidad vía SHAP

El análisis de explicabilidad vía SHAP (SHapley Additive exPlanations) reveló divergencias significativas en relación con las métricas de importancia MDI/ganancia, especialmente para la característica `code_snippet_count`. En Random Forest, esta característica ocupó la séptima posición en MDI (0,022), pero ascendió a la primera posición en SHAP medio (0,80). Esta inversión ocurrió porque SHAP, fundamentado en la teoría de juegos cooperativos, captura el efecto marginal de cada característica en la predicción individual, mientras que el MDI contabiliza la frecuencia de uso ponderada por la reducción de impureza. La `code_snippet_count` fue utilizada en pocas divisiones de los árboles, pero con impacto sustancial en las predicciones individuales, un efecto que el MDI subestimó. Esta discrepancia reforzó la necesidad de técnicas de explicabilidad con fundamentación axiomática.

A pesar de las diferencias de magnitud en los valores SHAP entre Random Forest y XGBoost (los valores de Random Forest fueron aproximadamente 2.5 veces mayores, reflejando la mayor varianza del modelo), ambos algoritmos convergieron en las cinco características más importantes: `code_snippet_count`, `title_length`, `desc_length`, `description_readability` y `title_desc_ratio`. Esta convergencia entre modelos con mecanismos de aprendizaje distintos constituyó evidencia de que estas variables poseen una señal predictiva genuina y son indicadores estables para profesionales de gestión ágil, independientemente del algoritmo empleado.

Dirección de influencia

El análisis de la dirección de influencia, a través del gráfico beeswarm, demostró que la característica `keyword_complexity` exhibió una fuerte correlación positiva entre su valor y el valor SHAP. Los issues con alta frecuencia de términos técnicos, como “refactor”, “migrate”, “integration”, “API” y “database”, recibieron valores SHAP positivos elevados, lo que indica que el modelo aumentó la estimación de story points para estos issues. Este patrón es interpretable en el contexto de la gestión ágil, ya que las tareas que involucran estos términos tienden a ser más complejas y demandar mayor esfuerzo. Para un Scrum Master, esta información es accionable, permitiendo reexaminar las estimaciones que fueron impulsadas por estos términos.

En contraste, la característica `desc_length` presentó un patrón direccional débil. Descripciones largas se asociaron tanto a valores SHAP positivos como negativos, sugiriendo que la longitud de la descripción, aisladamente, no es un indicador confiable de esfuerzo. Una descripción puede ser larga debido a requisitos detallados o, alternativamente, por incluir información redundante o logs completos, lo que no necesariamente implica mayor complejidad efectiva. Este resultado desafía la intuición común de que “descripción larga equivale a tarea compleja”, y el mismo patrón se observó en Random Forest, indicando que equipos que dependen de esta heurística informal pueden estar basándose en una señal débil.

Las características `title_length` y `title_desc_ratio` presentaron relaciones no lineales con el SHAP. Para `title_length`, los títulos cortos se asociaron con valores SHAP predominantemente negativos, mientras que los títulos largos no produjeron una dirección consistente. Para `title_desc_ratio`, los valores extremos (muy altos o muy bajos) generaron mayores impactos que los valores intermedios. Esto sugiere que la desproporción entre el título y la descripción, en cualquier dirección, es más informativa que la proporción en sí, indicando que la falta de equilibrio en la comunicación textual puede ser una señal de complejidad o falta de claridad.

Análisis local

La visualización waterfall descompuso la predicción de una observación individual en contribuciones de cada característica, partiendo del valor esperado (media de las predicciones) y llegando al valor predicho. Esta trazabilidad individual permitió identificar qué características impulsaron la predicción hacia arriba o hacia abajo y en qué magnitud. Esta transparencia es crucial para los Scrum Masters y Product Owners, ya que les permite comparar la estimación del modelo con la estimación del equipo e identificar discrepancias atribuibles a características textuales específicas del issue. Por ejemplo, si el modelo estima un valor sustancialmente mayor que el equipo, la descomposición waterfall puede revelar que un alto recuento de términos técnicos o la presencia de bloques de código inflaron la predicción, proporcionando información procesable para reexaminar la estimación humana y mitigar el sesgo de anclaje, como describen Mahnič y Hovelja (2012).

