Evolución de la estimación del esfuerzo en el desarrollo de software: De los modelos tradicionales a la automatización basada en IA y DevOps

Abstract

La estimación del esfuerzo y los recursos es crucial para el éxito en el desarrollo de software, un campo que enfrenta desafíos constantes debido a su complejidad y dinamismo. Este estudio analiza la evolución de las técnicas de estimación del esfuerzo en el desarrollo de software desde la adopción de metodologías ágiles hasta la consolidación del paradigma DevOps, mediante un análisis bibliométrico de 4,196 documentos de Scopus (2008-2024) utilizando SciMAT y VOSviewer. Los resultados evidencian una transición de modelos tradicionales, como COCOMO y puntos de función, hacia enfoques basados en inteligencia artificial, redes neuronales y modelos predictivos, destacando tres áreas clave: gestión de proyectos, técnicas automatizadas y tecnologías avanzadas. Los mapas estratégicos muestran que la estimación del esfuerzo en el desarrollo de software es el tema más influyente, mientras que fiabilidad del software y optimización mantienen su relevancia, y emergen tendencias como algoritmos de aprendizaje automático y árboles de decisión. A nivel global, Estados Unidos, China y Alemania lideran la producción científica. Se identificaron instituciones influyentes dentro de este campo, como la Universidad del Sur de California y la Universidad del Oeste de Canadá, aunque estas no necesariamente pertenecen a los países con mayor volumen de publicaciones, lo que sugiere que su impacto se debe a la calidad y relevancia de sus contribuciones científicas. Finalmente, se destaca la necesidad de desarrollar herramientas híbridas que integren modelos clásicos y técnicas avanzadas, promoviendo enfoques de estimación del esfuerzo en el desarrollo de software en entornos DevOps y ágiles para mejorar la precisión y eficiencia en la gestión de proyectos de software.