Resumen Técnico: Adopción de Modelos de Lenguaje de Gran Escala en la Gestión de Scrum

Planteamiento del Problema

Si bien los Modelos de Lenguaje de Gran Escala (LLM, por sus siglas en inglés) han demostrado un impacto significativo en las actividades técnicas de la ingeniería de software (por ejemplo, codificación, pruebas, depuración), existe una escasez de evidencia empírica respecto a su aplicación en las actividades de gestión de Scrum. La gestión ágil es inherentemente intensiva en conocimiento, apoyándose en la ambigüedad, la negociación, la priorización y la dinámica humana. La literatura existente se centra mayoritariamente en tareas técnicas o permanece confinada a prototipos y escenarios educativos. En consecuencia, las organizaciones corren el riesgo de adoptar los LLM en contextos de gestión basados en el "hype" o tendencia, en lugar de basarse en la evidencia, lo que podría conducir a una dependencia excesiva, la propagación de resultados sesgados, brechas de confidencialidad y la erosión de la responsabilidad compartida del equipo. Este estudio aborda esta brecha investigando cómo los profesionales del software están incorporando actualmente los LLM en las prácticas de gestión de Scrum, específicamente dentro de la industria del software brasileña, que representa un mercado grande y en rápido crecimiento.

Metodología

El estudio emplea un diseño de investigación basado en encuestas siguiendo las directrices sistemáticas para encuestas de ingeniería de software (Wagner et al.).

• Audiencia Objetivo: Profesionales con experiencia práctica en proyectos basados en Scrum.
• Estrategia de Muestreo: Un enfoque no probabilístico que combina el muestreo por conveniencia y el de bola de nieve. El reclutamiento se realizó a través de comunidades de Agile en LinkedIn, listas de distribución profesional y contactos académicos/industriales.
• Instrumento: Un cuestionario de nueve secciones alojado en Google Forms, estructurado en torno a cuatro Preguntas de Investigación (RQ) derivadas de un marco de Trabajo de Pregunta-Métrica (GQM). El instrumento incluyó ítems cerrados (escalas de Likert, medidas de frecuencia) y preguntas abiertas.
• Recolección de Datos: La encuesta estuvo abierta durante octubre y noviembre de 2025.
• Tamaño de la Muestra: 70 profesionales brasileños completaron la sección demográfica. De estos, 49 habían trabajado en un proyecto Scrum en los últimos seis meses, y 33 reportaron usar activamente asistentes basados en LLM en sus prácticas de Scrum. El análisis se centra en este subconjunto de 33 usuarios activos.
• Análisis: El análisis cuantitativo (frecuencias, porcentajes, medias) se combinó con la codificación cualitativa (enfoque mixto deductivo-inductivo) para las respuestas abiertas. Dos investigadores codificaron de forma independiente un subconjunto para asegurar la fiabilidad.

Contribuciones Clave

El artículo proporciona una de las primeras caracterizaciones empíricas del uso de LLM en la gestión de Scrum, ofreciendo tres perspectivas principales:

1. Mapeo de Prácticas Actuales: Una categorización detallada de cómo los profesionales brasileños emplean los LLM a través de artefactos, eventos y roles de Scrum.
2. Cuantificación de Beneficios Percibidos: Identificación de áreas de valor tangible, como mejoras en la productividad y en la documentación.
3. Identificación de Barreras y Riesgos: Exposición de desafíos críticos, incluyendo problemas de confianza, riesgos de confidencialidad y resultados poco fiables, los cuales son esenciales para guiar una adopción responsable.

Resultados

RQ1: Niveles de Conocimiento y Uso

• Competencia: La base de usuarios es relativamente madura. Entre los usuarios activos, el 85% reporta una competencia intermedia o avanzada (61% "Calificado", 21% "Competente").
• Frecuencia: El uso es rutinario más que exploratorio. El 52% usa LLM diariamente y el 18% semanalmente.
• Herramientas: La adopción se concentra en los principales ecosistemas: ChatGPT (100%), Gemini (82%) y Copilot Chat (67%).
• Gobernanza: Las políticas organizacionales están fragmentadas; el 36% reporta no tener política, el 36% tiene políticas formales y el 45% sigue un proceso prescrito, lo que indica que la adopción es impulsada principalmente por los profesionales.

