3.4 Métricas de actividad y sus límites

Visión general y motivación

Actividad, la A de SPACE (tema 3.1), cuenta el volumen de trabajo de ingeniería observable desde la telemetría del sistema: commits, solicitudes de incorporación de cambios abiertas, líneas de código cambiadas, comentarios de revisión de código dejados. Es la dimensión de SPACE más fácil de medir, porque cada uno de estos eventos ya lo registran automáticamente las herramientas que los equipos de ingeniería usan a diario, y esa facilidad de medición es precisamente lo que hace de esta dimensión la más peligrosa de sobreponderar. La actividad es una señal real y legítima usada con cuidado. Usada como indicador indirecto de productividad aislado, es la familia de métricas individual más manipulada y más engañosa de toda la historia de la medición de la ingeniería de software.

El problema central es que la actividad mide movimiento, no valor. Un recuento de commits no distingue entre un commit que resolvió un problema difícil con elegancia y un commit que dividió un cambio significativo en cinco para parecer más productivo (la manipulación por sustitución del tema 1.2, aplicada directamente a esta familia de métricas). Las líneas de código cambiadas premian la verbosidad sobre la habilidad mucho más valiosa de eliminar código innecesario. Un ingeniero que pasa un día entero en pensamiento profundo e ininterrumpido antes de escribir diez líneas elegantes y bien probadas parece menos “activo” según estas métricas que uno que confirma cambios superficiales y sin revisar cada veinte minutos, aunque el primero muy a menudo está produciendo mucho más valor real.

Para los equipos grandes, la tentación de usar las métricas de actividad para la evaluación individual es constante y está bien documentada, porque la actividad es fácil de atribuir a una persona concreta y fácil de calcular automáticamente, a diferencia de las señales más difíciles y más honestas de las otras dimensiones de SPACE. Este tema existe específicamente para nombrar esa tentación y darles a los equipos el lenguaje y la evidencia para resistirla, porque en cuanto una organización empieza a clasificar individualmente a los ingenieros por recuento de commits o líneas de código, el daño a la colaboración, la calidad del código y la moral está bien documentado y es difícil de revertir.

Principios clave

La actividad mide movimiento, no valor. Es una señal contextual legítima, nunca un indicador indirecto de productividad aislado.
Esta es la familia de métricas individual más mal usada históricamente en la medición de la ingeniería de software. Trata esa historia como una advertencia, no como una coincidencia.
La clasificación individual por actividad es casi siempre dañina. Daña la colaboración, premia el trabajo de relleno visible, e invita a la manipulación casi de inmediato.
Los datos de actividad son más útiles en conjunto, como contexto para otras dimensiones, no como una señal independiente sobre una persona o un equipo.
El trabajo profundo y valioso a menudo se ve silencioso en un tablero de actividad. La familia de métricas está estructuralmente sesgada en contra precisamente del tipo de pensamiento que produce los mejores resultados de ingeniería.

Recomendaciones

Nunca clasifiques ni evalúes a personas por recuentos brutos de actividad

Esta es la regla más difícil y más importante de este tema. El recuento de commits, las líneas de código y el recuento de solicitudes de incorporación de cambios nunca deberían aparecer en una evaluación de desempeño individual, una clasificación comparativa, ni en ningún contexto donde la compensación, la posición o la reputación de un ingeniero dependa del número. Esto se deriva directamente del principio de exposición a incentivos del tema 1.2: en el momento en que la actividad se convierte en una métrica individual incentivada, la manipulación sigue casi de inmediato, y el comportamiento resultante, inflar commits, dividir cambios de forma trivial, evitar el trabajo profundo y poco vistoso que produce pocos eventos visibles, daña activamente a la organización.

Usa los datos de actividad en conjunto, como contexto, no como veredicto

Los datos de actividad se vuelven genuinamente útiles cuando se agregan a nivel de equipo y se leen junto a las otras dimensiones de SPACE: una caída brusca en la actividad de commits a nivel de equipo que coincide con una subida en la satisfacción podría indicar que el equipo por fin tuvo margen para pensar profundamente y pagar deuda técnica, un patrón positivo, no negativo. Leída de forma aislada, la misma caída se ve alarmante. El contexto de las otras dimensiones es lo que hace que los datos de actividad sean interpretables en lugar de engañosos.

