Forecasting (previsión de entrega)
Estimar CUÁNDO se completará un alcance de trabajo, a partir de datos históricos de entrega en vez de opinión.
Los métodos probabilísticos (como la simulación Monte Carlo) generan un rango de fechas con su probabilidad asociada, en vez de una fecha única y falsamente precisa.
Es más fiable cuanto más histórico real tiene el equipo — con pocos Sprints, cualquier forecast es poco robusto y debe comunicarse con ese matiz.
Sustituye a la práctica de comprometerse con una fecha basada en intuición o presión comercial, sin datos que la respalden.
Se aplica igual a nivel de una historia ("¿cuándo estará lista?") que de un roadmap completo ("¿cuándo tendremos las 40 historias restantes del release?") — cuanto mayor el lote, más se compensan los outliers y más fiable es la proyección.
Herramientas de flujo (throughput, lead time por elemento) sustituyen aquí a la estimación por puntos: no hace falta estimar el tamaño de cada historia para forecastear, solo saber cuántas se completan por Sprint de media.