¿Qué es una historia de usuario?

Explicación

Una historia de usuario es una pieza pequeña y valiosa de funcionalidad descrita desde el punto de vista de quien la va a usar. Suele escribirse como «Como [tipo de usuario], quiero [algo] para [beneficio]» y se completa con criterios de aceptación que dicen cómo saber que está terminada. Las historias enlazan personas con resultados y sirven para ordenar y planificar el backlog de un equipo. En proyectos de IA guiados por especificaciones también anclan la evaluación: cada historia debe tener criterios de aceptación medibles y poder rastrearse hasta los prompts, las herramientas y la telemetría que la implementan.

Partes de una buena historia

• Quién: el usuario o rol, lo bastante concreto para imaginarlo.
• Qué: la capacidad que necesita, descrita como comportamiento, no como una pantalla o una tarea técnica.
• Para qué: el beneficio, que ayuda a decidir la prioridad y la solución más sencilla.
• Criterios de aceptación: condiciones concretas, a menudo en formato Given-When-Then, que confirman que está hecha.
• Una conversación: la tarjeta es un recordatorio para hablar; los detalles se acuerdan entre el equipo y quien conoce la necesidad.

INVEST y tamaño de las historias

Una lista de comprobación habitual para valorar una historia es INVEST: independiente, negociable, valiosa, estimable, pequeña y comprobable (testable). Si una historia no cumple alguno de estos puntos, se suele reescribir o dividir.

Las historias demasiado grandes para entregarse en una iteración se llaman épicas y se dividen en historias más pequeñas. Cada historia resultante debe aportar valor por sí misma, en lugar de ser una capa técnica que solo funciona cuando están hechas las demás.

Historias de usuario en proyectos de IA

Las funciones de IA cuestan más de especificar porque su salida varía. Una historia útil no solo dice qué quiere el usuario, también cómo se reconoce una buena respuesta: los casos que debe cubrir, lo que nunca debe hacer y cuándo debe pasar el caso a una persona.

Esos criterios de aceptación se convierten en casos de evaluación. Rastrear cada historia hasta los prompts, herramientas, datos y métricas que hay detrás te permite demostrar, tras cada cambio, qué historias siguen pasando y cuáles han empeorado.

Preguntas frecuentes

Para seguir leyendo

• Desarrollo de aplicaciones AI-native: guía para la dirección
• Transformación de la IA empresarial: una hoja de ruta estratégica para una ventaja competitiva

Términos relacionados

• Evaluación Proceso de medir lo bien que funciona un modelo o una aplicación de IA: exactitud, relevancia, seguridad, sesgo, coste y otros criterios.
• Criterios de aceptación Condiciones comprobables que definen cuándo una funcionalidad o la salida de un modelo está terminada y es correcta, para que «hecho» se compruebe en vez de discutirse.
• AI Bill of Materials Inventario legible por máquina de todo aquello con lo que se construye un sistema de IA: modelos, datasets, dependencias, licencias y su linaje.
• Analytics Predictivo Uso de datos históricos, estadística y machine learning para estimar qué es probable que pase: demanda, bajas de clientes, averías, fraude o ventas.
• Caso de Uso Escenario de negocio concreto en el que se aplica la IA a una tarea específica, para unos usuarios concretos y con un resultado medible.
• CRM Gestión de relaciones con clientes: la estrategia y el software para gestionar datos e interacciones con clientes; la IA añade predicción, automatización y asistentes.