Scrum nació a comienzos de los años noventa como una respuesta a las limitaciones del desarrollo de software tradicional. Jeff Sutherland y Ken Schwaber propusieron un marco de trabajo que rompía con la rigidez de los modelos en cascada al introducir iteraciones cortas, equipos autoorganizados y ciclos de inspección y adaptación. Su premisa esencial era directa: en entornos complejos, la flexibilidad supera a la planificación exhaustiva. En poco tiempo, Scrum trascendió el desarrollo de software y comenzó a adoptarse en múltiples áreas de negocio, desde marketing hasta operaciones.
- Origen y desarrollo: Schwaber y Sutherland colaboraron, influenciados por enfoques como el de «The New Product Development Game» de Takeuchi y Nonaka, y basándose en sus propias experiencias en gestión de proyectos complejos. Identificaron que el modelo tradicional de gestión de proyectos no era efectivo para la velocidad y colaboración necesarias en el desarrollo de software.
- Presentación formal: En 1995, presentaron Scrum públicamente en la conferencia OOPSLA, sentando las bases para su adopción generalizada en la industria del software y otros sectores.
- Scrum Guide: Para estandarizar el marco y evitar interpretaciones erróneas, crearon la Scrum Guide. Schwaber y Sutherland han sido los responsables de mantener y actualizar la guía desde su primera versión en 2009, para reflejar la evolución de Scrum.
- Legado: A través de sus trabajos y organizaciones como Scrum.org y Scrum Inc., continúan siendo figuras clave en la promoción y evolución de Scrum a nivel mundial, extendiendo sus principios más allá del desarrollo de software a otras áreas como finanzas, atención médica y educación.
Scrum Guide 2020 Updates >> https://www.scrum.org/scrum-guide-2020
Tres décadas después, el panorama tecnológico ha cambiado radicalmente. La inteligencia artificial generativa, la automatización, los agentes autónomos, la coordinación en tiempo real y los sistemas distribuidos de alta velocidad han modificado la escala y la velocidad del trabajo. Este nuevo contexto ha llevado a Jeff Sutherland a replantear parte del marco original, incorporando conceptos que buscan adaptar Scrum a una economía donde la toma de decisiones se acelera y los sistemas operan con niveles crecientes de autonomía. De este esfuerzo han surgido interpretaciones como AI-driven Scrum y Scrum at the Edge, que exploran cómo coordinar sistemas híbridos donde humanos y agentes inteligentes cooperan para entregar valor.
AI-driven Scrum es quel impulsado por IA, utiliza inteligencia artificial para automatizar y mejorar las tareas en el marco de Scrum, actuando como un «asistente del Scrum Master» para mejorar la eficiencia.
AI-driven Scrum parte del reconocimiento de que la inteligencia artificial no solo apoya tareas operativas, sino que participa en actividades estratégicas: análisis de datos, generación de propuestas, estimaciones, prototipado e incluso ejecución automatizada de historias de usuario. El rol humano se desplaza desde realizar tareas hacia dirigirlas: definir los problemas adecuados, validar resultados, priorizar lo que realmente entrega valor y asegurar que las decisiones se alineen con principios éticos y objetivos de negocio. El marco se ajusta para integrar herramientas que operan a velocidades que superan la capacidad humana, sin perder el control sobre el rumbo del proyecto.
Por otro lado, Scrum at the Edge refleja una tendencia natural hacia sistemas distribuidos, con infraestructura y cómputo ubicados “al borde” de la red: dispositivos, sensores, nodos locales, agentes autónomos y microservicios que operan cerca de donde ocurre la acción. Aquí, Scrum se convierte en un protocolo de coordinación entre entidades que trabajan a diferentes velocidades y con distintos niveles de autonomía. La metáfora de “acercar el código a la consecuencia” describe la necesidad de reducir latencia no solo técnica, sino organizacional: decisiones que se toman más rápido, ciclos más cortos y equipos —humanos y digitales— que reaccionan en tiempo real.
Sutherland ha ido más allá al plantear la idea de una futura economía de agentes, donde los sistemas autónomos no solo procesan información, sino que interactúan entre sí, ejecutan operaciones económicas y funcionan como una fuerza laboral ampliada. En este contexto, Scrum@Scale se presenta como una capa de coordinación que organiza enjambres de agentes inteligentes del mismo modo que organizó equipos humanos durante décadas. El objetivo es permitir sistemas de alto rendimiento sin perder alineación estratégica.
Scrum@Scale se basa en dos ciclos: uno para los Scrum Masters («Scrum de Scrums») y otro para los Product Owners (Meta Scrum). El objetivo es mantener la agilidad de Scrum mientras se aumenta la coordinación y el rendimiento en toda la empresa.
