Las métricas DORA (frecuencia de despliegue, lead time de cambios, tasa de fallos en cambios y tiempo de recuperación) son la forma estándar de ver qué tan bien entrega software un equipo de ingeniería. Son útiles. Solo que no cuentan toda la historia.
Un dashboard que señala, pero no explica
Si tienes un dashboard de DORA, sabes cuándo la entrega se frena. Lo que no te dice es por qué, ni cómo arreglarlo. Es como un médico que te dice qué tienes y te deja averiguar la cura por tu cuenta.
La causa rara vez está en el pipeline. Está en el trabajo que lo rodea: tickets que vuelven atrás, revisiones que esperan, demasiado trabajo en curso, un sprint con más stakeholders de los que el equipo puede alinear.
El contexto cambia la lectura
La productividad no se lee solo desde el pipeline, ni desde una encuesta. Lo que importa es el contexto en el que se escribe el código: el tablero, el repositorio, las conversaciones y el calendario. Una caída en la frecuencia de despliegue significa una cosa en un equipo con mucha carga y muchos stakeholders, y otra muy distinta en un equipo trabado esperando revisiones.
El informe Global Human Capital Trends 2024 de Deloitte apunta a lo mismo: hay que repensar las métricas tradicionales de productividad, y las organizaciones ya pueden recolectar y analizar datos de trabajo lo bastante rápido como para convertirlos en decisiones útiles.
Equilibrio, no un solo número
Cada métrica necesita su contramétrica. Algunos ejemplos:
- Entrega vs. carga: subir la frecuencia de despliegue con un backlog pesado y muchos stakeholders solo mueve el problema a otro lado.
- Velocidad vs. calidad: un lead time más corto significa poco si la tasa de fallos o el retrabajo suben con él.
- Resultado vs. tiempo: el trabajo fuera de horario, o los sprints llenos de reuniones, inflan el resultado hoy y lo cobran mañana.
DORA te dice qué está pasando hoy. No te dice por qué.
De una métrica en rojo a un precio y una solución
Aquí entra Leanmote. Conecta tu tablero, tus repositorios, tu CI/CD, tu chat y tus herramientas de IA, en solo lectura, y compara las métricas de cada equipo con 12 meses de su propia historia. Cuando algo se dispara o se cae, no solo se pone en rojo: recibe un precio en dólares al mes, con el costo real de las horas involucradas.
Cada problema con precio puede tener un agente de IA que trabaja en recuperarlo: destraba trabajo estancado, baja el retrabajo, acelera las revisiones. Tú apruebas cada acción, y cuando la métrica vuelve a lo normal, el monto pasa a recuperado.
En vez de adivinar, o de preguntarle al equipo qué anda mal, le llevas el problema, lo que cuesta y un plan para resolverlo.