Estimación del esfuerzo en proyectos de scrum utilizando técnicas de aprendizaje computacional

Abstract

La estimación o predicción del esfuerzo en el desarrollo de software es esencial para la gestión eficiente de los proyectos, ya que su precisión influye directamente en el éxito o fracaso de éstos. A pesar de los beneficios documentados, contar con estimaciones realistas y lograr precisión bajo enfoques ágiles de desarrollo, sigue siendo un desafío abierto y nicho de estudio. En entornos ágiles de desarrollo, la complejidad e incertidumbre de los proyectos aumentan debido a factores como los cambios frecuentes en los requisitos, las iteraciones cortas y la falta de detalles iniciales que terminan dificultando la obtención de una estimación precisa. Problema que debe abordarse mediante el desarrollo de propuestas que promuevan la adaptabilidad y mejora continua de la estimación, y prioricen la entrega de valor, ya que a pesar de que la literatura actual proporciona evidencia de los múltiples beneficios que otorga la obtención de estimaciones realistas, la estimación, especialmente en proyectos que adoptan enfoques ágiles de desarrollo, aún es una tarea desafiante. En este sentido, esta tesis presenta una propuesta que hace uso de modelos de aprendizaje computacional para mejorar la estimación del esfuerzo en una pequeña organización desarrolladora de software con un mínimo error relativo. Finalmente, mediante un enfoque cuantitativo/cualitativo se muestra una comprensión integral y holística de los resultados obtenidos que permiten evaluar la utilidad y percepción subjetiva de la estimación.