task-queue-proof/README.es.md

# El tiempo medio de finalización no ponderado no es una métrica justa para la planificación de tareas

Una demostración matemática de que el tiempo medio de finalización de tareas
no ponderado es un estadístico sesgado que incentiva la selección preferencial
de trabajo fácil, y de que cualquier ventaja de planificación que aparente
revelar es un artefacto de la métrica — no un reflejo de rendimiento genuino
ni de calidad de servicio.

---

## 1. Introducción

Muchas organizaciones miden el rendimiento en la ejecución de tareas mediante
el **tiempo medio de finalización no ponderado**: el número promedio de horas
(o días) entre el envío de una tarea y su resolución, contando cada tarea por
igual independientemente de su tamaño o prioridad.

Este artículo demuestra que esta métrica no es meramente imprecisa, sino
estructuralmente sesgada. Puede mejorarse reordenando el trabajo sin realizar
ningún trabajo adicional (Teorema 1), mientras que una alternativa ponderada
adecuadamente es completamente inmune a la manipulación del orden de ejecución
(Teorema 2). Cuando se combina con un sistema de prioridades, la métrica
contradice activamente las propias clasificaciones de prioridad de la
organización (Teorema 9).

El argumento se desarrolla en cuatro partes:

- **Parte I** (Secciones 2–4) establece la base matemática: la media no
  ponderada es manipulable mediante la planificación por Tiempo de
  Procesamiento más Corto Primero (SPT), la media ponderada por trabajo es
  invariante respecto al orden de ejecución, y las consecuencias resultantes
  para la calidad del servicio son demostrablemente negativas.

- **Parte II** (Secciones 5–6) extiende el modelo a tareas clasificadas por
  prioridad, demuestra que la métrica se vuelve adversarial respecto al
  sistema de prioridades, y propone alternativas ponderadas con un ejemplo
  práctico de mesa de servicio de TI.

- **Parte III** (Secciones 7–9) examina las dinámicas organizacionales: qué
  ocurre cuando la métrica se reporta a los clientes (asimetría de
  información), qué sucede con los miembros del equipo que comprenden sus
  defectos (daño psicológico), y qué puede hacer un gerente informado al
  respecto (optimización restringida con análisis de estabilidad desde la
  teoría de juegos).

- **Parte IV** (Secciones 10–12) presenta contraargumentos honestos, sitúa
  el trabajo en la literatura existente y concluye.

Los resultados fundamentales se basan en la teoría fundacional de planificación
de Smith (1956) [1], extendida mediante la teoría de juegos [9, 10], la teoría
de medición organizacional [18, 19] y la psicología [11–17] para trazar una
cadena completa desde una demostración matemática sobre una métrica específica
hasta los resultados organizacionales.

---

# Parte I: Fundamentos matemáticos

## 2. Definiciones

Sean **n** tareas con tiempos de procesamiento $p_1, p_2, \ldots, p_n$.

Un **calendario de ejecución** $\sigma$ es una permutación de $\{1, 2, \ldots, n\}$ que
asigna tareas a un orden de ejecución en un único ejecutor.

El **tiempo de finalización** de la tarea $\sigma(k)$ bajo el calendario $\sigma$ es:

$$C_{\sigma(k)} = \sum_{j=1}^{k} p_{\sigma(j)}$$

El **tiempo medio de finalización no ponderado** es:

$$\bar{C}(\sigma) = \frac{1}{n} \sum_{k=1}^{n} C_{\sigma(k)}$$

El **tiempo medio de finalización ponderado por trabajo** es:

$$\bar{C}_w(\sigma) = \frac{\sum_{k=1}^{n} p_{\sigma(k)} \cdot C_{\sigma(k)}}{\sum_{k=1}^{n} p_{\sigma(k)}}$$

---

## 3. Resultados fundamentales

### 3.1 La media no ponderada es manipulable

**Teorema 1** (Smith, 1956 [1])**.** El calendario que minimiza
$\bar{C}(\sigma)$ es el de Tiempo de Procesamiento más Corto Primero (SPT):
ordenar las tareas de modo que
$p_{\sigma(1)} \le p_{\sigma(2)} \le \cdots \le p_{\sigma(n)}$.

**Demostración (argumento de intercambio [1, 2]).**

Considérese cualquier calendario $\sigma$ en el que dos tareas adyacentes $i, j$
satisfacen $p_i > p_j$, con la tarea $i$ programada inmediatamente antes de la
tarea $j$. Sea $t$ el tiempo de inicio de la tarea $i$.

| | La tarea $i$ finaliza | La tarea $j$ finaliza | Suma |
|---|---|---|---|
| **Antes del intercambio** ($i$ luego $j$) | $t + p_i$ | $t + p_i + p_j$ | $2t + 2p_i + p_j$ |
| **Después del intercambio** ($j$ luego $i$) | $t + p_j$ | $t + p_j + p_i$ | $2t + p_i + 2p_j$ |

El cambio en la suma de tiempos de finalización es:

$$(2p_i + p_j) - (p_i + 2p_j) = p_i - p_j > 0$$

Cada intercambio de un par adyacente largo-antes-de-corto reduce estrictamente
el total. Todo calendario no-SPT contiene dicho par. Los intercambios
repetidos convergen a SPT. Por lo tanto, SPT minimiza de forma única
$\bar{C}(\sigma)$. $\blacksquare$

### 3.2 La media ponderada por trabajo es invariante respecto al calendario

**Teorema 2.** El tiempo medio de finalización ponderado por trabajo
$\bar{C}_w(\sigma)$ es el mismo para todo calendario $\sigma$.

