Cómo funciona DCP Flow
Explica el modelo operativo de DCP Flow, su adaptación pragmática de Scrum, los artefactos principales, Golden Flows, evidencia y aceptación humana.
Explica el modelo operativo de DCP Flow, su adaptación pragmática de Scrum, los artefactos principales, Golden Flows, evidencia y aceptación humana.
DCP Flow funciona como un sistema de trabajo iterativo que combina decisiones humanas, artefactos explícitos, ejecución asistida por IA y evidencia verificable. Toma ideas de Scrum, pero reduce ceremonia y añade controles específicos para ingeniería con agentes.
Un modelo pragmático de trabajo
Los sprints se orientan a outcomes verificables, no a acumular tareas completadas. El equipo define un objetivo, limita el alcance, ejecuta con contexto compartido y revisa evidencia antes de aceptar el resultado.
- Iteración y backlog con menos ceremonia.
- Sprint Goal entendido como resultado verificable.
- Human Gate para decisiones materiales y aceptación.
- Retrospectiva y aprendizaje como cierre del ciclo.
Artefactos que conectan intención y ejecución
Constitution, Standards, Blueprints, Skills, ADRs, Golden Flows, Quality Gates y Project Truth cumplen funciones distintas. La metodología evita que una conversación o una respuesta de IA se conviertan por sí solas en verdad del proyecto.
- Golden Flow: recorrido crítico end-to-end.
- Evidence: prueba observada o ejecutada.
- Quality Gate: evidencia mínima antes de avanzar.
- Repository Truth: estado durable y auditable.
Scrum adaptado al contexto DCP
DCP Flow conserva de Scrum la iteración, backlog, priorización, revisión y mejora continua, pero reduce ceremonias y roles rígidos cuando no agregan valor. El sprint se trata principalmente como un contrato de outcome verificable, no solo como una ventana de tiempo.
- Trabajo incremental.
- Backlog explícito.
- Sprint como outcome verificable.
- Menos ceremonia cuando el riesgo no la justifica.
El ciclo operativo completo
La metodología conecta outcome, discovery, decisión ADOPT/CONFIGURE/INTEGRATE/EXTEND/BUILD, arquitectura, Blueprint y Standards, Golden Flow, ejecución, QA, evidencia, revisión humana, release y aprendizaje. La intención es conservar continuidad entre la decisión inicial y el resultado verificable.
- Outcome → Discovery → Decision.
- Architecture → Sprint → Execution.
- QA → Evidence → Human Review.
- Release → Support → Learning.
AI-native no significa AI-autonomous
Kai y los Execution Agents aceleran análisis y ejecución, pero la autoridad humana no desaparece. Las decisiones materiales, aceptación, riesgo y autorización siguen gobernadas. Git, PRs y evidencia preservan una verdad durable más allá de una conversación con un agente.
- Kai aplica la metodología.
- Execution Agents ejecutan trabajo delimitado.
- Human Acceptance conserva responsabilidad.
- Git/Evidence sostienen trazabilidad.
Glosario contextual＋
Recorrido crítico end-to-end que debe funcionar y producir evidencia verificable.
Punto de control donde la evidencia determina si el trabajo puede avanzar.
Prueba de un resultado observado o ejecutado; no una afirmación del agente.
Punto donde una decisión material requiere aceptación o autorización humana.