Prefiere señales de actividad cercanas a la calidad frente al volumen bruto

Donde los datos de actividad sean útiles siquiera, prefiere señales ajustadas por calidad frente a recuentos brutos: el tamaño de la solicitud de incorporación de cambios en relación con la profundidad de revisión (tema 2.9), o la razón entre código nuevo y código eliminado, que puede revelar si un equipo está acumulando complejidad o simplificando activamente. Estas señales ajustadas siguen siendo datos de la dimensión de actividad pero resisten la manipulación más burda que invitan los recuentos brutos.

Vigila específicamente el patrón de manipulación por sustitución en los datos de actividad

La forma más común en que se manipulan las métricas de actividad es precisamente el patrón de sustitución del tema 1.2: dividir trabajo genuinamente significativo en muchos eventos pequeños y triviales para inflar un recuento. Si la frecuencia de commits o de solicitudes de incorporación de cambios sube mientras la complejidad o el tamaño subyacente de los cambios cae bruscamente, investiga antes de atribuir el mérito a una mejora de productividad real, usando la misma disciplina diagnóstica que recomienda el tema 2.10 para la frecuencia de despliegue.

Nombra explícitamente y desincentiva el teatro de actividad

El teatro de actividad es trabajo realizado, consciente o inconscientemente, principalmente porque es visible y contable en lugar de porque es valioso: commits pequeños frecuentes, actividad nocturna llamativa, u ajetreo visible en canales compartidos. Nombrar este patrón explícitamente ante tu equipo, y ser transparente en que el liderazgo no usa la actividad bruta para juzgar la contribución, elimina buena parte del incentivo para que ocurra en primer lugar.

Ventajas e inconvenientes

Enfoque	Ventajas	Inconvenientes
Clasificación individual por actividad	Sencilla, fácil de calcular, se siente directamente accionable	Se manipula casi de inmediato; daña la colaboración y la moral; mide lo equivocado
Ninguna medición de actividad en absoluto	Evita por completo el riesgo de mal uso	Pierde una señal contextual genuinamente útil para detectar patrones a nivel de equipo
Actividad agregada a nivel de equipo, leída en contexto	Aporta contexto útil sin riesgo individual	Requiere disciplina para interpretarla junto a otras dimensiones en lugar de de forma aislada
Señales de actividad ajustadas por calidad	Resiste la manipulación más burda de recuento bruto	Más complejas de calcular y explicar que un simple recuento

La tensión central es utilidad frente a riesgo de mal uso. Los datos de actividad, leídos con cuidado en conjunto y en contexto, son genuinamente útiles para detectar patrones como un ritmo insostenible o un equipo que encuentra en silencio margen para abordar deuda técnica. Los mismos datos, usados como marcador individual, son casi uniformemente dañinos. Resuélvela no evitando por completo los datos de actividad sino construyendo una regla organizacional estricta contra su uso individual, mientras permites e incluso fomentas un uso reflexivo y contextualizado a nivel de equipo.

Preguntas para debatir con tu equipo

¿Se ha evaluado alguna vez a alguien en nuestra organización, formal o informalmente, usando un recuento bruto de actividad como commits o líneas de código? Pregunta esto directamente y prepárate para una respuesta incómoda pero necesaria; este mal uso a menudo ocurre en silencio, a través de un comentario casual de un gestor, sin convertirse nunca en política oficial.
¿Qué aspecto tendría el teatro de actividad específicamente en nuestro equipo, y hemos visto señales de ello? Nombrar la forma específica y plausible que este patrón podría tomar en tu propio equipo lo hace mucho más fácil de reconocer si empieza a ocurrir.
Cuando se mueven nuestros datos de actividad a nivel de equipo, ¿los interpretamos junto a las otras dimensiones de SPACE, o de forma aislada? Una caída en la actividad leída de forma aislada se ve preocupante; la misma caída leída junto a una mejora de satisfacción o rendimiento puede verse como un patrón genuinamente positivo. Comprueba tu práctica de revisión real frente a esta distinción.
¿Hemos visto alguna vez una subida en la frecuencia de commits o solicitudes de incorporación de cambios acompañada de un tamaño medio de cambio que se reduce, sugiriendo una división trivial en lugar de una ganancia de productividad genuina? Extrae datos reales y comprueba este patrón específico de manipulación por sustitución.
¿Cómo hablamos actualmente de “quién está contribuyendo más” en nuestro equipo, y se apoya esa conversación implícitamente en datos de actividad aunque no exista una métrica formal? El sesgo informal y no medido hacia el ajetreo visible puede moldear la percepción y la recompensa incluso sin una política explícita basada en actividad; saca esto a la luz con honestidad.
¿Qué aspecto tiene en nuestro equipo el trabajo genuinamente valioso pero silencioso, pensamiento profundo, diseño cuidadoso, mentoría, y cómo nos aseguramos de que se reconozca a pesar de generar pocos datos de actividad visibles? Esta pregunta es el complemento positivo de las anteriores: nombrar qué aspecto tiene el buen trabajo silencioso ayuda a protegerlo de pasarse por alto en favor de un trabajo más ruidoso y más contable.