**Demostración.**

Expandamos el numerador:

$$\sum_{k=1}^{n} p_{\sigma(k)} \cdot C_{\sigma(k)} = \sum_{k=1}^{n} p_{\sigma(k)} \sum_{j=1}^{k} p_{\sigma(j)}$$

Reindexemos haciendo $a = \sigma(k)$ y $b = \sigma(j)$. La suma doble cuenta
cada par ordenado $(a, b)$ donde $b$ está programado no después de $a$:

$$= \sum_{\substack{a, b \\ b \preceq_\sigma a}} p_a \, p_b$$

Para cualquier par $(a, b)$ con $a \ne b$, se cumple exactamente uno de
$\{b \preceq_\sigma a\}$ o $\{a \prec_\sigma b\}$. Los términos diagonales
($a = b$) contribuyen $p_a^2$ independientemente del orden. Por lo tanto:

$$\sum_{\substack{a, b \\ b \preceq_\sigma a}} p_a \, p_b = \sum_{a} p_a^2 + \sum_{\substack{a \ne b \\ b \prec_\sigma a}} p_a \, p_b$$

Junto con la suma complementaria, las dos sumas fuera de la diagonal cubren
todos los pares no ordenados:

$$\sum_{\substack{a \ne b \\ b \prec_\sigma a}} p_a \, p_b + \sum_{\substack{a \ne b \\ a \prec_\sigma b}} p_a \, p_b = \sum_{a \ne b} p_a \, p_b$$

El lado derecho es independiente del calendario. Por la simetría de $p_a p_b$,
ambas sumas fuera de la diagonal son iguales:

$$\sum_{\substack{a \ne b \\ b \prec_\sigma a}} p_a \, p_b = \frac{1}{2} \sum_{a \ne b} p_a \, p_b$$

Por lo tanto:

$$\sum_{k=1}^{n} p_{\sigma(k)} \cdot C_{\sigma(k)} = \sum_a p_a^2 + \frac{1}{2} \sum_{a \ne b} p_a \, p_b = \frac{1}{2}\left(\sum_a p_a\right)^2 + \frac{1}{2}\sum_a p_a^2$$

Esta expresión no contiene referencia alguna a $\sigma$. Dado que el
denominador $\sum p_a$ también es independiente del calendario:

$$\bar{C}_w(\sigma) = \frac{\frac{1}{2}\left(\sum p_a\right)^2 + \frac{1}{2}\sum p_a^2}{\sum p_a}$$

es **constante para todos los calendarios**. $\blacksquare$

Este es un caso de las leyes de conservación en planificación identificadas
por Coffman, Shanthikumar y Yao [20]. La invariancia corresponde a medir
cuánto tiempo espera una unidad de *trabajo* en lugar de cuánto tiempo espera
una *tarea* — el estadístico no ponderado cuenta finalizaciones en vez de
trabajo, razón por la cual es manipulable. (Véase también Little [3, 4] para
el contexto de la teoría de colas, con la advertencia de que la Ley de Little
se aplica directamente solo a sistemas en estado estacionario, no al caso por
lotes analizado aquí.)

### 3.3 Ejemplo ilustrativo

Dos tareas: $A$ con $p_A = 1$ hora, $B$ con $p_B = 10$ horas.

| Calendario | $C_A$ | $C_B$ | Media no ponderada | Media ponderada por trabajo |
|----------|-------|-------|-----------------|-------------------|
| SPT (A primero) | 1 | 11 | 6.0 | 111/11 ≈ 10.09 |
| Inverso (B primero) | 11 | 10 | 10.5 | 111/11 ≈ 10.09 |

SPT parece **4.5 horas mejor** en la métrica no ponderada, pero proporciona
**cero mejora** en la métrica ponderada por trabajo. La ventaja aparente
existe solo porque el estadístico no ponderado permite que una tarea de
1 hora "vote" con el mismo peso que una tarea de 10 horas.

---

## 4. Consecuencias para la calidad del servicio

### 4.1 Inanición de tareas grandes

**Teorema 3 (Sesgo de la métrica).** Cualquier política de planificación que
minimice el tiempo medio de finalización no ponderado necesariamente maximiza
el tiempo de finalización de la tarea más grande.

**Demostración.** SPT coloca la tarea más grande en último lugar. Su tiempo
de finalización es igual al tiempo total de procesamiento $\sum p_i$, que es
el máximo tiempo de finalización posible para cualquier tarea individual.
Bajo cualquier calendario que no coloque la tarea más grande en último lugar,
dicha tarea se completa estrictamente antes. $\blacksquare$

Esto crea un **incentivo de inanición**: agentes racionales que optimizan
el estadístico no ponderado postergarán indefinidamente las tareas grandes
en favor de las pequeñas. Austin [18] identificó este patrón general — que
la medición incompleta crea incentivos para optimizar la dimensión medida a
expensas de las no medidas — en el contexto de la gestión del rendimiento
organizacional. El Teorema 3 proporciona el mecanismo específico para la
planificación de tareas.

### 4.2 Tiempo de finalización máximo para la tarea más grande

**Teorema 4 (SPT maximiza de forma única el tiempo de finalización de la tarea más grande).**
Entre todos los calendarios, SPT es la única política que asigna el máximo
tiempo de finalización posible ($\sum p_i$) a la tarea más grande.

**Demostración.** SPT ordena las tareas en orden ascendente de $p_i$,
colocando la tarea más grande $p_{\max}$ en la última posición. La última
tarea en cualquier calendario tiene un tiempo de finalización de
$\sum_{i=1}^{n} p_i$, que es el máximo que cualquier tarea individual puede
recibir. Bajo cualquier calendario que no coloque $p_{\max}$ en último lugar,
esta se completa estrictamente antes de $\sum p_i$. $\blacksquare$

**Corolario 4.1.** Un equipo que optimiza el tiempo medio de finalización
no ponderado proporcionará sistemáticamente la peor experiencia a los
clientes con las necesidades más complejas. Esto no es un efecto secundario
— es el *mecanismo* por el cual la métrica mejora.

**Nota sobre las razones de ralentización.** SPT en realidad *comprime* las
razones de ralentización ($S_i = C_i / p_i$) porque las tareas más grandes
en posiciones posteriores tienen denominadores grandes que absorben la suma
acumulada. Por ejemplo, con las tareas $[1, 5, 10]$: SPT produce
ralentizaciones $[1, 1.2, 1.6]$ (baja varianza) mientras que LPT produce
$[1, 3, 16]$ (alta varianza). El perjuicio de SPT a los clientes con tareas
grandes no es visible en la razón de ralentización — es visible en el
**tiempo de finalización absoluto**. Esta distinción es importante: la
literatura sobre equidad en planificación [21, 22, 23] ha debatido la
injusticia de SPT/SRPT principalmente mediante medidas basadas en
ralentización, que pueden ocultar la carga de retraso absoluto demostrada
a continuación.