Estas propuestas generan debate, especialmente cuando se discute el papel del humano. Algunos temen que la automatización extrema pueda desplazar la intervención humana hasta volverla marginal. Sin embargo, el análisis técnico y organizacional sugiere lo contrario: los sistemas complejos requieren diversidad cognitiva, juicio contextual, creatividad y responsabilidad ética, elementos que los algoritmos aún no pueden replicar de manera integral. Incluso en entornos donde los agentes ejecutan miles de operaciones por segundo, la dirección humana sigue siendo esencial para establecer prioridades, interpretar efectos colaterales, ajustar estrategias y asegurar que los resultados beneficien a las personas y a la organización.
La evolución reciente del pensamiento de Scrum no propone eliminar al humano, sino redefinir su posición. Mientras la inteligencia artificial amplía la capacidad operativa, los humanos fortalecen la visión, la interpretación y el liderazgo. El marco resulta más eficaz cuando combina ambas dimensiones: velocidad algorítmica y criterio humano. La coordinación entre estas dos inteligencias —la natural y la artificial— será uno de los desafíos organizacionales más relevantes de los próximos años.
Scrum empezó como un método para manejar la complejidad del desarrollo de software. Hoy se expande como un modelo para coordinar ecosistemas donde conviven personas, algoritmos y sistemas autónomos. En esta nueva etapa, el éxito no dependerá de cuánto se automatice, sino de cómo se mantenga la supervisión humana como garante de propósito, sentido y responsabilidad. Esa presencia será, en última instancia, el verdadero motor que mantendrá a Scrum relevante frente a los desafíos de la era digital avanzada.
El gran reto, coordinar esa carrera, una vez alineados los objetivos.
Vamos a ver, analicemos esto desde la apreciación de métricas: Scrum proponia administración de tiempos, para los sprint por ejemplo, en dias. La AI y la automatización nos dan métricas de resultados en milisegundo, analisis de Tera y Petabytes, y medidas de dispersiones al instante.
Esa diferencia de escalas es el verdadero elefante en la habitación. Antes hablábamos de días, semanas, velocidad del equipo, burn-down charts… métricas diseñadas para un organismo biológico que necesita dormir, comer, conversar y aclarar dudas. Scrum nació para sincronizar cerebros humanos. Ahora entramos a un mundo donde una parte del “equipo” vive en otro régimen temporal.
La metáfora casi se cuenta sola: es como intentar que un ciclista y un fotón compartan pista. No puedes medirlos con el mismo cronómetro.
Aquí aparece el reto que mencionas: coordinación entre escalas radicalmente distintas. Y eso implica revisar las métricas desde su esencia, no solo ajustarlas.
Imaginemos tres capas temporales coexistiendo en un mismo sistema Scrum-moderno:
- Tiempo humano (horas, días, semanas)
Aquí viven la estrategia, las decisiones éticas, las prioridades, la comprensión del cliente. El sprint sigue siendo útil, porque las ideas necesitan madurar. - Tiempo automático (milisegundos a segundos)
Es el dominio de los agentes. Consultan bases de datos gigantes, ejecutan pipelines, detectan anomalías, generan variantes de código. No tiene sentido pedirles que “esperen la daily”. - Tiempo organizacional (minutos a horas)
Es el intervalo donde los resultados de los agentes deben integrarse a decisiones humanas y a ciclos de negocio. Aquí entra el famoso inspection & adaptation, pero con otras herramientas.
Cuando esto ocurre, las métricas de Scrum ya no pueden ser solo “velocidad del equipo” o “story points completados”. Empiezan a surgir métricas nuevas, casi “interdimensionales”:
• latencia de decisión: cuánto tarda un resultado de un agente en influir en una acción humana;
• grado de alineación: qué tan consistentemente los agentes producen trabajo coherente con el producto;
• entropía de resultados: cuánta variación hay entre ejecuciones automáticas (y si esa variación es ruido o valor);
• ratio humano-agente: cuántas decisiones humanas se requieren por cada unidad de output automático.
El sprint ya no es solo un bloque temporal; pasa a ser un ritmo de sincronización entre inteligencias. Un lugar donde se realinean propósitos, se ajustan límites, se evalúan anomalías y se decide el rumbo.
Los objetivos alineados son el único punto donde ambas escalas pueden tocarse. Una vez que el propósito está claro, los agentes corren solos. Pero sin ese vector inicial, solo tendríamos máquinas acelerando en direcciones aleatorias.
El desafío de esta década será armonizar esas escalas, sin perder el control estratégico ni sofocar la velocidad automática. Es una danza entre milisegundos y semanas; pura física del trabajo moderno.
Save as PDFAbout the Author