Enfoque sectorial

Startup. Con un equipo pequeño y muy colaborativo, los datos de actividad suelen ser visibles sin necesitar ningún tablero, y el riesgo de clasificación individual contra el que advierte este tema es menos probable simplemente porque todos ya saben en qué está trabajando cada persona. El riesgo en cambio es que quien funda la empresa favorezca de forma inconsciente el comportamiento visiblemente “ajetreado” al tomar decisiones tempranas de contratación o participación accionaria.

Pequeña empresa. Está bien echarle un vistazo a los datos de actividad de tus herramientas existentes para tener una sensación general del rendimiento del equipo, pero resiste usarlos para comparar directamente a personas individuales; el valor real de un equipo pequeño a menudo se concentra en unas pocas personas haciendo un trabajo silencioso y de alto apalancamiento que una vista de recuento de commits infravaloraría de forma sistemática.

Empresa grande. Aquí es donde la tentación de la clasificación individual es más fuerte y más dañina, porque los datos de actividad son la señal más fácil de extraer para un proceso de evaluación de desempeño que abarca miles de ingenieros, y la presión por encontrar alguna entrada cuantificable es real. Construye una política explícita, comunicada y exigida contra la clasificación individual por actividad, y audita periódicamente las prácticas de evaluación de desempeño para confirmar que la política realmente se sigue en la práctica, no solo que se declara.

Sector público. Las métricas de actividad pueden resultar tentadoras de citar en un informe público como evidencia de productividad (“diez mil commits este año”), pero este tipo de titular es casi carente de significado y puede invitar precisamente al escrutinio equivocado en cuanto un revisor informado señala que la actividad bruta no dice nada sobre los resultados. Reporta en su lugar datos de resultado y rendimiento (tema 3.3), y evita los recuentos de actividad en cualquier comunicación de cara al exterior.

Ejemplos

Empresa grande. El liderazgo de ingeniería de una empresa de software había empezado, sin política formal, a referenciar informalmente datos de frecuencia de commits individuales en las discusiones de promoción. Una revisión interna, impulsada por un proyecto no relacionado de análisis de rotación, encontró que los ingenieros que trabajaban en los sistemas más complejos y de mayor valor de la empresa, que requerían largos periodos de trabajo de diseño cuidadoso antes de escribir cualquier código, tenían recuentos de commits sistemáticamente más bajos que los ingenieros en sistemas más simples y desarrollados de forma más incremental, y como resultado estaban siendo sutilmente perjudicados en las conversaciones de promoción. El liderazgo emitió una política explícita y comunicada que prohibía las referencias a recuentos de actividad en las discusiones de desempeño y promoción, y desplazó la evidencia de promoción hacia el enfoque de rendimiento de múltiples señales del tema 3.3.

Sector público. Una agencia de servicios digitales, bajo presión para demostrar productividad ante un comité de supervisión legislativa, propuso inicialmente reportar el total de commits y líneas de código escritas en todo su programa de ingeniería como evidencia de valor entregado. Un asesor técnico interno se opuso, señalando correctamente que este planteamiento invitaba precisamente al escrutinio equivocado, ya que un miembro del comité con conocimientos técnicos podría fácilmente señalar que el volumen bruto de código no dice nada sobre si el código funcionaba o importaba. El informe revisado de la agencia usó en su lugar métricas de resultado (tema 5.3): reducción de errores reportados por la ciudadanía y aumento de la finalización exitosa de autoservicio, que resistieron mucho mejor las preguntas del comité de lo que lo habrían hecho los números de actividad.

Caso de negocio: motivaciones, retorno de la inversión y coste total de propiedad

El retorno de acertar con las métricas de actividad, usándolas de forma contextual en lugar de como marcadores individuales, es el daño evitado: las organizaciones que clasifican individualmente a los ingenieros por actividad ven de forma fiable comportamiento de manipulación, menor colaboración (ingenieros protegiendo su propia producción visible en lugar de ayudar a un compañero de equipo), y un sesgo sistemático contra el trabajo profundo y de alto apalancamiento que a menudo produce más valor mientras genera menos actividad visible. Revertir ese daño, una vez arraigado en una cultura de evaluación de desempeño, es genuinamente difícil y lento.