### 4.3 Concentración del retraso

**Teorema 5 (SPT concentra el retraso en la tarea más grande).** Bajo SPT,
la tarea más grande soporta más retraso absoluto que bajo cualquier otro
calendario.

**Demostración.** Defínase el retraso absoluto como $\Delta_i = C_i - p_i$
(tiempo de espera, independiente del tamaño propio). Bajo SPT, la tarea
más grande está en la posición $n$ con:

$$\Delta_{\max\text{-task}}^{\text{SPT}} = C_n - p_n = \sum_{i=1}^{n-1} p_i$$

Esta es la suma de los tiempos de procesamiento de todas las demás tareas —
el máximo retraso posible para cualquier tarea individual. Bajo cualquier
calendario donde la tarea más grande no está en último lugar, su retraso es
estrictamente menor. Mientras tanto, SPT otorga a la tarea más pequeña
retraso cero ($\Delta_1^{\text{SPT}} = 0$). Toda la carga de espera se
transfiere de las tareas pequeñas a las grandes. $\blacksquare$

SPT minimiza el retraso *total* (bueno para la eficiencia agregada)
concentrando el retraso en las tareas más capaces de absorberlo en términos
de razón de ralentización. Pero en términos absolutos — horas de espera —
la tarea más grande soporta todo el peso.

### 4.4 Invariancia del rendimiento

**Teorema 6 (Invariancia del rendimiento).** El trabajo total completado en
cualquier horizonte temporal $T$ es idéntico bajo todas las políticas de
planificación.

**Demostración.** El ejecutor procesa trabajo a una tasa fija. En cualquier
horizonte $T \ge \sum p_i$, el trabajo total realizado es exactamente
$\sum p_i$ independientemente del orden. Para el caso de estado estacionario
con llegadas continuas, el rendimiento a largo plazo está determinado por la
tasa de servicio $\mu$ y es completamente independiente de la planificación:

$$\lim_{T \to \infty} \frac{W(T)}{T} = \mu \quad \text{for all schedules } \sigma$$

$\blacksquare$

**Corolario 6.1.** Un equipo que cambia de cualquier política de planificación
a SPT observará una mejora en el tiempo medio de finalización no ponderado con
**cero cambio en el rendimiento real**. La métrica mejora. La producción no.

### 4.5 El efecto compuesto

Combinando los Teoremas 4, 5 y 6:

| Medida | Efecto de optimizar la media no ponderada |
|---------|--------------------------------------|
| Rendimiento (trabajo/tiempo) | Sin cambio (Teorema 6) |
| Retraso para tareas pequeñas | Minimizado — se aproxima a cero (SPT) |
| Retraso para tareas grandes | **Maximizado** — soporta toda la carga de espera (Teorema 5) |
| Tiempo de finalización de la tarea más grande | **Máximo posible**: $\sum p_i$ (Teorema 4) |

El efecto neto sobre la calidad percibida es negativo porque:

1. **La aversión a la pérdida es asimétrica** [8]. Un cliente cuya tarea de
   100 horas es desprioritizada experimenta un impacto negativo grande y
   prominente. Un cliente cuya tarea de 1 hora es expedida experimenta un
   beneficio pequeño y frecuentemente inadvertido.

2. **Las tareas de alto esfuerzo se correlacionan con clientes de alto
   valor.** Las tareas grandes provienen desproporcionadamente de clientes
   importantes, contratos complejos o necesidades empresariales críticas.

3. **La inanición se acumula.** En un sistema continuo (Teorema 3), las
   tareas grandes pueden ser **postergadas indefinidamente** a medida que
   siguen llegando nuevas tareas pequeñas.

**Teorema 7 (El resultado central).** Para un equipo que procesa tareas de
tamaño no uniforme, adoptar el tiempo medio de finalización no ponderado como
métrica de rendimiento:

(a) Proporciona **cero ganancia de productividad** (Teorema 6), mientras que
(b) **Asigna el máximo tiempo de finalización posible** a la tarea más grande
    (Teorema 4), y
(c) **Concentra todo el retraso de espera** en las tareas más grandes,
    eliminando el retraso de las más pequeñas (Teorema 5).

Esto no es un compromiso. La métrica crea una transferencia pura de calidad
de servicio de los clientes de alto esfuerzo a los clientes de bajo esfuerzo,
sin trabajo neto ganado. $\blacksquare$

---

# Parte II: Sistemas de prioridad

## 5. Colapso bajo clasificación por prioridad

Las secciones anteriores demostraron que el tiempo medio de finalización no
ponderado está sesgado cuando las tareas varían en tamaño. Ahora mostramos
que la introducción de un **sistema de prioridades** — como el que
prácticamente todos los equipos reales utilizan — hace que la métrica pase
de ser meramente sesgada a ser **activamente adversarial** respecto a los
objetivos declarados de la organización.

### 5.1 Modelo extendido: tareas con prioridad

Sea cada tarea $i$ con tiempo de procesamiento $p_i$ y una clase de prioridad
$q_i \in \{1, 2, 3, 4\}$ donde 1 es la prioridad más alta (crítica) y
4 es la más baja (cosmética/mejora). Asígnense pesos de prioridad:

$$w(q) = \begin{cases} 8 & q = 1 \text{ (Critical)} \\ 4 & q = 2 \text{ (High)} \\ 2 & q = 3 \text{ (Medium)} \\ 1 & q = 4 \text{ (Low)} \end{cases}$$

Los pesos específicos son ilustrativos; los resultados se mantienen para
cualquier función de pesos estrictamente decreciente. La propiedad clave
es que la prioridad se asigna por **impacto de negocio**, no por tamaño
de tarea.

### 5.2 La métrica contradice el sistema de prioridades

**Teorema 8 (Inversión de prioridad-tamaño).** Cuando la prioridad es
independiente del tamaño de la tarea, el calendario que minimiza el tiempo
medio de finalización no ponderado (SPT) completará, en expectativa, las
tareas de baja prioridad antes que las tareas de alta prioridad de mayor
tamaño.

