Pedro Pistoni ·

Documentamos los modos de falla que se repiten en proyectos de datos e IA. Conocerlos es la mitad de evitarlos; la otra mitad es tener un mecanismo que los detecte temprano, antes de que escalen.

Este es el más común, y el más caro.

Anti-pattern

Cómo se ve
El equipo empieza a construir sobre lo que decía la propuesta comercial, no sobre evidencia levantada en la organización. La primera demo llega rápido y todos se entusiasman.
Por qué pasa
Porque descubrir no se ve. Un sprint de entrevistas y revisión de datos no produce nada que se pueda mostrar en una reunión, y la presión por mostrar avance es real desde la primera semana.
Por qué importa
Los supuestos que no se validaron no desaparecen: reaparecen en la entrega, cuando corregirlos cuesta diez veces más. La mayoría de los proyectos que fracasan al final tomaron sus decisiones críticas al principio, sin que nadie las marcara como críticas.
Mecanismo estructural
El descubrimiento no es opcional ni se comprime por decisión del equipo. El paso a la fase siguiente exige evidencia documentada y una revisión de alguien que no participó de producirla.