Cómo seguir este curso

Bienvenida, bienvenido. Este curso quiere contarte algo que casi nadie cuenta: que detrás del agile — esa palabra gastada de tantas reuniones, certificaciones y pósters de oficina — hay ciencia de verdad. Psicología de la motivación con meta-análisis detrás. Estudios de campo sobre equipos. Teoría de colas. Ensayos controlados sobre cómo se decide bajo incertidumbre. Décadas de investigación sobre por qué las personas rinden, se queman, se callan o se atreven. Esa ciencia existe, es pública, y sin embargo la mayoría de quienes trabajamos en software la conocemos solo de oídas, envuelta en el celofán de algún framework con nombre registrado.

Y quiere contártelo ahora por una razón concreta: porque vivimos el momento en que producir código ha dejado de ser el cuello de botella. Los asistentes y agentes de inteligencia artificial escriben en minutos lo que antes costaba días. Cuando la parte "fabricar" se acelera, todo lo demás queda expuesto: decidir qué construir, verificar que funciona, coordinarse, aprender del error, mantener a un equipo sano y con sentido. Es decir: exactamente las cosas que el agile intentaba resolver desde el principio. Quien solo aprendió los rituales tiene hoy un problema; quien entiende los principios — y la ciencia que los sostiene — tiene un mapa.

Qué es (y qué no es) este curso

Esto no es un curso de Scrum. No vas a memorizar los eventos del sprint ni los tres pilares del empirismo para un examen de certificación. Usaremos Scrum, el Manifiesto Ágil, Kanban o XP como lo que son: construcciones históricas levantadas sobre cimientos más profundos. El curso va de los cimientos.

Esto tampoco es un libro de opinión. Cada afirmación empírica importante lleva su fuente: autores, año, obra, y — esto es raro en los cursos de agile y aquí es innegociable — el estado real de la evidencia. Cuando algo está sólidamente demostrado, lo decimos. Cuando la evidencia es mixta, lo decimos. Cuando un modelo famosísimo tiene detrás menos ciencia de la que aparenta (y te adelantamos que va a pasar varias veces, con nombres que conoces), lo decimos también. Aprenderás tanto de lo que la ciencia sostiene como de los mitos que este curso desmonta.

Si eres junior y no sabes nada de esto, estás en el punto de partida exacto: todo se define la primera vez que aparece. Si llevas años en agile, tienes un PSM en el cajón y crees que esto te lo sabes, este curso está escrito, sobre todo, pensando en ti: hemos procurado que en cada sección haya fuentes primarias que probablemente nunca leíste y al menos un «esto no lo sabía».

Qué vas a encontrar en cada sección

El curso avanza por secciones temáticas, y cada una repite el mismo ritmo, pensado para que la teoría nunca llegue antes que la necesidad:

1. Una historia. El curso narra, capítulo a capítulo, una única historia de ficción: la de Nadia Cherkaoui, una developer de veintiséis años en una empresa de software que acaba de vivir el sueño de la IA — velocidad de entrega multiplicada por cuatro — y está descubriendo, con desconcierto, que todo lo demás va peor. Cada episodio te pone delante de un problema real antes de darle nombre. La historia continúa de sección en sección, hay preguntas que no se responden hasta el final, y te recomendamos leerla en orden, como una novela por entregas. Los problemas que atraviesa Aurelia — la empresa de Nadia — son los que encontrarás (o ya has encontrado) en tu carrera.
2. La teoría. Después de cada episodio, un capítulo explica con rigor lo que la historia mostró: definiciones precisas, las fuentes originales con nombre y año, el estado de la evidencia, y — cuando aporta — ejemplos de código en JavaScript y Python. Con una particularidad de este curso: como el público sois developers, muchas veces el código no ilustra una técnica sino que simula el fenómeno científico (una cola saturándose, mil proyectos estimados por Monte Carlo, una métrica corrompiéndose al convertirse en objetivo). La ciencia, ejecutada en tu terminal.
3. Una ampliación (solo en algunas secciones). Matices, controversias y rincones menos transitados: el material donde más suelen aprender quienes ya conocían el tema.
4. Un examen. Preguntas tipo test con una particularidad: lo importante no es la nota, sino la explicación que acompaña a cada respuesta. Trata los exámenes como una herramienta de aprendizaje más, no como un juicio.

Hecho con inteligencia artificial, y dicho claramente

Este curso ha sido redactado con ayuda de inteligencia artificial, bajo dirección y revisión humanas. No queremos que esto se lea en letra pequeña: está marcado como tal en la plataforma, y te lo contamos aquí, en el primer capítulo, porque la transparencia es parte de lo que el curso enseña.

Vivimos un momento extraño y fascinante: crear nunca ha sido tan fácil, y precisamente por eso la responsabilidad de crear bien nunca ha sido tan grande. Cuando producir mil páginas cuesta una tarde, la tentación es inundar el mundo de páginas que nadie ha pensado de verdad. Este curso intenta ser lo contrario, y se aplica a sí mismo el rigor que predica: cada fuente citada existe y fue verificada — título, autores, año, dónde puede leerse y bajo qué licencia — antes de escribir una sola línea sobre ella. Las ideas de Amy Edmondson, Richard Hackman, Edward Deci y Richard Ryan, W. Edwards Deming, Elinor Ostrom, Eric Trist y tantos otros se presentan como suyas, con nombre y obra, no como si fueran nuestras. Cuando la evidencia de un hallazgo es débil o está en disputa, lo decimos, aunque el hallazgo sea popular y quede bien en una diapositiva. La IA se ha usado como lo que es: una herramienta extraordinaria para buscar, ordenar, redactar y explicar — no para suplantar el trabajo intelectual de quienes descubrieron estas ideas, ni para ahorrarnos el deber de verificar.

Si encuentras un error, será nuestro, no de las fuentes. Y agradeceremos que nos lo digas.

Un regalo, y por qué

Este curso es gratuito y quiere ser, sencillamente, un regalo: creemos que el conocimiento sobre cómo trabajar bien juntos — que es, al final, conocimiento sobre cómo tratar bien a las personas mientras se construyen cosas útiles — no debería estar encerrado en certificaciones de tres mil euros. La mayor parte de lo que vas a leer procede de investigación pública, de textos con licencia abierta y de científicos que pusieron sus papers a disposición de cualquiera. Este curso intenta devolver el favor: recoger ese conocimiento disperso, verificarlo, ordenarlo y contarlo bien.

Los créditos completos, con cada fuente, enlace y licencia, están en el capítulo de cierre. Pero hay una deuda que conviene declarar ya: con los movimientos de conocimiento abierto — desde las universidades que publican sus cursos hasta los autores que liberan sus textos con Creative Commons, pasando por la cultura del software libre, que además de código nos legó un modelo de cómo organizarse — porque sin ellos un curso así, hecho solo de fuentes citables y verificables, sería imposible.

Antes de empezar

El siguiente capítulo — el último antes de que arranque la historia — te da la única herramienta que necesitas traer puesta: un criterio básico para distinguir evidencia fuerte de evidencia débil, y de paso el mapa completo del viaje. Léelo aunque tengas prisa; todo el curso se apoya en él.

Y luego empezamos de verdad. Hay una empresa que celebra con aplausos una velocidad récord mientras su mejor cliente redacta la carta de despedida. Hay una developer que pasa ocho horas al día aprobando código que no ha escrito nadie. Y hay un manual anónimo, publicado en abierto por la competencia, que empieza con una cita de un libro de 1911.