**Demostración.** SPT ordena las tareas por $p_i$ ascendente, sin importar
$q_i$. Considérense dos tareas:

- Tarea A: $p_A = 40$ horas, $q_A = 1$ (Crítica — p. ej., caída del servidor)
- Tarea B: $p_B = 0.5$ horas, $q_B = 4$ (Baja — p. ej., corrección cosmética de interfaz)

SPT programa B antes que A. La media no ponderada para este par:

$$\bar{C}^{\text{SPT}} = \frac{0.5 + 40.5}{2} = 20.5 \qquad \bar{C}^{\text{priority}} = \frac{40 + 40.5}{2} = 40.25$$

La métrica declara que SPT es casi **el doble de bueno** — a pesar de
completar una corrección cosmética mientras un servidor está caído.

En general, cuando $q_i$ es estadísticamente independiente de $p_i$, el
ordenamiento de SPT tiene **correlación cero** con la prioridad. En la
práctica, las tareas Críticas (interrupciones, incidentes de seguridad,
pérdida de datos) frecuentemente requieren más trabajo que las tareas Bajas,
por lo que la métrica está plausiblemente **anti-correlacionada** con el
sistema de prioridades. $\blacksquare$

### 5.3 Destrucción de información

La media no ponderada reduce una tarea tridimensional $(p_i, q_i, C_i)$ a
una señal unidimensional ($C_i$), y luego promedia uniformemente. Esto
descarta la prioridad por completo e invierte implícitamente el tamaño.

**Teorema 9 (Destrucción de información).** Sea $I(\sigma)$ la información
mutua entre la clasificación de prioridad implícita del calendario (posición)
y la asignación real de prioridad $q_i$. Para SPT:

$$I(\sigma_{\text{SPT}}) = 0 \quad \text{when } p_i \perp q_i$$

**Demostración.** SPT asigna posiciones basándose únicamente en $p_i$.
Cuando $p_i$ y $q_i$ son independientes, conocer la posición de una tarea
en el calendario SPT proporciona cero información sobre su prioridad.
$\blacksquare$

**Corolario 9.1.** Un equipo que optimiza el tiempo medio de finalización
no ponderado opera un sistema de planificación que no contiene información
alguna sobre su propia clasificación de prioridades. El campo de prioridad
en su sistema de tickets es, con respecto al orden de ejecución, decorativo.

Este es un caso de lo que Austin [18] denomina el problema fundamental de
la medición incompleta: cuando el sistema de medición captura solo un
subconjunto de las dimensiones relevantes, optimizar la medición degrada
sistemáticamente las dimensiones no medidas.

### 5.4 Coste de retraso ponderado por prioridad

Defínase el **coste de retraso ponderado por prioridad** de un calendario:

$$D(\sigma) = \sum_{i=1}^{n} w(q_i) \cdot C_i$$

**Teorema 10 (SPT y coste de retraso ponderado por prioridad).** El calendario
óptimo para minimizar $D(\sigma)$ es WSJF: ordenar por $w(q_i)/p_i$
descendente [1, 5]. El ordenamiento de SPT — por $1/p_i$ descendente — ignora
la prioridad por completo y produce un $D$ mayor que las alternativas que
respetan la prioridad cuando la prioridad está correlacionada con el tamaño
de la tarea.

**Demostración.** Mediante el argumento de intercambio, el intercambio de
tareas adyacentes $i, j$ cambia $D$ en:

$$\Delta D = w(q_j) \cdot p_i - w(q_i) \cdot p_j$$

El intercambio mejora $D$ cuando $w(q_j)/p_j > w(q_i)/p_i$ pero $j$ está
programada después de $i$. Por lo tanto, el orden óptimo es $w(q_i)/p_i$
decreciente — la regla WSJF. SPT corresponde a WSJF solo cuando
$w(q_i) = \text{const}$ (todas las tareas tienen igual prioridad).

**Ejemplo.** Crítica ($w = 8$, $p = 3$) y Baja ($w = 1$, $p = 2$):

- SPT (Baja primero): $D = 1 \cdot 2 + 8 \cdot 5 = 42$
- WSJF (Crítica primero): $D = 8 \cdot 3 + 1 \cdot 5 = 29$

SPT incurre en un 45% más de retraso ponderado por prioridad. En la práctica,
las tareas Críticas tienden a ser más grandes (interrupciones, incidentes de
seguridad), haciendo que la divergencia sea sistemática. $\blacksquare$

---

## 6. Soluciones propuestas

### 6.1 Métricas ponderadas por prioridad

Reemplazar el tiempo medio de finalización no ponderado con la **Puntuación
de Finalización Ponderada por Prioridad (PWCS)**:

$$\text{PWCS}(\sigma) = \frac{\sum_{i=1}^{n} w(q_i) \cdot \frac{C_i}{p_i}}{\sum_{i=1}^{n} w(q_i)}$$

Esta es la media ponderada por prioridad de la razón de ralentización. Mide
cuánto esperó cada tarea en relación con su tamaño, ponderado por la
importancia de esa tarea. Menor es mejor.

**Propiedades:**

1. **Respetuosa con la prioridad.** Los retrasos en tareas Críticas cuestan
   8 veces más que los retrasos en tareas Bajas.
2. **Justa con el tamaño.** Utiliza la razón de ralentización $C_i / p_i$,
   de modo que las tareas grandes no son penalizadas por ser grandes.
3. **No manipulable por SPT.** Reordenar por tiempo de procesamiento no
   mejora sistemáticamente la puntuación.
4. **Se reduce a la media no ponderada cuando las tareas son uniformes.**
   Es una generalización estricta.

### 6.2 Política óptima: WSJF

**Teorema 11.** El calendario que minimiza el tiempo de finalización ponderado
por prioridad $\text{PWCT}(\sigma) = \sum w(q_i) \cdot C_i / \sum w(q_i)$
procesa las tareas en orden decreciente de $w(q_i)/p_i$ — la regla de
**Trabajo Ponderado más Corto Primero (WSJF)** [1, 5].

