Affinity Estimating
Affinity Estimating es una técnica de estimación relativa que consiste en ordenar y agrupar un gran número de historias de usuario según su tamaño percibido, comparándolas entre sí en lugar de asignarles valores numéricos de forma individual. Es especialmente útil para estimar backlogs grandes al inicio de un proyecto.
No debe confundirse con Affinity Mapping: aunque ambas técnicas usan agrupación visual, Affinity Estimating se aplica exclusivamente a la estimación de tamaño, mientras que Affinity Mapping sirve para organizar y categorizar ideas de cualquier tipo.
Cuándo usarla
Al inicio de un proyecto, cuando hay que estimar un backlog grande en poco tiempo. Cuando el equipo tiene dificultades para llegar a consenso con otras técnicas como el planning poker. Cuando se quiere identificar dependencias y patrones entre historias antes de priorizarlas.
Cómo aplicarla
Antes de la sesión se recopilan todas las historias de usuario o tareas a estimar.
- Silent Sort (clasificación silenciosa): se reparten copias de las historias a los participantes. Cada persona las ordena en silencio de menor a mayor tamaño relativo, sin comentar con el resto. El silencio es deliberado: evita que las opiniones de los miembros más influyentes del equipo sesguen la clasificación desde el principio.
- Discusión y ajuste: una vez ordenadas todas las historias, el equipo debate. Cualquier miembro puede mover una historia, pero debe explicar su razonamiento. El objetivo es alcanzar un consenso sobre el orden relativo.
- Agrupación: el equipo agrupa las historias en bloques de tamaño similar.
- Asignación de valores: se asigna un valor de estimación a cada grupo. La escala puede ser Fibonacci, tallas de camiseta o cualquier sistema que el equipo use habitualmente.
Affinity Estimating con IA
Cuando el backlog incluye historias con componente de IA generativa, la estimación por afinidad se complica: dos historias aparentemente similares pueden tener tamaños muy diferentes dependiendo de la disponibilidad de datos, la calidad del modelo base o los criterios de aceptación del output. Conviene crear una agrupación separada para las historias de IA hasta que el equipo tenga referencias propias de velocidad con este tipo de trabajo.
Algunas herramientas digitales de pizarra colaborativa (Miro, FigJam) incorporan ya funciones de IA que pueden sugerir agrupaciones iniciales. Pueden ser útiles como punto de partida, pero el Silent Sort manual tiene un valor que va más allá de la estimación: el proceso de ordenar en silencio activa el pensamiento individual antes de la discusión colectiva, algo que la IA no puede replicar.
Error frecuente
Romper el silencio durante el Silent Sort. Si durante la clasificación individual alguien comenta en voz alta por qué coloca una historia en un determinado lugar, contamina el juicio del resto. El valor de esta fase es precisamente que cada persona forma su propia opinión antes de exponerse a la del grupo.
Recursos
🎙️ Podcast Ep. 1: Serie Fibonacci y estimación ágilScrum Manager Podcast · Spotify
🎙️ Podcast Ep. 10: Estimar o no estimarScrum Manager Podcast · Spotify
📄 Blog: Técnicas de estimación ágil: tres estrategiasScrum Manager Blog · jul 2023
Véase también
¿Quieres avanzar en agilidad? Puedes buscar convocatorias de cursos y exámenes o ir a tu ritmo haciéndote miembro del Club Agile. Esta membresía incluye recursos exclusivos, aulas e-learning y acceso a Skill Arena: un espacio para practicar y medir tus habilidades ágiles a tu ritmo.