Elegir el supuesto más arriesgado.
El prototipo existe para probar la suposición que cambiaría más el plan si fallara.
Volver al Playbook
Método de trabajo
Iterate
Construir la prueba más rápida de que el valor central se percibe.
01Contexto
Aprendizaje antes de preparar el lanzamiento.
Iterate es improvisación controlada. Quiero que el producto se vuelva tangible pronto, pero solo alrededor de la pregunta que importa. Si la incógnita es si el usuario percibe el valor central, el prototipo debe responderla directamente sin fingir que es un sistema terminado.
Eso implica usar recorridos con datos fijos, datos simulados, flujos acotados o implementación desechable cuando protegen la velocidad de aprendizaje. La disciplina consiste en anotar qué cambió, qué se aprendió y en qué todavía no se puede confiar.
02Modelo
El ciclo de aprendizaje antes de preparar el lanzamiento.
El modelo convierte la idea del artículo en una herramienta práctica: una secuencia de decisiones, entregables o comprobaciones que puede orientar el trabajo real de producto.
Simular la infraestructura cuando no sea la pregunta que se quiere responder.
Datos fijos, una sola página o un flujo manual pueden ser decisiones correctas cuando el objetivo es experimentar la interacción central.
Anotar qué cambió.
El registro de aprendizaje conserva lo que funcionó, lo que falló, lo que debería reconstruirse y lo que no debería sobrevivir en producción.
El modelo avanza de la pregunta al entregable y del entregable a una prueba que permite decidir.
- PreguntaElegir el supuesto más arriesgado.
- AtajoSimular la infraestructura cuando no sea la pregunta que se quiere responder.
- AprenderAnotar qué cambió.
03Velocidad con criterio
Iterate evita que la velocidad se convierta en teatro.
La IA facilita generar pantallas, pero una pantalla no produce aprendizaje si no responde una pregunta real de producto.
La fase funciona porque limita la implementación: una función central, solo la interfaz necesaria y notas claras sobre lo simulado o temporal.
Una iteración útil aborda una parte acotada: mantiene el producto ejecutable, evita cambios ajenos al objetivo, hace idempotentes las operaciones de riesgo, centraliza las reglas de dominio, conserva los controles sensibles en el servidor y actualiza la fuente de referencia cuando cambia el comportamiento.
04Uso del caso
Diferentes productos necesitan diferentes prototipos.
En un producto de pagos, la prueba más arriesgada puede ser la confianza en la aportación. En un producto de datos, si el análisis permite tomar una decisión. En una herramienta creativa, la calidad del resultado y el control de edición.
La verificación debe aumentar el realismo por capas: controles estáticos y de reglas, pruebas de integración, revisión visual, una vista previa con configuración realista, eventos de prueba del proveedor cuando sean necesarios y, por último, comprobaciones básicas y acotadas en producción.
Después de cada parte, hay que decidir si el aprendizaje es local o sistémico. Una corrección puntual es adecuada si el comportamiento solo afecta a ese producto; una regla reutilizable lo es cuando el mismo fallo puede aparecer en distintas áreas.
Prototipar el supuesto más arriesgado, no siempre toda la función principal.
De este ensayo05Entregables
Qué queda al terminar.
Uso entregables concretos para hacer visibles las decisiones. Así pueden revisarse, reutilizarse y relacionarse con el trabajo realizado.
Prototipo funcional
Una implementación acotada que demuestra el recorrido central lo suficiente para aplicar criterio, obtener feedback o aprender técnicamente.
Recorrido con datos fijos
Un atajo deliberado que acelera el ciclo de aprendizaje sin ocultar el atajo.
Prueba de interacción
Un flujo visible que muestra si el usuario puede sentir el valor deseado.
Registro de aprendizaje
El registro de qué conservar, descartar, reconstruir o validar a continuación.