**Demostración.** Mediante el argumento de intercambio (como en el
Teorema 10), el intercambio de tareas adyacentes $i, j$ mejora el PWCT cuando
$w(q_j)/p_j > w(q_i)/p_i$ pero $j$ está programada después de $i$. Por lo
tanto, el orden óptimo es $w(q_i)/p_i$ decreciente. $\blacksquare$

Dentro de una clase de prioridad, esto se reduce a SPT (la más corta
primero). Entre clases, una tarea Crítica de 4 horas ($w/p = 2.0$) supera a
una tarea Baja de 1 hora ($w/p = 1.0$).

**Advertencia práctica.** El WSJF puro puede colocar tareas diminutas de
prioridad Baja por delante de tareas Críticas grandes (una tarea Baja de
15 minutos tiene $w/p = 1/0.25 = 4.0$, superando a una Crítica de 6 horas
con $w/p = 8/6 = 1.33$). En la práctica, esto se mitiga imponiendo un
**ordenamiento estricto por clase de prioridad** y aplicando WSJF solo
*dentro* de cada clase.

### 6.3 Ejemplo aplicado: mesa de servicio de TI

Considérese un equipo de TI con la siguiente cola de tickets:

| Ticket | Prioridad | Tipo | Horas est. |
|--------|----------|------|-----------|
| T1 | P1 (Crítica) | Servidor de correo caído | 6 |
| T2 | P2 (Alta) | VPN fallando para equipo remoto | 4 |
| T3 | P3 (Media) | Configuración de portátil para nuevo empleado | 2 |
| T4 | P4 (Baja) | Actualizar política de fondo de escritorio | 0.5 |
| T5 | P3 (Media) | Instalar licencia de software | 1 |
| T6 | P1 (Crítica) | Respaldo de base de datos fallando | 3 |
| T7 | P2 (Alta) | Flota de impresoras fuera de línea | 2 |
| T8 | P4 (Baja) | Archivar carpeta antigua de unidad compartida | 0.25 |

**Orden SPT** (optimizando la media no ponderada): T8, T4, T5, T3, T7, T6, T2, T1

| Pos | Ticket | Prioridad | Horas | Finalización | Ralentización |
|-----|--------|----------|-------|------------|----------|
| 1 | T8 (archivar carpeta) | P4 Baja | 0.25 | 0.25 | 1.0 |
| 2 | T4 (fondo de escritorio) | P4 Baja | 0.5 | 0.75 | 1.5 |
| 3 | T5 (software) | P3 Media | 1 | 1.75 | 1.75 |
| 4 | T3 (portátil) | P3 Media | 2 | 3.75 | 1.875 |
| 5 | T7 (impresoras) | P2 Alta | 2 | 5.75 | 2.875 |
| 6 | T6 (respaldos) | P1 Crítica | 3 | 8.75 | 2.917 |
| 7 | T2 (VPN) | P2 Alta | 4 | 12.75 | 3.188 |
| 8 | T1 (correo) | P1 Crítica | 6 | 18.75 | 3.125 |

**WSJF práctico** (prioridad de clase primero, SPT dentro de cada clase):

| Pos | Ticket | Prioridad | Horas | Finalización |
|-----|--------|----------|-------|------------|
| 1 | T6 (respaldos) | P1 Crítica | 3 | 3 |
| 2 | T1 (correo) | P1 Crítica | 6 | 9 |
| 3 | T7 (impresoras) | P2 Alta | 2 | 11 |
| 4 | T2 (VPN) | P2 Alta | 4 | 15 |
| 5 | T5 (software) | P3 Media | 1 | 16 |
| 6 | T3 (portátil) | P3 Media | 2 | 18 |
| 7 | T8 (archivo) | P4 Baja | 0.25 | 18.25 |
| 8 | T4 (fondo de escritorio) | P4 Baja | 0.5 | 18.75 |

**Comparación:**

| Métrica | SPT | WSJF práctico | Ganador |
|--------|-----|----------------|--------|
| Media de finalización no ponderada | **6.56 hrs** | 13.63 hrs | SPT |
| Tiempo medio de resolución P1 | 13.75 hrs | **6 hrs** | WSJF |
| Tiempo medio de resolución P2 | 9.25 hrs | **13 hrs** | SPT |
| Tiempo para reparar servidor de correo | 18.75 hrs | **9 hrs** | WSJF |
| Tiempo para reparar respaldos de BD | 8.75 hrs | **3 hrs** | WSJF |
| Tiempo para actualizar fondo de escritorio | **0.75 hrs** | 18.75 hrs | SPT |

Los tiempos de finalización ponderados por prioridad agregados son casi
idénticos (PWCT: 10.2 vs 10.17) porque la agregación oculta el daño
distribucional. La diferencia real está en el desglose **por clase de
prioridad**: el servidor de correo está caído durante 18.75 horas bajo SPT
frente a 9 horas bajo WSJF. Los respaldos de base de datos fallan durante
8.75 horas frente a 3.

La métrica no ponderada reporta con confianza que SPT es **más del doble de
eficiente** (6.56 vs 13.63), premiando al equipo que actualizó el fondo de
escritorio mientras el servidor de correo estaba en llamas.

### 6.4 Conjunto de métricas recomendado

Incluso las métricas agregadas ponderadas por prioridad pueden fallar en
distinguir buenos de malos calendarios, porque la agregación oculta el daño
distribucional. Ninguna métrica individual es suficiente. Un sistema de
medición completo debe rastrear:

| Métrica | Qué mide | Fórmula |
|--------|-----------------|---------|
| **Media de finalización por clase de prioridad** | Capacidad de respuesta por clase | $\bar{C}$ filtrado por $q$ |
| **Tiempo medio de resolución P1** | Respuesta a incidentes críticos | $\bar{C}$ para $q = 1$ |
| **Rendimiento** | Capacidad bruta de trabajo | Horas-trabajo completadas / tiempo calendario |
| **Violaciones por antigüedad** | Prevención de inanición | Tareas que exceden el SLA por prioridad |
| **Tiempo máximo de finalización (P1/P2)** | Peor caso de respuesta crítica | $\max(C_i)$ para $q \le 2$ |

La idea clave: las **métricas por clase de prioridad** exponen fallos de
planificación que las métricas agregadas ocultan.

