estimar-story-points
Calcular los Puntos de historia (Story Points) de una historia / tarea / habilitador cuando el desarrollo lo hace la IA: el puntaje sale de la COMPLEJIDAD a nivel sistema + el CONSUMO DE TOKENS para r
SKILL.md.claude/skills/estimar-story-points/SKILL.md
GitHubEstimar Story Points
En este flujo el desarrollo lo hace la IA, así que el puntaje no sale de un Planning Poker ni de un consenso de equipo: lo calcula la IA a partir de dos cosas medibles a nivel sistema:
- Complejidad del desarrollo — cuántas capas/módulos toca, algoritmos, manejo de estados, integraciones, reglas de negocio.
- Consumo de tokens — cuánto le cuesta a la IA resolver el desarrollo y cuánto le cuesta investigar (navegar) las historias/fichas relacionadas.
El número se expresa en Fibonacci (1, 2, 3, 5, 8, 13, 20) solo por compatibilidad con el campo Puntos de historia de Azure; de 13 para arriba, se parte.
El punto acá no mide "cuánto tarda una persona": mide cuánto le cuesta al sistema (la IA) entregarlo. El token es la señal más directa de ese costo.
Regla de oro
- Lo calcula la IA, no un Planning Poker. No hay votación ni consenso humano (desarrolla la IA). La IA propone el número con su justificación; el humano puede ajustarlo, pero no hace falta una ceremonia de estimación.
- El token manda como señal de costo. Cuanto más cuesta resolver + investigar (en tokens), más pesa el ítem. La complejidad a nivel sistema completa el cuadro.
- NO inventar. Si falta info para evaluar una señal (relacionadas,
integraciones, reglas), se marca
⚠ (pendiente)y se pregunta. Los umbrales token→banda no se inventan: se calibran con datos reales del historial. - 13+ ⇒ partir. Si da 13 o más, la acción es descomponer, no "estimar heroico".
- Español (Argentina). Esta skill NO toca el board: solo calcula/propone.
Las señales
A-priori — antes de desarrollar (estimación de entrada)
Antes de codear no se conocen los tokens reales, así que se estima con proxies observables del ítem:
| # | Señal | Suma poco | Suma mucho |
|---|---|---|---|
| 1 | Complejidad a nivel sistema | cambio directo, patrón conocido, 1 capa | varias capas/servicios, algoritmo, manejo de estados |
| 2 | Integraciones / dependencias | interno, sin sistemas externos | uno o más sistemas externos, autenticación federada, otros servicios |
| 3 | Reglas de negocio [RN-…] |
ninguna o una simple | varias, con bordes/excepciones |
| 4 | Investigación en relacionadas | 0-1 relacionada, superficial | muchas historias/fichas, grafo profundo |
| 5 | Incertidumbre / claridad | requerimiento claro, sin ⚠ |
difuso, muchos (pendiente) |
| 6 | Novedad vs. precedente gold |
hay un gold parecido para imitar |
net-new, sin precedente |
A-posteriori — el token real (la señal más fuerte)
Cuando la IA efectivamente resuelve o investiga, mide y usa:
- Tokens para RESOLVER — cuánto costó producir la solución (proxy directo de la complejidad real).
- Tokens para NAVEGAR relacionadas — cuánto costó leer/investigar historias y fichas para entender o resolver.
El token real se conoce durante/después del desarrollo. Antes se usa el perfil de proxies (1-6); con el token real, la IA ajusta el número y lo registra en el historial para ir calibrando el mapeo "tantos tokens ≈ tanta banda". Los umbrales exactos arrancan
(pendiente)y se fijan con datos.
Flujo
- Traer el ítem. Texto, o por MCP
get_work_item(solo lectura) si es un#ID. Si hace falta, leer las relacionadas y las fichas del Cerebro Digital del tema (la ruta está declarada en [[contexto-proyecto]]). - Evaluar las 6 señales a-priori y, si la IA ya resolvió/investigó, sumar el token real (resolver + navegar).
- Mapear a una banda Fibonacci. El conjunto de señales + el costo en tokens define la banda.
- Justificar en 1-2 líneas qué pesó (p. ej. "8: toca 2 servicios + 4 reglas + 3 relacionadas profundas; alto costo de investigación").
- Marcar
⚠toda señal que no se pueda evaluar por falta de info, y preguntar. - Si da 13+, proponer partir el ítem y estimar las partes.
- Registrar el número (y, si hubo, los tokens reales) en la fila del [[historial/INDICE]] para calibrar las próximas.
Cómo se combinan las señales → banda (orientativo)
| Perfil | Banda |
|---|---|
Cambio directo, hay gold para imitar, casi sin investigación |
1 - 2 |
| Complejidad media, alguna regla, 1-2 relacionadas | 3 |
| Varias piezas o 1 integración simple; investigación media | 5 |
| Alta complejidad o integración externa o mucha investigación/incertidumbre; token de resolver alto | 8 |
| Varias señales altas a la vez (complejidad + integración + incertidumbre) | 13 ⇒ partir |
Es una guía para no arrancar de cero cada vez, no una fórmula rígida. La IA propone; el humano puede ajustar.
Contexto adicional
- Base de estimación (escala Fibonacci, Gravedad/Prioridad, MoSCoW): [[estimacion-y-priorizacion]]
- Control de que la historia esté lista para estimar: [[definicion-preparado-terminado]]
- Registro y calibración con tokens reales: [[historial/README]]
- Lectura de tarjetas por MCP: [[integracion-azure-mcp/00-index]]
Ejemplo (genérico)
Historia: "Filtrar recursos por cercanía en un módulo". La IA evalúa: complejidad media (cálculo de distancia), 1 integración (un servicio externo de padrón/geo), 2 reglas
[RN-…], 3 relacionadas a leer, singoldprevio; la investigación le costó bastante en tokens (leyó 3 fichas). Propone 8, con la justificación, y sugiere partir en "endpoint de cercanía" + "UI del filtro".⚠ (pendiente): ¿la distancia sale de un servicio existente o hay que crearlo? (define si sube a 13). El número lo propone la IA; el humano lo puede ajustar.