Ahora son cinco métricas DORA, y la nueva es la que delata a la IA
La tasa de retrabajo de despliegue se sumó a las cuatro métricas clásicas de entrega. Captura precisamente el modo de falla que produce la generación asistida: más cambios desplegados que hay que rehacer poco después.
Durante casi una década, la conversación sobre desempeño de entrega giró en torno a cuatro métricas: con qué frecuencia se despliega, cuánto tarda un cambio en llegar a producción, qué proporción de cambios falla y cuánto se tarda en recuperarse.
El conjunto actual de DORA tiene cinco:
- tiempo de espera del cambio (change lead time);
- frecuencia de despliegue (deployment frequency);
- tiempo de recuperación ante despliegue fallido (failed deployment recovery time);
- tasa de fallas de cambio (change fail rate);
- tasa de retrabajo de despliegue (deployment rework rate).
La quinta es la que más vale la pena entender ahora, porque mide algo que las otras cuatro dejaban pasar.
Qué captura el retrabajo de despliegue
La tasa de fallas de cambio mide los despliegues que fallan de forma reconocible: rompen algo, requieren reversión, generan incidente. Es una señal binaria y relativamente clara.
El retrabajo de despliegue mide algo más sutil: los cambios que no fallaron pero que hubo que rehacer poco después. El despliegue funcionó, nada se cayó, ningún indicador se puso en rojo. Y dos días más tarde otro cambio corrige, ajusta o completa lo que el primero dejó a medias.
Esa diferencia importa porque describe una degradación de calidad que no produce incidentes. Es exactamente el tipo de degradación que se acumula sin alarma hasta que el sistema se vuelve difícil de cambiar.
Por qué es el indicador relevante para trabajo asistido por IA
Cuando una organización acelera la generación de cambios, la primera métrica que mejora es la frecuencia de despliegue. Eso se ve bien en cualquier reporte.
La segunda que se mueve, con retraso y en dirección contraria, es el retrabajo. Se despliega más, se despliega más rápido, y una fracción creciente de esos despliegues existe para corregir el anterior.
Medido con las cuatro métricas clásicas, ese escenario se ve como una mejora: la frecuencia subió, la tasa de fallas se mantuvo, el tiempo de recuperación no cambió. Medido con las cinco, se ve lo que es: más movimiento con menos avance.
Esa es la razón concreta por la que este indicador merece atención en 2026. No porque la IA produzca mal código necesariamente, sino porque el volumen adicional hace que la proporción de retrabajo sea la señal que distingue aceleración real de aceleración aparente.
Las cinco leídas en conjunto
Ninguna de las cinco significa mucho aislada. Su valor está en las tensiones que revelan cuando se leen juntas.
Frecuencia alta con tasa de fallas alta: se está desplegando rápido sin las garantías necesarias. La velocidad es real y el riesgo también.
Frecuencia baja con tasa de fallas baja: puede ser excelencia o puede ser parálisis. Hay que mirar el tiempo de espera del cambio para distinguir. Si es largo, probablemente es miedo institucionalizado, no calidad.
Tiempo de espera largo con frecuencia alta: hay muchos despliegues pero cada cambio tarda mucho en llegar. Suele indicar colas y aprobaciones aguas arriba: el problema no está en el despliegue sino antes.
Retrabajo alto con tasa de fallas baja: el patrón descrito arriba. Nada se rompe visiblemente y mucho hay que rehacer.
Recuperación lenta con cualquier otra combinación: el problema no es cuántos cambios fallan sino que la organización no tiene capacidad de revertir. Esta es la más urgente de todas, porque limita cuánto riesgo puede tomar el sistema entero.
Los tres errores de uso
Usarlas para comparar equipos. Es el error más frecuente y el más dañino. Un equipo que mantiene un sistema heredado crítico va a tener números peores que uno que construye algo nuevo, y eso no dice nada sobre su competencia. Las métricas sirven para que cada equipo observe su propia tendencia, no para armar un ranking. En el momento en que se usan para comparar, la gente optimiza el número en vez del sistema, y la señal se pierde.
Fijar objetivos numéricos. “Hay que llegar a diez despliegues diarios” produce despliegues triviales que inflan el conteo. El indicador debe informar, no ser el objetivo.
Medirlas sin actuar. Un tablero con las cinco métricas que se revisa mensualmente en un comité y no cambia ninguna decisión es un costo sin beneficio. La pregunta que las vuelve útiles es siempre la misma: ¿cuál de estos cinco números limita hoy nuestra capacidad de entregar valor, y qué haríamos esta semana para moverlo?
Lo que las cinco no miden
Un conjunto de métricas es tan útil como clara sea su frontera. Las cinco describen la capacidad de cambiar un sistema con seguridad y frecuencia. Hay cuatro cosas importantes que deliberadamente no capturan.
Si se está construyendo lo correcto. Un equipo puede tener números excelentes en las cinco y entregar, con gran eficiencia, funcionalidad que nadie usa. Esta es la limitación más importante y la que más se olvida cuando las métricas de entrega se convierten en el centro de la conversación.
La calidad de la experiencia entregada. La tasa de fallas mide despliegues que rompen algo. No mide si lo entregado es confuso, lento de usar o resuelve mal el problema.
La carga sobre las personas. Se puede sostener una frecuencia alta y una recuperación rápida a costa de disponibilidad permanente, guardias no compensadas y presión constante. Las cinco métricas se ven bien mientras eso ocurre, y siguen viéndose bien hasta que la gente se va.
La deuda estructural acumulada. Un sistema puede entregar rápido durante un buen tiempo mientras acumula complejidad que después lo frena. Las métricas de entrega detectan esa degradación tarde, cuando el tiempo de espera del cambio ya empezó a crecer.
Por eso las cinco funcionan como un nivel dentro de una arquitectura de medición más amplia, no como el sistema completo. Emparejadas con un indicador de resultado —adopción, uso sostenido, satisfacción— responden la pregunta que importa: ¿estamos entregando rápido cosas que sirven? Solas, responden únicamente la primera mitad.
Hay una consecuencia práctica de esto para quien presenta al directorio. Reportar exclusivamente métricas de entrega instala la idea de que el desempeño del área es una cuestión de velocidad. Después, cuando haya que argumentar a favor de inversión estructural, descubrimiento o confiabilidad, no va a haber vocabulario disponible para hacerlo: la conversación quedó anclada en una sola dimensión, elegida por quien la instaló.
Cómo empezar a medir el retrabajo
Si las cuatro clásicas ya se miden, agregar la quinta requiere una definición operativa y una convención.
La definición: un despliegue cuenta como retrabajo si su propósito principal es corregir, ajustar o completar un despliegue anterior dentro de una ventana definida —dos semanas suele funcionar.
La convención: marcar esos despliegues en el momento en que se hacen, con una etiqueta en el mensaje del cambio. No hay forma confiable de determinarlo automáticamente después; el conocimiento está en quien hizo el cambio y hay que capturarlo entonces.
Con esa convención, en un par de meses hay una serie con la que trabajar. Y una conversación distinta a la que se puede tener con las cuatro clásicas, que en un contexto de generación acelerada están dejando de contar la historia completa.