---

# Parte III: Dinámicas organizacionales

## 7. Cuando la métrica es el producto

Las Secciones 2–6 suponen que la satisfacción del cliente es una función de
la *calidad de servicio experimentada*. Pero existe un escenario en el que
este supuesto falla y todo el argumento se derrumba.

### 7.1 La métrica autorreferencial

Supóngase que el proveedor reporta la media no ponderada directamente al
cliente — en un panel de control, en un informe de SLA, en una página de
marketing — y que la satisfacción del cliente se deriva principalmente de
*ese número*:

$$U_{\text{client}} = f\!\left(\bar{C}(\sigma)\right), \quad f' < 0$$

Bajo este modelo, SPT genuinamente maximiza la satisfacción del cliente
(Teorema 1). El rendimiento no cambia (Teorema 6). El resultado de negocio
mejora: mismo trabajo realizado, cliente más satisfecho.

**Todos los teoremas de este artículo siguen siendo matemáticamente
correctos. Pero la conclusión se invierte.** La métrica ya no es un proxy
que pueda ser manipulado — ella *es* la calidad del servicio, porque el
cliente ha aceptado evaluar la calidad mediante el número agregado.

### 7.2 La economía

Esto crea un equilibrio coherente y estable:

| Actor | Comportamiento | Resultado |
|-------|----------|---------|
| Proveedor | Optimiza la media no ponderada (SPT) | La métrica mejora, sin trabajo extra |
| Cliente | Lee el panel de control, ve un promedio bajo | Reporta satisfacción |
| Gerencia | Ve cliente satisfecho + buena métrica | Recompensa al equipo |

El proveedor extrae satisfacción a coste marginal cero, optimizando un
número que el cliente ha aceptado como proxy de calidad.

### 7.3 La fragilidad

Este equilibrio es estable solo mientras el cliente nunca inspeccione su
propia experiencia. Se rompe cuando:

1. **El cliente revisa su propio ticket.** Un CTO cuyo servidor de correo
   estuvo caído 18.75 horas no se tranquilizará con "Resolución promedio:
   6.56 horas." Los clientes más propensos a inspeccionar son exactamente
   los que reciben el peor servicio (Teorema 4).

2. **Un competidor ofrece SLAs por ticket.** "P1 resuelto en 4 horas"
   supera a "resolución promedio inferior a 7 horas" para cualquier cliente
   con necesidades críticas.

3. **El equipo internaliza la métrica.** Si el equipo cree que la métrica
   refleja el rendimiento real, pierde la capacidad de reconocer cuándo se
   descuida el trabajo crítico. La métrica se convierte en un peligro
   epistémico.

### 7.4 El patrón general

Este patrón — el proxy reemplaza la calidad, el proxy se optimiza, la
calidad diverge, el sistema es estable hasta que la realidad lo pone a
prueba — se repite en múltiples dominios. Muller [19] lo documenta
extensamente como "fijación métrica"; Campbell [24] formalizó el efecto
corruptor de usar indicadores como objetivos.

| Dominio | Métrica proxy | Calidad subyacente | Divergencia |
|--------|-------------|-------------------|------------|
| Soporte de TI | Tiempo medio de resolución | Disponibilidad de sistemas críticos | Servidor caído 19 hrs, el promedio dice 6.5 |
| Educación | Calificaciones de exámenes | Aprendizaje real | Enseñar para el examen |
| Salud | Rendimiento de pacientes | Resultados de salud | Altas más rápidas, mayor reingreso |
| Finanzas | Ganancias trimestrales | Valor a largo plazo | Recorte de costes infla BPA, erosiona capacidad |
| Software | Velocidad (puntos de historia) | Calidad del producto | Inflación de puntos, funcionalidades a medio terminar |

### 7.5 Asimetría de información

Modélese el sistema como un juego entre el proveedor (P) y el cliente (C).
P observa los $\{C_i\}$ individuales y elige $\sigma$; C observa únicamente
$\bar{C}(\sigma)$. Este es un problema de **riesgo moral** [10]: la
estrategia óptima de P es minimizar la señal observable sin importar la
distribución no observable.

El equilibrio es un **equilibrio agrupador** [9]: la métrica reportada por
P es idéntica independientemente del rendimiento ponderado por prioridad
subyacente. Es estable hasta que C obtiene acceso a los valores individuales
de $C_i$ — mediante un portal de cliente, la transparencia de un competidor,
o un incidente suficientemente doloroso.

### 7.6 La conclusión incómoda

La respuesta honesta a "¿optimizar la media no ponderada perjudica al
negocio?" es: **no necesariamente, siempre y cuando el cliente nunca mire
detrás del número**. La respuesta honesta a "¿es esto sostenible?" es: es
exactamente tan sostenible como cualquier sistema en el que el vendedor sabe
más que el comprador — estable durante períodos prolongados, luego colapso
rápido cuando la asimetría se rompe.

---

## 8. El coste psicológico de saber

La Sección 7 modeló al proveedor como un actor unitario. Pero los equipos
están compuestos por individuos. Cuando un miembro del equipo comprende la
demostración — cuando *sabe* que la métrica es sintética, que el panel de
control es teatro, que el servidor de correo sigue caído mientras cierra
tickets de fondo de escritorio — aparece un nuevo coste que el modelo de
equilibrio omitió.

### 8.1 La variable oculta: conciencia del equipo

| Actor | Observa $C_i$ individuales | Observa $\bar{C}$ | Comprende la demostración |
|-------|--------------------------|--------------------|-----------------------|
| Gerencia | Posiblemente | Sí | Variable |
| Miembro del equipo | **Sí** | Sí | **Sí** (en este escenario) |
| Cliente | No | Sí | No |

El miembro del equipo tiene información completa. Ve la cola de tickets.
Sabe que el servidor de correo ha estado caído desde las 7 AM. Sabe que
está cerrando un ticket de fondo de escritorio porque mejora el número.
Y sabe *por qué*.

