Métricas DORA: cómo medir tu entrega de software (y qué cambió con la IA)
Las cuatro métricas DORA son el estándar para medir el rendimiento de entrega de software. Qué miden, cómo interpretarlas y qué reveló el informe DORA 2025 sobre la IA.
En resumen
Las métricas DORA miden el rendimiento de entrega de software con cuatro indicadores: frecuencia de despliegue, lead time de cambios, tasa de fallos de cambio y tiempo de recuperación. Equilibran velocidad y estabilidad. El informe DORA 2025 añade matices importantes sobre cómo la IA amplifica —para bien y para mal— las capacidades que ya tenía el equipo.
¿Qué son las cuatro métricas DORA?
El programa de investigación DORA (DevOps Research and Assessment), hoy parte de Google Cloud, lleva años identificando qué prácticas distinguen a los equipos de alto rendimiento. Sus cuatro métricas clave son:
| Métrica | Qué mide | Dimensión |
|---|---|---|
| Frecuencia de despliegue | Con qué frecuencia se despliega a producción | Velocidad |
| Lead time de cambios | Tiempo desde el commit hasta producción | Velocidad |
| Tasa de fallos de cambio | % de despliegues que causan fallo | Estabilidad |
| Tiempo de recuperación | Cuánto se tarda en restablecer el servicio | Estabilidad |
La idea central es que velocidad y estabilidad no se oponen: los mejores equipos despliegan más a menudo y con menos fallos. Medir solo velocidad incentiva el caos; medir solo estabilidad incentiva la parálisis. Por eso las cuatro se leen juntas.
¿Cómo se usan bien (y mal)?
- Bien: como termómetro de equipo para detectar cuellos de botella y guiar mejoras de proceso.
- Mal: como vara para comparar o presionar a personas — convierte la métrica en objetivo y se manipula (ley de Goodhart).
- Contexto: una métrica aislada engaña; el patrón conjunto y su evolución es lo que informa.
¿Qué cambió con la IA según DORA 2025?
El informe DORA 2025, centrado en el desarrollo asistido por IA, resume su hallazgo principal con una idea potente: la IA es un amplificador, no una solución en sí misma. Algunos puntos destacados:
- La adopción de IA correlaciona positivamente con el throughput: los equipos escriben y entregan código más rápido.
- Pero también correlaciona con mayor inestabilidad: más fallos de cambio y más rework si faltan las bases.
- El marco evolucionó: DORA dejó de rankear equipos e introdujo arquetipos que combinan rendimiento de entrega con factores humanos (fricción, burnout, valor percibido), además de incorporar el rework rate y la fiabilidad.
- Sin un foco real en el usuario y sin buenas plataformas y datos internos, la IA puede empeorar el rendimiento del equipo.
La IA no arregla un sistema de entrega roto; magnifica lo que ya hay. Sobre buenas bases acelera; sobre malas, acelera el desorden.
Puntos clave
- Cuatro métricas, dos dimensiones: velocidad (frecuencia, lead time) y estabilidad (fallos, recuperación).
- Léelas juntas y como termómetro de equipo, nunca para comparar personas.
- DORA 2025: la IA amplifica las capacidades existentes; exige bases sólidas para beneficiar de verdad.
- Las plataformas internas, los datos sanos y el foco en el usuario son condiciones para que la IA ayude.
Estas ideas aplican igual al ciclo de vida del ML: medir entrega y operar con disciplina es la base para llevar modelos a producción de forma sostenible.
Fuentes y lecturas recomendadas
¿Quieres aplicar esto en tu organización? Conoce nuestro servicio de DataOps / MLOps.
HablemosArtículos relacionados
De piloto a producción: por qué fracasan los proyectos de ML y cómo evitarlo
La mayoría del valor del machine learning se pierde entre el notebook y producción. Repasamos las causas habituales del estancamiento y las capacidades de MLOps que lo resuelven.
Leer artículo
Observabilidad de modelos: detectar el drift antes de que afecte al negocio
Un modelo desplegado y olvidado se degrada. Explicamos qué es el drift de datos y de concepto, qué monitorear y cómo construir alertas que avisen a tiempo.
Leer artículo¿Tienes un reto de datos o IA?
Conversemos sobre cómo llevar estas ideas a producción con gobierno, seguridad y operación.
Agendar diagnóstico