Seis niveles de evidencia: cómo se ve una arquitectura de métricas en 2026

Las organizaciones no sufren por falta de indicadores. Sufren por tener muchos indicadores que no se relacionan entre sí, que se reportan en foros distintos y que nadie usa para decidir.

Una arquitectura de métricas resuelve eso ordenando los indicadores en niveles, donde cada nivel responde una pregunta distinta y tiene una velocidad de cambio distinta. En 2026, esa arquitectura tiene seis niveles.

Nivel 1 — Negocio y producto

Responde: ¿esto importó?

Adopción, retención, tiempo hasta obtener valor, satisfacción, ingresos incrementales, costo de servir, reducción de riesgo, comportamiento real del usuario.

Es el nivel que justifica la existencia del trabajo y el que se mueve más lento. Su limitación es la atribución: cuando se mueve, cuesta saber por qué. Por eso necesita los niveles de abajo.

El renglón más subestimado es el comportamiento real del usuario. Es distinto de la satisfacción declarada y con frecuencia la contradice. Lo que la gente dice en una encuesta y lo que hace cuando nadie pregunta son dos fuentes de información, y la segunda es más confiable.

Nivel 2 — Flujo

Responde: ¿el trabajo avanza o espera?

Tiempo de entrega de punta a punta, throughput, trabajo en curso, envejecimiento del trabajo en curso, tiempo bloqueado, colas y handoffs, eficiencia de flujo, predictibilidad.

Este nivel es el que más rápido produce mejoras accionables, y el más ausente en organizaciones que se consideran maduras. Dos indicadores concentran la mayor parte del valor.

El envejecimiento del trabajo en curso —cuánto tiempo lleva abierto cada elemento activo— es predictivo en vez de retrospectivo. Permite intervenir sobre lo que se está atrasando ahora, no analizar lo que se atrasó el mes pasado.

La eficiencia de flujo —qué proporción del tiempo total se dedicó efectivamente a trabajar, frente a esperar— suele producir el hallazgo más incómodo de cualquier diagnóstico. Es habitual que la espera domine ampliamente al trabajo, y que la organización esté invirtiendo en acelerar la parte pequeña.

Nivel 3 — Entrega

Responde: ¿podemos cambiar el sistema con seguridad y frecuencia?

Las cinco métricas actuales de DORA:

• 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).

Son cinco, no cuatro. La quinta —retrabajo de despliegue— es la que más importa en un contexto de generación asistida por IA, porque captura exactamente el modo de falla que la aceleración produce: más cambios que hay que rehacer poco después de desplegarlos.

Nivel 4 — Confiabilidad

Responde: ¿el servicio sostiene lo que promete?

Disponibilidad, latencia, cumplimiento de objetivos de servicio, consumo de presupuesto de error, incidentes, tiempo de detección, recurrencia y capacidad de recuperación.

Dos merecen énfasis. El tiempo de detección es el que determina el daño real de un incidente: una falla detectada en dos minutos y una detectada en dos horas tienen consecuencias completamente distintas. Y la recurrencia es la mejor medida de si la organización aprende: incidentes que se repiten indican que las revisiones posteriores producen documentos en vez de cambios.

Nivel 5 — Experiencia de quien desarrolla

Responde: ¿el sistema es sostenible para las personas?

Carga cognitiva, facilidad para completar los recorridos habituales, tiempo de incorporación, velocidad de la retroalimentación, trabajo repetitivo sin valor, satisfacción y autonomía.

Microsoft presentó en 2026 EngThrive, un marco que organiza la productividad alrededor de tres dimensiones —Speed, Ease y Quality— con Thriving como salvaguarda.

Su aporte más importante no son las dimensiones sino dos afirmaciones. La primera: la productividad evalúa el sistema, no a los individuos. La segunda: el volumen de código, la cantidad de solicitudes de cambio o las tareas completadas son señales de actividad, no resultados.

Ambas son especialmente relevantes ahora, porque la generación asistida hace trivial inflar cualquier métrica de volumen.

Nivel 6 — IA y agentes

Responde: ¿el trabajo automatizado produce resultado verificable a costo razonable?

Tasa de éxito de tarea, tasa de intervención humana, porcentaje de recomendaciones aceptadas, tasa de aprobación de evaluaciones, retrabajo posterior, defectos escapados, costo por tarea exitosa, tiempo humano consumido en verificación, precisión de las llamadas a herramientas, cobertura de trazabilidad, incidentes de política o seguridad, porcentaje de acciones reversibles.

Es el nivel más nuevo y el peor instrumentado. La mayoría de las organizaciones mide en este nivel exactamente dos cosas: cuánta gente usa la herramienta y cuántos tokens consume. Ninguna de las dos informa sobre valor.

Dos indicadores hacen la mayor parte del trabajo. El tiempo humano consumido en verificación revela si la automatización efectivamente liberó atención o solo la trasladó. Y el retrabajo posterior revela si el resultado se sostuvo, que es distinto de si pareció bueno al momento de aceptarlo.

Quién mira qué y con qué frecuencia

Una arquitectura de métricas sin una definición de audiencia y cadencia produce el resultado de siempre: todos los indicadores en un tablero mensual que nadie usa para decidir.

Los seis niveles tienen destinatarios y ritmos distintos, y respetarlo es lo que los vuelve operativos.

Diario, para el equipo: envejecimiento del trabajo en curso, incidentes activos, consumo de presupuesto de error. Son los indicadores sobre los que se puede actuar hoy. Se miran en el mismo espacio donde se coordina el trabajo, no en un informe.

Quincenal, para el equipo y su responsable: tiempo de entrega, retrabajo, métricas de entrega, indicadores de agentes. Es el ritmo adecuado para detectar tendencias sin reaccionar a ruido.

Mensual, para producto y plataforma: adopción, uso sostenido, costo por resultado exitoso, satisfacción de quien desarrolla. Se mueven lo suficientemente lento como para que mirarlos más seguido no aporte.

Trimestral, para portafolio y dirección: resultados de negocio, costo de servir, reducción de riesgo, tendencias de todo lo anterior. Es el nivel donde se toman decisiones de inversión, y donde los indicadores de los niveles inferiores entran como evidencia de por qué se propone lo que se propone.

Esa separación resuelve un problema organizacional muy común: los indicadores operativos terminan reportándose hacia arriba, donde no informan ninguna decisión disponible en ese nivel, y los indicadores de negocio se comparten hacia abajo, donde nadie puede actuar sobre ellos directamente.

Hay además una regla que conviene aplicar sin excepciones: cada revisión termina con una decisión explícita o con la constatación de que no hay que cambiar nada. Un indicador que se revisa doce veces sin haber cambiado nunca una decisión es un costo de mantenimiento sin retorno, y lo correcto es dejar de mirarlo.

Aplicar esa regla durante dos trimestres suele reducir el conjunto de indicadores a la mitad. Y la mitad que sobrevive es, por construcción, la que efectivamente informa cómo se dirige la organización.

Cómo se usan juntos

La arquitectura no implica medir todo en todos los niveles. Implica que cada nivel tenga al menos un indicador vivo, y que exista una hipótesis explícita sobre cómo se relacionan.

La utilidad aparece cuando los niveles se contradicen, que es más frecuente de lo que parece. La entrega mejora y el negocio no se mueve: se está entregando rápido lo incorrecto. El flujo mejora y la experiencia empeora: se está acelerando a costa de las personas, lo cual no dura. Los indicadores de IA mejoran y el costo por tarea exitosa sube: se automatizó algo que era más barato hacer a mano.

Cada una de esas contradicciones es información estratégica de primer orden, y es invisible para una organización que mide en un solo nivel.