Interacciones entre características

El gráfico de dependencia reveló una interacción entre `keyword_complexity` y `desc_length`. Para issues con alta frecuencia de términos técnicos, el efecto sobre la predicción se amplificó cuando la descripción también era larga. Una descripción que combina vocabulario técnico denso con una extensión considerable señaló una tarea que involucró múltiples dimensiones de complejidad (arquitectónica, de integración, de refactorización), justificando estimaciones más elevadas. Esta interacción no sería capturada por un análisis de importancia univariada (MDI o ganancia), evidenciando el valor de los gráficos de dependencia SHAP para identificar patrones multivariados en los datos. Los resultados del Random Forest para las cuatro visualizaciones SHAP fueron cualitativamente similares a los del XGBoost, con las mismas features predominantes y los mismos patrones direccionales, y las cinco features de mayor impacto coincidieron integralmente entre los dos modelos.

Contextualización con la literatura

Los valores de MAE obtenidos, entre 4,64 y 4,68 puntos de historia, fueron superiores a los reportados por estudios que emplearon representaciones textuales de alta dimensionalidad. Choetkiertikul et al. (2019) alcanzaron un MAE de 2,08 con redes Long Short-Term Memory (LSTM) y Yalçıner et al. (2024) reportaron un MAE de 2,15 con Sentence-BERT combinado con árboles potenciados por gradiente. La diferencia en la precisión predictiva reflejó una decisión de diseño deliberada, priorizando la interpretabilidad de las nueve características en detrimento de la capacidad predictiva máxima. Las representaciones semánticas de alta dimensión, aunque capturan matices lingüísticos complejos, permanecen opacas para los Scrum Masters y Product Owners, dificultando la comprensión del “porqué” de las estimaciones.

La robustez de las métricas reportadas en la literatura fue cuestionada por Tawosi et al. (2024), quienes, al replicar el GPT2SP de Fu y Tantithamthavorn (2023), identificaron un error en el cálculo original de MAE y demostraron que un predictor basado en la mediana de los story points por proyecto alcanzó un rendimiento competitivo con el modelo transformer tras la corrección. Esta constatación explicó, en parte, los valores de R² cercanos a cero obtenidos en este trabajo, ya que la mediana ya constituía un predictor fuerte, y el espacio residual para el aprendizaje fue estrecho. Incluso con R² cercano a cero, los modelos implementados produjeron predicciones diferenciadas por issue y permitieron, vía SHAP, rastrear qué atributos textuales influyeron en cada predicción individual, una trazabilidad que un predictor de mediana no ofreció. Alexander y Jayadi (2024) llegaron a una conclusión análoga en una comparación directa, en la que modelos de ML tradicionales mantuvieron un rendimiento competitivo con Large Language Models en la predicción de story points, reforzando que la adopción de modelos interpretables no implicó una pérdida significativa de precisión en relación con los modelos de vanguardia.

La distribución de puntos de historia en Deep-SE siguió la escala de Fibonacci (1, 2, 3, 5, 8, 13, 21…), utilizada para reflejar una incertidumbre creciente en tareas más grandes. Esta escala es ordinal, no de intervalo, y el tratamiento continuo de la variable, compartido por la totalidad de los estudios revisados (Choetkiertikul et al., 2019; Fu y Tantithamthavorn, 2023; Yalçıner et al., 2024), puede haber contribuido a la dificultad de los modelos en los valores más altos de la escala. Tawosi et al. (2022b) documentaron que la correlación entre los puntos de historia y el esfuerzo real fue fuerte en solo el 7% de los proyectos, con estimaciones imprecisas en el 78% de los casos, lo que indica que los puntos de historia capturan percepciones de complejidad relativa y no esfuerzo absoluto. El análisis SHAP reveló, por lo tanto, los factores textuales que influyeron en estas percepciones, y no el tiempo real de implementación.

Fernández-Diego et al. (2020) constataron que técnicas subjetivas, como planning poker y juicio de expertos, permanecen dominantes en la industria, a pesar de las evidencias sobre enfoques automatizados. La brecha se atribuyó a la falta de transparencia de los modelos de ML, ya que los gerentes se resisten a herramientas cuyas predicciones no pueden ser interpretadas. Pasuksmit et al. (2024) identificaron la calidad de la información sobre los issues como la razón más frecuente de imprecisión en las estimaciones, dimensión que el análisis SHAP abordó al cuantificar la influencia de atributos como longitud textual, vocabulario técnico y bloques de código. Priya Varshini et al. (2025) validaron la combinación Random Forest + SHAP en la estimación de esfuerzo de software, reportando una mejora en la confianza de los gerentes, convergencia metodológica que reforzó la pertinencia del enfoque interpretable adoptado en este trabajo.

