Metodologia · De la necessitat a l’evidència

Una metodologia d’enginyeria per treballar amb IA sense perdre criteri, control ni traçabilitat.

DCP Flow combina pràctiques adaptades de Scrum, Solution Discovery, arquitectura, agents d’IA, Quality Gates, Evidence i Human Gates. No copia Scrum: reutilitza els components útils dins d’un sistema més ampli orientat a decisions verificables.

DCP FLOW · PROCESS MAP

Del problema a l’evidència

Segueix el cicle complet. Els Human Gates depenen del risc.

6 STEPS
01 / 06
Problema

Definir el problema i les restriccions abans d’escollir eines.

LABORATORI INTERACTIU · 01

Descobreix abans de construir

Prova quatre escenaris o crea el teu. Cada canvi recalcula les rutes, els compromisos i l’evidència pendent.

Configura l’escenari

PRIMERA RUTA A INVESTIGARCONFIGURE

Factors de l’escenari

    Comparació d’alternatives

      Riscos i dependències

        Evidència pendent abans de decidir

          Simulació pedagògica: l’índex relatiu no és una probabilitat, un TCO ni un veredicte normatiu. El Solution Discovery Gate governa els modes de decisió; cal validar productes, llicències, costos, Golden Flow i ADR abans del Human Gate.

          Scrum → DCP Flow

          Què prenem de Scrum i com ho reutilitzem

          DCP Flow conserva iteració, backlog, priorització, sprint, review i millora contínua. Redueix cerimònies i rols rígids quan no aporten valor i redefineix el sprint com un contracte d’outcome verificable.

          01

          Backlog

          Es manté com una llista explícita i prioritzada de treball, però connectada a Project Truth, risc, discovery i decisions d’arquitectura.

          02

          Sprint

          No és només una finestra de temps: és un compromís acotat amb outcomes verificables, evidència esperada i límits clars.

          03

          Sprint Planning

          Es reutilitza com a preparació de l’outcome: abast, dependències, riscos, Golden Flows, agents implicats i Definition of Done.

          04

          Daily / sincronització

          No s’imposa una cerimònia diària. La coordinació és proporcional a l’equip i al risc, especialment amb diversos agents o humans.

          05

          Review

          Es converteix en Human Review amb evidència: el resultat es contrasta amb outcome, Golden Flows, Quality Gates i artifact real.

          06

          Retrospective

          S’amplia cap a Lesson Learned: què va funcionar, què va fallar, què queda local i què pot evolucionar Standards, Blueprints, Skills o Gates.

          07

          Rols

          No es copien rols Scrum per dogma. DCP Flow distingeix Human Owner/Reviewer, Kai, Execution Agents i responsabilitat tècnica segons context.

          08

          Increment

          L’increment ha de ser demostrable. Codi, documentació o configuració només compten amb evidència proporcional al risc.

          Beyond Scrum

          Principis que amplien Scrum dins DCP Flow

          Discovery abans d’execució

          Abans de BUILD s’investiguen SaaS, OSS i components; programar deixa de ser la resposta automàtica.

          Architecture & Project Truth

          El treball no parteix de tickets aïllats: parteix de context, ADRs, Blueprint, repository truth i boundaries.

          AI-native amb govern

          Kai i els agents acceleren, però capacitat tècnica no equival a autorització operacional.

          Quality Gates + Evidence

          “Done” no és suficient. L’outcome necessita checks, artifacts, browser/runtime evidence i Human Acceptance quan aplica.

          DCP Flow

          El journey de DCP Flow

          01

          Problema

          Entendre la necessitat abans de triar tecnologia.

          02

          Capacitats

          Definir què ha de poder fer la solució.

          03

          Discovery

          Comparar SaaS, OSS, components i alternatives reals.

          04

          Decisió

          ADOPT / CONFIGURE / INTEGRATE / EXTEND / BUILD amb evidència.

          05

          Arquitectura

          Triar estructura, stack, boundaries i riscos.

          06

          Sprint

          Convertir l’objectiu en outcomes verificables.

          07

          Execució

          Humans, Kai i agents treballen amb context compartit.

          08

          Quality Gate

          L’evidència decideix si es pot avançar.

          09

          Aprenentatge

          L’aprenentatge pot quedar local o evolucionar DCP Flow.

          Discovery Gate

          Solution Discovery abans de BUILD

          La primera resposta no és programar. DCP Flow obliga a investigar què existeix, provar candidats i mesurar GAP abans de justificar desenvolupament propi.

          ADOPT

          Utilitzar una solució existent quan resol raonablement el resultat.

          CONFIGURE

          Resoldre amb configuració suportada en lloc de programar per inèrcia.

          INTEGRATE

          Connectar sistemes o capacitats existents amb contractes explícits.

          EXTEND

          Ampliar una plataforma amb mecanismes d’extensió compatibles.

          BUILD

          Construir programari propi quan l’evidència ho justifica.

          Kai supporting architecture analysis within DCP Flow
          Kai supporting architecture analysis within DCP Flow

          Kai · Architecture context

          Kai acompanya el context, no substitueix l’arquitectura

          Kai pot ajudar a llegir el projecte, connectar decisions prèvies, analitzar repositoris i infraestructura i preparar handoffs. L’arquitectura continua sent una decisió traçable dins DCP Flow i subjecta a Human Gates.

          Evidence

          Quality Gates: evidència abans que confiança

          Un canvi no està preparat perquè un agent digui que funciona. Ho està quan existeix evidència suficient per al nivell de risc i el Golden Flow rellevant.

          KRuta recomanada per KaiContinua amb Solution Discovery01 → 03 → 06 → 12