### 8.2 Disonancia cognitiva bajo información completa

La disonancia cognitiva [11] surge cuando un individuo sostiene cogniciones
contradictorias. Sin comprender el *por qué*, la contradicción puede
racionalizarse: "la gerencia sabe más." Comprender la demostración elimina
la ambigüedad. El miembro del equipo ahora sostiene:

- **Cognición A:** "Soy un profesional competente. Mi trabajo es resolver
  problemas importantes."
- **Cognición B:** "Estoy cerrando un ticket de fondo de escritorio mientras
  el servidor de correo está caído, porque la métrica es matemáticamente
  sesgada (Teorema 1), la reordenación produce cero rendimiento (Teorema 6),
  y el único beneficiario es el panel de control (Sección 7). Puedo
  demostrarlo."

La disonancia es ahora *estructural*. Las resoluciones disponibles —
abandonar la identidad profesional, rechazar la demostración, abogar por el
cambio, o irse — cada una impone costes que no existían antes.

### 8.3 Teoría de la Autodeterminación: tres necesidades violadas

La Teoría de la Autodeterminación de Deci y Ryan [12, 13] identifica tres
necesidades que predicen la motivación intrínseca:

**Autonomía.** La métrica restringe las decisiones de una manera que el
miembro del equipo sabe que es matemáticamente subóptima. Un trabajador que
comprende que el proceso es demostrablemente contraproducente no puede
sentirse autónomo siguiéndolo.

**Competencia.** La métrica recompensa la efectividad *aparente* (bajo
$\bar{C}$) mientras es invariante a la efectividad *real* (Teorema 6). La
competencia genuina — reparar primero el servidor de correo — es *castigada*
por la métrica.

**Vinculación.** El miembro del equipo sabe que el servidor de correo del
cliente está caído. Podría ayudar. En cambio, está actualizando el fondo de
escritorio — no porque ayude a alguien, sino porque ayuda a un número. La
conexión entre el trabajo y el impacto humano ha sido cortada, y el miembro
del equipo puede ver los extremos cortados.

### 8.4 Daño moral

El daño moral [16, 17] es el perjuicio duradero causado por "perpetrar, no
prevenir, presenciar o enterarse de actos que transgreden creencias morales
profundamente arraigadas" [17]. Desde entonces se ha extendido a entornos
empresariales [25]. La distinción clave respecto al agotamiento: **el
agotamiento es extenuación por hacer demasiado. El daño moral es perjuicio
por hacer lo incorrecto.**

Un miembro del equipo que sabe que el servidor de correo está caído, sabe
que debería repararlo, cierra un ticket de fondo de escritorio en su lugar,
y lo hace porque la métrica lo exige, está experimentando las condiciones
estructurales para el daño moral.

### 8.5 Indefensión aprendida y fatalismo métrico

La indefensión aprendida de Seligman [14, 15] describe cómo la exposición
a resultados negativos incontrolables conduce a la pasividad. La secuencia:

1. La métrica es defectuosa (demostración comprendida).
2. Abogar por el cambio.
3. Rechazado ("los números son buenos, no causes problemas").
4. Repetir con convicción decreciente.
5. Estado terminal: "La métrica es lo que es. Solo cerraré tickets."

Esto no es pereza. Es la respuesta racional a un sistema que castiga el
comportamiento correcto y recompensa el comportamiento incorrecto, cuando
el individuo carece de poder para cambiar el sistema.

### 8.6 La espiral de selección adversa

Combinando el equilibrio de la Sección 7 con la dinámica de rotación:

1. La organización adopta la media no ponderada. La métrica se ve bien (SPT).
2. Los miembros del equipo conscientes y competentes experimentan costes
   psicológicos (8.2–8.5).
3. Esos miembros se van. Son reemplazados por miembros que no comprenden
   los defectos de la métrica o a quienes no les importa.
4. La métrica sigue viéndose bien — siempre lo hace bajo SPT,
   independientemente de la competencia del equipo (Corolario 6.1).
5. La calidad real del servicio se degrada, pero la métrica no puede
   detectarlo (Corolario 9.1).
6. Volver al paso 1.

La métrica selecciona *en contra* de las personas que mejorarían el sistema
y *a favor* de las personas que no lo cuestionarán. El sistema se estabiliza
en un nivel inferior de competencia, invisible para su propio aparato de
medición.

### 8.7 El modelo de coste completo

| Sección 7 (visible) | Sección 8 (oculto) |
|---------------------|---------------------|
| Cliente satisfecho (buen número) | Equipo insatisfecho (mala realidad) |
| Rendimiento sin cambios | Esfuerzo discrecional retirado |
| La métrica mejora | Los miembros competentes se van |
| Economía de negocio estable | La competencia institucional se degrada |

Estos operan en escalas temporales diferentes: el equilibrio es visible
trimestralmente; la degradación de competencia es visible a lo largo de
años. El modelo completo es: **la métrica funciona, y es destructiva, y la
destrucción es invisible para la métrica.** La métrica es pintura fresca
sobre acero corrugado corroído.

---

## 9. Internalización por parte del gerente: la solución accionable

Las Secciones 2–6 dicen rechazar la métrica. La Sección 7 dice que la
métrica funciona (para el negocio). La Sección 8 dice que destruye al
equipo. En la práctica, la mayoría de los gerentes no pueden cambiar
unilateralmente la métrica. La mejor solución es la reforma métrica a nivel
de toda la empresa. La solución *accionable* es lo que un solo gerente
informado puede hacer ahora mismo.

### 9.1 La estrategia

Un gerente que comprende la demostración puede **internalizar las
limitaciones de la métrica sin propagarlas al equipo**:

1. **Planificar principalmente por prioridad.** El equipo trabaja primero
   las tareas críticas.
2. **Intercalar tácticamente tareas pequeñas.** Cuando una tarea pequeña
   de baja prioridad puede completarse sin retrasar materialmente el trabajo
   de alta prioridad, hacerla. No porque la métrica lo exija, sino porque
   también necesita hacerse y cuesta casi nada.
3. **Nunca revelar la métrica como la motivación.** "Despacha esta rápida
   mientras esperamos la llamada del proveedor por el P1" — no "necesitamos
   bajar nuestro promedio." La motivación intrínseca del equipo permanece
   intacta (Sección 8). El gerente absorbe la carga de gestión de la
   métrica.