Limitaciones del estudio

La limitación central del estudio residió en el espacio restringido de nueve características estructurales y textuales. La exclusión de representaciones semánticas de alta dimensionalidad fue una elección deliberada para garantizar la interpretabilidad de los resultados SHAP para Scrum Masters y Product Owners. Sin embargo, esta decisión resultó en una señal predictiva limitada, evidenciada por los valores de R² cercanos a cero. En la práctica, un coeficiente de esta magnitud implica que la predicción puntual no debe adoptarse de forma aislada para decisiones críticas, ya que la varianza capturada fue insuficiente para la planificación de la capacidad o la asignación de recursos. El valor del enfoque predictivo residió en la descomposición SHAP, que transformó predicciones individualmente imprecisas en diagnósticos accionables sobre los atributos textuales que influyeron en cada estimación.

Los puntos de historia son inherentemente ruidosos como variable objetivo, como documentaron Tawosi et al. (2022b), quienes observaron una fuerte correlación con el esfuerzo real en solo el 7% de los proyectos. Este ruido intrínseco establece un techo de previsibilidad independiente del modelo empleado. Además, los 16 proyectos de Deep-SE eran de código abierto, con prácticas de estimación y madurez ágil heterogéneas. El entrenamiento en modo cross-project, en lugar de project-specific, diluyó patrones específicos de cada equipo, lo que pudo haber limitado el rendimiento. La generalización a proyectos propietarios con equipos estables y prácticas estandarizadas sigue siendo una cuestión abierta, dependiendo del acceso a datos confidenciales.

El tratamiento de los puntos de historia como variable continua constituyó una simplificación, dado que la escala de Fibonacci es ordinal y la regresión tradicional no capturó su estructura discreta de forma ideal. Khan et al. (2025) propusieron un framework de aprendizaje comparativo que infiere esfuerzo relativo, lo que puede ser más consistente con el proceso de toma de decisiones del planning poker. Otra limitación fue la ausencia de características temporales, como la posición en el backlog, la velocidad histórica del equipo o la fase del sprint. Tawosi et al. (2022b) indicaron que estas características podrían complementar las variables estructurales y ampliar el poder predictivo de los modelos, ya que las correlaciones entre los puntos de historia y el esfuerzo real varían a lo largo del ciclo de vida del proyecto.

Finalmente, el costo computacional de SHAP en entornos de producción representa una limitación. Aunque TreeExplainer fue factible para el conjunto de prueba de este trabajo (4.663 observaciones), el cálculo de valores de Shapley para inferencia en tiempo real o conjuntos con millones de problemas puede requerir estrategias como el almacenamiento en caché, el muestreo o las aproximaciones estocásticas (KernelSHAP). Estas consideraciones son importantes para la escalabilidad de la solución en contextos industriales con gran volumen de datos.

Implicaciones prácticas para la gestión ágil

El análisis SHAP tradujo los resultados predictivos en recomendaciones prácticas para Product Owners y Scrum Masters. Para los Product Owners, la característica `keyword_complexity` surgió como un indicador consistente de que los issues que mencionan términos como “refactor”, “migrate”, “integration”, “API” y “database” reciben estimaciones sistemáticamente más altas. Esta información es crucial para mitigar el sesgo de anclaje durante las sesiones de planning poker, donde la familiaridad superficial con estos términos puede enmascarar la complejidad real de la tarea. La descomposición SHAP ofrece un contrapunto al sesgo, señalando issues que merecen una discusión en profundidad antes de la votación, permitiendo una estimación más informada.

Para los Scrum Masters, la visualización waterfall funciona como una herramienta de diagnóstico individual. Permite comparar la estimación del modelo con la del equipo e identificar las características responsables de la divergencia. Si el modelo asigna una estimación elevada a un issue evaluado con bajo valor por el equipo, y la descomposición revela `code_snippet_count` y `keyword_complexity` como impulsores, el Scrum Master puede reabrir la discusión sobre la complejidad técnica. El planning poker genera alineación a través de la discusión, y SHAP genera alineación a través de la transparencia de los factores predictivos, actuando como enfoques complementarios y no competidores, según la perspectiva de Moløkken-Østvold y Haugen (2007).

El enfoque del estudio refuerza que el papel del modelo es proporcionar una perspectiva adicional, basada en patrones extraídos de un gran volumen de datos, enriqueciendo la discusión sin sustituir el juicio del equipo. La escala de puntos de historia es una convención social, y SHAP ha hecho explícitas las razones estructurales detrás de la predicción, permitiendo al equipo evaluar si los mismos factores fueron considerados en su estimación, en línea con la visión de Schwaber y Sutherland (2020) sobre la responsabilidad de dimensionamiento por parte de los desarrolladores. La baja prevalencia de prácticas formales de especificación en el conjunto de datos (0,4% de user stories canónicas y 7,1% de criterios de aceptación explícitos) constituyó un hallazgo aplicable. Equipos que adoptan sistemáticamente criterios de aceptación y formato estandarizado de user stories pueden mejorar tanto la previsibilidad de las estimaciones como la riqueza de las características disponibles para modelos predictivos, tal como Pasuksmit et al. (2024) identificaron la calidad de la información como un factor crítico para la precisión.

