Prioriza la intervención más segura

2354. Identidad de la lección

Módulo

5.13 — Pensamiento sistémico

Lección

2 de 2

Título (EN)

Prioritize the safest intervention

Título (ES)

Prioriza la intervención más segura

Tipo académico

Caso de estudio

Tipo de esquema

estudio de caso

Tiempo estimado

35–45 minutos, incluida la práctica

Enfoque

Seleccionar y justificar una intervención segura cuando varios sistemas interactúan

2355. Objetivo de aprendizaje

Al finalizar esta lección, podrás seleccionar y justificar una acción comparando la ganancia de información diagnóstica o el apalancamiento correctivo, la evidencia, la reversibilidad y el riesgo para las invariantes entre sistemas relacionados.

2356. Por qué importa

Un problema visible rara vez tiene una sola causa. Por ejemplo, un jugador puede parecer que pierde demasiada moneda, mientras que el resultado real depende de las recompensas, los costes, los umbrales de progresión y la presión de dificultad. Actuar sobre el sistema más visible puede crear otro fallo en una parte distinta del juego. Un desarrollador con pensamiento sistémico elige una intervención que ponga a prueba una hipótesis útil sin poner en peligro los hechos que el juego debe conservar.

2357. Conocimientos previos

Debes poder representar las interacciones entre sistemas, identificar quién posee cada estado, distinguir entradas de salidas y registrar las invariantes que deben mantenerse. Estas capacidades proceden de la lección anterior, Mapea las interacciones, no las funciones aisladas. También debes conocer la práctica del curso de pedir a la IA que reformule o cuestione una decisión de diseño antes de implementarla.

2358. Concepto central

Cuando varios sistemas contribuyen a un problema, decide primero si necesitas una acción diagnóstica o una intervención correctiva.

• Ganancia de información: ¿Cuánta incertidumbre relevante para la decisión puede reducir una acción diagnóstica? La instrumentación genera observaciones; esas observaciones, no la instrumentación en sí, se convierten en evidencia.
• Apalancamiento correctivo: ¿Cuántos resultados relevantes puede modificar una intervención correctiva desde un punto con autoridad?
• Evidencia: ¿Con qué grado de claridad respaldan las observaciones disponibles la hipótesis causal y la corrección propuesta?
• Seguridad: ¿Qué tan reversible es la acción y qué probabilidad hay de que rompa una invariante o cree una dependencia no comprobada?

Una acción diagnóstica con buena ganancia de información puede ser la mejor opción cuando la causa es incierta. Una intervención con apalancamiento correctivo útil puede ser adecuada cuando la evidencia respalda la causa. Ninguna es siempre la primera opción correcta: una corrección amplia con poca evidencia puede dañar más sistemas de los que mejora, mientras que una instrumentación incapaz de distinguir entre hipótesis aporta poco valor.

2359. Modelo mental

La secuencia SAFE

Conserva los nombres ingleses del mnemónico SAFE y usa sus equivalentes en español para ordenar las acciones candidatas:

Aplica esta regla de decisión:

Cuando la evidencia causal sea débil, prefiere una acción diagnóstica segura con una ganancia de información útil. Cuando la evidencia respalde una causa, prefiere una intervención correctiva reversible en un punto con autoridad, con apalancamiento correctivo útil y las invariantes protegidas.

No confundas “cambio mínimo de código” con “acción más segura”. Un parche pequeño en la presentación puede ocultar la causa. Un cambio correctivo pequeño en el responsable del estado puede ser más seguro porque conserva una única fuente de verdad.

2360. Ejemplo concreto

Considera este escenario inventado de economía y progresión. Los probadores informan de que los jugadores nuevos tardan demasiado en alcanzar el primer umbral de mejora. El mapa de interacciones muestra lo siguiente:

1. El sistema de misiones concede créditos.
2. El sistema de transacciones resta créditos por los suministros.
3. El sistema de progresión compara el total de créditos guardado con un umbral de mejora.
4. La interfaz muestra el total actual y la distancia hasta el umbral.
5. La presión de dificultad aumenta el consumo de suministros durante las misiones largas.

El equipo propone cuatro intervenciones:

La cuarta opción es la primera acción más segura porque la evidencia causal es débil y las observaciones controladas pueden revelar si predominan las recompensas, los costes o las comprobaciones del umbral. El registro no demuestra por sí mismo que algún sistema esté equivocado. Recopila observaciones en los puntos de interacción y protege la invariante de progresión: el jugador solo debe avanzar cuando la regla de progresión autorizada confirme que se alcanzó el umbral. Cuando las observaciones respalden una hipótesis causal, el equipo podrá elegir una intervención correctiva específica, evaluar su apalancamiento y definir una nueva comprobación de validación.

2361. Flujo de trabajo nativo de IA

Usa la IA como herramienta de contraste y cuestionamiento, no como responsable de la decisión.

1. Escribe tú el síntoma, el responsable del estado, las interacciones relevantes, las invariantes y las intervenciones candidatas.
2. Pide a la IA una lectura causal del mapa y que señale los supuestos de tu ordenación.
3. Pídele que defienda la segunda mejor intervención e indique qué evidencia la haría más segura.
4. Compara su respuesta con tu mapa. Rechaza las sugerencias que inventen dependencias, eviten al responsable del estado o debiliten una invariante.
5. Registra la intervención elegida, la observación esperada y la condición de reversión antes de cambiar el proyecto.