El coste total de evitar esta trampa es sobre todo disciplina organizacional: una política explícita, exigida de forma consistente, contra la clasificación individual por actividad, y un compromiso de invertir en su lugar en la medición de rendimiento más difícil y más honesta que describe el tema 3.3. Esa disciplina cuesta menos que las decisiones de promoción mal dirigidas, la colaboración dañada y el comportamiento de manipulación que las métricas de actividad individuales producen de forma fiable con el tiempo.

Antipatrones y errores comunes

Clasificación individual por recuento de commits o líneas de código: el mal uso individual más dañino y más común históricamente en todo este libro.
Teatro de actividad: trabajo realizado principalmente por visibilidad en lugar de por valor, una respuesta totalmente previsible a la evaluación basada en actividad.
Interpretar una caída de actividad a nivel de equipo de forma aislada, sin comprobar las otras dimensiones de SPACE: puede confundir un patrón genuinamente positivo con uno preocupante.
Citar recuentos brutos de actividad en comunicación externa o dirigida al liderazgo: invita precisamente al escrutinio equivocado y dice poco sobre el valor real.
Infravalorar de forma sistemática el trabajo profundo y cuidadoso que genera pocos eventos visibles: un sesgo estructural incorporado a toda esta familia de métricas.
Un sesgo informal y sin política hacia la actividad que se cuela en las conversaciones de promoción o evaluación: dañino incluso sin una métrica oficial detrás.

Modelo de madurez

Nivel 1, Iniciar: Las métricas de actividad se usan, formal o informalmente, para evaluar o clasificar a personas, sin ninguna conciencia del riesgo.
Nivel 2, Desarrollar: Existe cierta conciencia del riesgo, pero ninguna política explícita evita que los datos de actividad influyan de manera informal en las evaluaciones o discusiones de promoción.
Nivel 3, Estandarizar: Una política explícita y comunicada en toda la organización prohíbe la clasificación individual por actividad, y los datos de actividad se usan solo en conjunto, a nivel de equipo.
Nivel 4, Gestionar: Las prácticas de evaluación de desempeño y promoción se auditan periódicamente para confirmar que se sigue la política en la práctica, y las señales de actividad ajustadas por calidad sustituyen a los recuentos brutos donde se usan datos de actividad siquiera.
Nivel 5, Orquestar: La organización ha desplazado de forma demostrable la cultura de evaluación lejos de las métricas de actividad hacia el enfoque de rendimiento de múltiples señales del tema 3.3, con una mejora visible en la colaboración y una reducción del comportamiento de manipulación como evidencia de que el cambio funcionó.

Ideas para el debate

¿Se ha sentido alguien aquí evaluado alguna vez, aunque fuera informalmente, por lo “ajetreada” que se veía su actividad?
¿Qué aspecto tendría el teatro de actividad específicamente en nuestro equipo?
¿Tenemos una política explícita y escrita contra la clasificación individual por actividad, y se sigue realmente?
¿Qué trabajo silencioso y de alto valor en nuestro equipo genera actualmente los datos de actividad menos visibles?
¿Cómo rediseñaríamos la evidencia de nuestra evaluación de desempeño para eliminar por completo los recuentos de actividad?

Conclusiones clave

La actividad mide movimiento, no valor; es la familia de métricas individual más mal usada históricamente en la ingeniería de software.
Nunca clasifiques ni evalúes a personas por recuentos brutos de actividad; esta es la regla más difícil y más importante de este tema.
Usa los datos de actividad en conjunto, como contexto para las otras dimensiones de SPACE, nunca como veredicto aislado.
Vigila el teatro de actividad y el patrón de manipulación por sustitución (tema 1.2) específicamente dentro de esta familia de métricas.
El trabajo profundo y de alto valor a menudo genera los datos de actividad menos visibles; protégelo de ser infravalorado de forma sistemática.

Referencias y lecturas adicionales

Forsgren, Nicole, Margaret-Anne Storey, Chandra Maddila, Thomas Zimmermann, Brian Houck, y Jenna Butler, “The SPACE of Developer Productivity,” ACM Queue (2021).
Peopleware: Productive Projects and Teams, de Tom DeMarco y Timothy Lister (el argumento en contra de medir a los ingenieros por el ajetreo visible).
Deep Work: Rules for Focused Success in a Distracted World, de Cal Newport (el valor del trabajo silencioso e ininterrumpido que las métricas de actividad subcuentan de forma sistemática).
The Tyranny of Metrics, de Jerry Z. Muller (la fijación con las métricas y sus costes, directamente aplicable a la evaluación basada en actividad).