En resumen, la investigación demostró que, si bien los modelos predictivos basados en características interpretables presentaron un rendimiento modesto en términos de precisión puntual (MAE de 4,64 story points y R² cercano a cero), la combinación con la técnica SHAP los transformó en una herramienta valiosa de apoyo a la decisión en la planificación ágil. La capacidad de explicar el “porqué” de cada estimación, identificando la contribución de atributos textuales como la cantidad de bloques de código, la longitud del título y la frecuencia de términos técnicos, permitió a los Scrum Masters y Product Owners comprender y validar las predicciones, mitigando sesgos y enriqueciendo las discusiones de planificación, lo cual es fundamental para la adopción efectiva de modelos de Machine Learning en contextos de gestión ágil.

4. Conclusión

El presente estudio evaluó la viabilidad de modelos de aprendizaje automático interpretables como soporte a la decisión en la planificación ágil, combinando la predicción de story points con la explicabilidad vía SHAP. Se implementaron tres algoritmos de aprendizaje supervisado – Regresión Lineal, Random Forest y XGBoost – para predecir story points a partir de nueve características estructurales y textuales, extraídas de 23.313 issues de 16 proyectos de código abierto. Se verificó que el XGBoost obtuvo el menor Error Absoluto Medio (4,64 story points), pero los tres modelos presentaron un desempeño predictivo similar, indicando que el techo de previsibilidad fue impuesto por el espacio de características, y no por la capacidad intrínseca de los algoritmos. El análisis SHAP cuantificó la contribución de cada característica, identificando la cantidad de bloques de código, la longitud del título y la frecuencia de términos técnicos como los atributos de mayor impacto en las estimaciones. La principal contribución del trabajo reside en la configuración de una herramienta de soporte a la decisión que, al hacer explícitos los atributos textuales que influyen en las estimaciones, permite a los Scrum Masters y Product Owners comprender y validar las predicciones, mitigando sesgos y enriqueciendo las discusiones de planificación ágil, superando la limitación de “caja negra” de enfoques predictivos anteriores.

Sin embargo, el estudio presentó limitaciones importantes, como el espacio restringido de nueve características estructurales y textuales, una elección deliberada que resultó en una señal predictiva limitada y valores de R² cercanos a cero. Además, los story points son inherentemente ruidosos como variable objetivo, y el entrenamiento en modo cross-project sobre datos de proyectos de código abierto introdujo heterogeneidad en las prácticas de estimación. El tratamiento de la escala de Fibonacci como variable continua y la ausencia de características temporales también constituyeron simplificaciones. Para estudios futuros, se sugiere la exploración de arquitecturas híbridas que combinen características interpretables con representaciones semánticas de baja dimensionalidad para elevar la precisión sin sacrificar la transparencia. También se recomienda la validación empírica del enfoque con Product Owners y Scrum Masters en estudios cualitativos, a fin de medir el efecto de las visualizaciones SHAP en la calibración de las estimaciones y en la dinámica de las sesiones de planning poker, aproximando los modelos de ML a la adopción efectiva en entornos de gestión ágil.

Referencias Bibliográficas

Choetkiertikul, M.; Dam, H.K.; Tran, T.; Pham, T.; Ghose, A

Mahnič, V.; Hovelja, T. 2012. On using planning poker for estimating user stories. Journal of Systems and Software 85(9): 2086-2095.

Moløkken, K.; Jørgensen, M. 2003. A review of surveys on software effort estimation. IEEE Transactions on Software Engineering 29(10): 1104-1115.

Pasuksmit, J.; Thongtanunam, P.; Karunasekera, S. 2024. A systematic literature review on reasons and approaches for accurate effort estimations in agile. ACM Computing Surveys 56(11): 1-37.

Porru, S.; Murgia, A.; Demeyer, S.; Marchesi, M.; Tonelli, R. 2016. Estimating story points from issue reports. In: International Conference on Predictive Models and Data Analytics in Software Engineering, 12., 2016, Ciudad Real, Espanha. Proceedings… p. 1-10.

Schwaber, K.; Sutherland, J. 2020. The Scrum Guide: the definitive guide to Scrum, the rules of the game. Disponível em: <https://scrumguides.org/>. Acesso em: 30 mar. 2026.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Ingeniería de Software del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.