RQ2: Adopción en las Prácticas de Scrum

Los LLM se utilizan principalmente como herramientas cognitivas de apoyo en lugar de sustitutos para la toma de decisiones humanas. La intensidad de la adopción varía según la categoría:

• Exploración de Scrum: Mayor adopción (65–85% de uso actual o planificado). Los profesionales usan los LLM para aclarar conceptos, explorar prácticas y encontrar recursos.
• Artefactos: Adopción sustancial (72–87% de uso actual o planificado). Alta aceptación para tareas intensivas en texto como la redacción de Elementos del Backlog del Producto (PBI), la definición de Requisitos No Funcionales (NFR) y la mejora de los Objetivos de Sprint (Sprint Goals).
• Eventos: Adopción selectiva. La síntesis y el resumen (por ejemplo, feedback de la Sprint Review) son comunes (64–68%), mientras que las tareas interpretativas como el diseño de agendas o la identificación de impedimentos muestran una menor adopción debido a la necesidad de matices contextuales.
• Otras Tareas de Gestión: Adopción cautelosa (20–50%). Los profesionales se resisten a usar los LLM para actividades impulsadas por el valor o sensibles al consenso, como la definición de la visión del producto o la mejora de los acuerdos de trabajo.

RQ3: Beneficios Percibidos

• Productividad y Calidad: El 78% de los encuestados cita un aumento en la productividad y una mejora en la calidad de los artefactos.
• Reducción de Esfuerzo: El 75% reporta una reducción del esfuerzo manual en tareas repetitivas.
• Trabajo de Conocimiento: El 59% señala mejoras en la documentación y el intercambio de conocimientos; el 50% reporta apoyo en la toma de decisiones.
• Diferencias de Rol: Los desarrolladores reportan la mayor utilidad percibida (84%), seguidos por los Scrum Masters (56%). Los Product Owners muestran percepciones mixtas, lo que refleja la naturaleza estratégica de sus responsabilidades.

RQ4: Riesgos y Desafíos

• Fiabilidad: El problema más citado es recibir resultados que son "casi correctos pero no del todo" (81%). El 59% reporta alucinaciones, y el 63% cita una alta variabilidad en la calidad de los resultados.
• Seguridad y Ética: El 63% expresa preocupaciones sobre la confidencialidad y la privacidad; el 56% cita incertidumbres legales y éticas.
• Impacto Humano: Existen preocupaciones moderadas de que la dependencia excesiva pueda erosionar la comprensión de los procesos de Scrum (casi el 30%) o desdibujar la responsabilidad (23%).

Significancia y Reivindicaciones

El artículo afirma proporcionar una base empírica para comprender la integración de los LLM en la gestión Ágil, yendo más allá de la especulación teórica. Destaca que, si bien los LLM son efectivos como "ayudas cognitivas" para tareas analíticas, exploratorias y de gran carga de texto, aún no son confiables para la toma de decisiones autónoma en actividades estratégicas o de consenso en Scrum.

Los autores enfatizan que la adopción responsable requiere:

1. Supervisión Humana: Los equipos deben retener la propiedad sobre la negociación, la priorización y la toma de decisiones para evitar la erosión de la responsabilidad.
2. Gobernanza Organizacional: Son necesarias directrices explícitas sobre el intercambio de datos, la validación de contenido y el uso aceptable para mitigar los riesgos de confidencialidad y legales.
3. Verificación Crítica: Los profesionales deben tratar los resultados de la IA como borradores que requieren verificación, especialmente dada la alta frecuencia de errores de tipo "casi correcto".

El estudio concluye que, si bien los LLM ofrecen claras ganancias en eficiencia y alivio cognitivo, su integración en la gestión de Scrum es actualmente un flujo de trabajo híbrido humano-IA donde el elemento humano sigue siendo central para gestionar la ambigüedad y asegurar el significado compartido. Se sugiere realizar investigaciones futuras para explorar los cambios longitudinales en el aprendizaje y la responsabilidad de los equipos a medida que estas herramientas evolucionan.