Spikes

¿Qué son los Spikes en Historias de Usuario?

Definición: Investigación técnica o de negocio para reducir incertidumbre

Tipos principales:

• Spike Técnico: Explorar soluciones técnicas
• Spike de Negocio: Investigar decisiones de negocio

Características:

• Timeboxed (tiempo limitado)
• Enfocados en aprendizaje
• No producen código de producción

¿Cuándo usar Spikes?

Escenarios comunes:

• Alta incertidumbre técnica
• Dificultad para estimar una historia
• Evaluación de tecnologías/frameworks
• Pruebas de concepto necesarias

Resultados esperados:

• Mejor entendimiento del problema
• Estimaciones más precisas
• Reducción de riesgos técnicos

Ejemplos de Spikes

Spike Técnico:

• "Investigar opciones de integración con API de pagos"
• Timebox: 2 días
• Resultado: Documentación de opciones y recomendación

Spike de Arquitectura:

• "Evaluar frameworks de ML para reconocimiento facial"
• Timebox: 3 días
• Resultado: Prueba de concepto con 2 frameworks

Spike de Investigación:

• "Analizar estrategias de caché para mejorar rendimiento"
• Timebox: 1 día
• Resultado: Comparativa de soluciones y costos

Estrategias para spikes efectivos

• Establecer límite de tiempo claro
• Definir entregables específicos
• Mantener el alcance acotado
• Documentar aprendizajes
• Compartir conocimiento con el equipo
• Usar resultados para refinar historias originales

Mejorando estimaciones con Spikes

Historia Original:

• "Como usuario quiero realizar reconocimiento facial para el login"
  • Estimación inicial: ??? (Demasiada incertidumbre)
  • Razones de incertidumbre:
    • Equipo sin experiencia en ML
    • Desconocimiento de APIs disponibles
    • Dudas sobre rendimiento necesario

Pasos para definir un spike

1. Definir preguntas clave
   • ¿Qué APIs están disponibles?
   • ¿Costos de implementación?
   • ¿Tiempo de respuesta esperado?
2. Establecer timebox
   • 2 días para investigación
   • 1 día para prueba de concepto
3. Definir entregables
   • Comparativa de soluciones
   • Mini prototipo funcional
   • Documentación de hallazgos

Resultados

• Hallazgos del Spike:
  • API seleccionada: Azure Face API
  • Tiempo de integración conocido
  • Requisitos técnicos claros
• Nueva Estructura de Historia:
  • "Configurar integración con Azure Face API" (3 pts)
  • "Implementar captura de imagen en frontend" (2 pts)
  • "Desarrollar flujo de autenticación facial" (5 pts)
• Resultado:
  • De una historia imposible de estimar
  • A tres historias con total de 10 puntos