Un prompt útil es:

Dado este mapa de interacciones, el síntoma y la lista de invariantes, clasifica cada candidata como diagnóstica, correctiva o ambas. Ordena las acciones diagnósticas por su ganancia de información esperada y las intervenciones correctivas por evidencia, apalancamiento correctivo, reversibilidad y riesgo para las invariantes. Separa los hechos observados de los supuestos. No propongas un arreglo de presentación salvo que la evidencia identifique la presentación como responsable del problema.

La prueba de calidad no es que la IA produzca una clasificación expresada con seguridad. La prueba es que puedas explicar qué partes están respaldadas por evidencia y cuáles todavía requieren investigación.

2362. Flujo de trabajo con Git

Usa el historial del proyecto y el diff actual como evidencia sobre el alcance, la autoridad y los acoplamientos no deseados antes de considerar segura una intervención.

1. Identifica los archivos o sistemas relevantes que afectaría cada intervención candidata.
2. Revisa su historial reciente, cuando esté disponible, para conocer el motivo de la regla o del límite actual. Trata el historial como contexto, no como prueba de que el comportamiento actual sea correcto.
3. Inspecciona el diff actual o establece una línea base limpia antes de hacer el cambio. Separa el trabajo previo de la intervención que estás evaluando.
4. Compara la intervención prevista con el diff resultante: ¿toca el punto autorizado, modifica sistemas no relacionados o debilita una invariante?
5. Registra la evidencia del historial o del diff que respalda la elección, junto con la condición de reversión o reevaluación.

Un diff pequeño no es automáticamente un diff seguro. La evidencia útil de Git es la relación entre el cambio propuesto, el responsable del estado, los sistemas afectados y la invariante; no solo el número de líneas modificadas.

2363. Error común

El error común es elegir primero la intervención más visible o la más potente. Cambiar una recompensa global, un umbral o un valor de dificultad puede parecer eficiente, pero puede modificar muchas experiencias antes de establecer la causa. Otro error es considerar segura una modificación reversible aunque esta evite una invariante. La reversibilidad reduce el riesgo; no elimina la necesidad de una hipótesis causal.

2364. Práctica guiada

Usa el siguiente caso. Un prototipo tiene tres sistemas relacionados:

• Sistema de encuentros: determina con qué frecuencia el jugador queda expuesto a un peligro.
• Sistema de suministros: consume una unidad de suministro cuando el jugador usa una acción protectora.
• Sistema de progresión de supervivencia: desbloquea la siguiente mejora protectora después de que el jugador complete un umbral de encuentros exitosos.

El síntoma es: “Los jugadores abandonan la partida antes de alcanzar la siguiente mejora protectora”. El mapa de interacciones muestra que el sistema de encuentros aumenta la exposición al peligro después de cada encuentro completado, mientras que el sistema de suministros tiene un coste fijo por acción protectora. El sistema de progresión cuenta correctamente los encuentros exitosos. La invariante es: “Una mejora se desbloquea solo después de que el contador de progresión autorizado alcance su umbral”.

Evalúa estas intervenciones:

• Reducir la exposición al peligro después de cada encuentro.
• Reducir el coste de suministros de la acción protectora.
• Reducir el umbral de la mejora.
• Añadir temporalmente un registro que compare exposición, acciones protectoras, consumo de suministros y contador de progresión en una partida controlada.

Completa después este registro de decisión:

1. Expresa el síntoma sin nombrar una causa.
2. Identifica al responsable autorizado del estado de progresión y los responsables probables de la exposición y del consumo de suministros.
3. Clasifica cada candidata como acción diagnóstica o intervención correctiva y ordena las cuatro desde la primera acción más segura hasta la más arriesgada.
4. Elige una primera acción. Si es diagnóstica, justifica su ganancia de información esperada; si es correctiva, justifica la evidencia y su apalancamiento correctivo. En ambos casos, evalúa la reversibilidad y el riesgo para las invariantes.
5. Revisa el historial relevante y el diff actual, o define la línea base que inspeccionarías, y registra cómo esa evidencia afecta a tu confianza en la acción elegida.
6. Define la observación que respaldaría tu hipótesis y la condición que provocaría una reversión o una investigación diferente.

Tu orden puede diferir del de otra persona si tus supuestos sobre la evidencia son explícitos y coherentes. La decisión exigida no es “añadir siempre registros”. Debes mostrar por qué la incertidumbre justifica un diagnóstico o por qué la evidencia justifica una corrección, y por qué la primera acción protege el contrato del sistema.

2365. Validación / evidencia

2366. Ideas clave

• Elegir una intervención es una decisión sistémica, no una decisión sobre una función aislada.
• Evalúa la ganancia de información de las acciones diagnósticas o el apalancamiento correctivo de las intervenciones, junto con la evidencia y la reversibilidad.
• Usa el historial y las diferencias para comprobar si el alcance propuesto coincide con el límite del sistema.
• Protege las invariantes aunque un cambio más amplio parezca más rápido.
• La IA puede cuestionar la clasificación, pero el desarrollador debe defender la evidencia y los límites de cada sistema.

2367. Siguiente lección

Esta es la última lección del módulo 5.13 — Pensamiento sistémico. El siguiente módulo es 5.14 — Dirección técnica, donde estas decisiones de intervención se convierten en prioridades y restricciones técnicas. La dirección técnica debe establecer los límites y la secuencia de implementación que 5.15 — Dirección creativa pueda utilizar para dar forma a la expresión visible para el jugador; no sustituye ni dicta la dirección creativa.

2368. Comprobación