### 9.2 Formalización

El problema del gerente es una optimización restringida:

$$\min_{\sigma} \sum_{i=1}^{n} w(q_i) \cdot C_i \quad \text{subject to} \quad \bar{C}(\sigma) \le \bar{C}_{\text{target}}$$

**Teorema 12 (Coste métrico acotado de la planificación por prioridad).** Un
gerente que usa SPT *dentro* de cada clase de prioridad y ordenamiento por
prioridad *entre* clases producirá una métrica cercana al valor SPT-óptimo —
la brecha surge únicamente de las inversiones entre clases.

**Bosquejo de demostración.** Dentro de cada clase de prioridad, SPT es
gratuito (todas las tareas tienen igual prioridad). La única desviación del
SPT global es el ordenamiento entre clases. Cada inversión entre clases
cuesta a lo sumo $p_{\text{large}} - p_{\text{small}}$ en la suma no
ponderada, y estas inversiones están acotadas por el número de clases. En la
práctica, la brecha está típicamente dentro del 10–20% del óptimo SPT.
$\blacksquare$

### 9.3 El gerente como barrera de información

| Capa | Ve la métrica | Ve las prioridades | Ve la demostración |
|-------|-----------|----------------|------------|
| Organización | Sí | Nominalmente | No |
| Gerente | Sí | Sí | **Sí** |
| Equipo | No (protegido) | Sí | Irrelevante |
| Cliente | Sí (panel de control) | Vía SLA | No |

El gerente es el único actor que posee las tres piezas de información. Esto
no es manipulación — están haciendo el trabajo correcto en el orden correcto,
y la métrica resulta ser aceptable porque el SPT dentro de cada clase es
gratuito.

### 9.4 El colapso competitivo

Esta estrategia falla cuando la métrica se convierte en **competitiva entre
equipos**.

**Caso 1: Cooperativo** — Los equipos se miden por paridad, no por
clasificación. Cada gerente usa independientemente la estrategia de
internalización. La métrica es decorativa pero inofensiva. Este es un
**juego de coordinación** con un equilibrio cooperativo estable.

**Caso 2: Competitivo** — Los equipos se clasifican por $\bar{C}$. Este es
un **dilema del prisionero**:

| | Equipo B: prioridad primero | Equipo B: SPT |
|---|---|---|
| **Equipo A: prioridad primero** | (Buen trabajo, Buen trabajo) | (A se ve mal, B se ve bien) |
| **Equipo A: SPT** | (A se ve bien, B se ve mal) | (Ambos se ven bien, ambos hacen mal trabajo) |

El equilibrio de Nash es (SPT, SPT). La estrategia de internalización es un
equilibrio cooperativo que **no es estable bajo competencia**.

### 9.5 Alcance

| Condición | Viabilidad |
|-----------|-----------|
| Métrica usada para verificación de salud / paridad | **Viable** |
| Métrica visible pero no clasificada | **Viable** |
| Métrica clasificada entre equipos | **Frágil** — requiere que todos los gerentes cooperen |
| Métrica vinculada a compensación / recursos | **No viable** — el dilema del prisionero domina |
| Reforma métrica posible a nivel organizacional | **Innecesaria** — corregir la métrica en su lugar |

**La mejor solución es a nivel de toda la empresa. La solución accionable
es un gerente que comprende esta demostración, protege a su equipo de la
métrica, planifica por prioridad, y usa SPT solo dentro de las clases de
prioridad para mantener el número en un rango razonable.**

---

# Parte IV: Evaluación

## 10. Abogado del diablo

La honestidad intelectual exige reconocer dónde tiene límites el argumento.

### 10.1 La simplicidad tiene valor real

**Argumento.** La media no ponderada no requiere pesos de prioridad, ni
estimaciones de tamaño de tarea, ni calibración.

**Evaluación: Verdadero.** Pero la métrica no ponderada no evita supuestos —
los *oculta* al establecer implícitamente todos los pesos en 1 y todos los
tamaños en 1. Una estimación de tamaño de tarea conocidamente imprecisa es
aún más informativa que el supuesto implícito de que todos los tamaños son
iguales.

### 10.2 Minimizar el número de personas esperando

**Argumento.** SPT minimiza el total de horas-persona de espera. Si cada
tarea representa un cliente, esto es óptimo.

**Evaluación: Matemáticamente correcto.** Si se opera una oficina de
atención y el tiempo de cada persona es igualmente valioso, SPT es la
política correcta. Falla cuando las tareas no tienen correspondencia 1:1
con los clientes, el coste de espera no es uniforme, o la métrica se usa
para evaluar equipos en lugar de atender una cola literal.

### 10.3 SPT como heurística de triaje

**Argumento.** Cuando los tamaños de tarea se agrupan estrechamente, SPT
aproxima FIFO y la media no ponderada aproxima la media ponderada.

**Evaluación: Correcto.** El coeficiente de variación $CV = \sigma_p / \bar{p}$ determina la gravedad de la distorsión:

| $CV$ | Distribución de tamaños | Distorsión |
|------|----------------------|------------|
| < 0.3 | Estrecha (centro de llamadas) | Despreciable |
| 0.3 – 1.0 | Moderada (TI mixta) | Moderada |
| > 1.0 | Amplia (cola típica de TI) | Severa |

Una mesa de servicio de TI típica abarca de 15 minutos a más de 40 horas
($CV > 2$). La distorsión no es un caso marginal — es el caso por defecto.

### 10.4 La manipulación requiere malicia

**Argumento.** Los teoremas muestran que la métrica *puede* ser manipulada,
no que *será* manipulada.

**Evaluación: Este es el contraargumento más fuerte.** Si la métrica es
puramente informacional y nunca influye en el comportamiento, el incentivo
de manipulación está ausente. Sin embargo, cualquier métrica reportada a la
gerencia, vinculada a OKRs, o discutida en retrospectivas influirá en el
comportamiento. Esta es la Ley de Goodhart [6, 7] — y se aplica a equipos
bienintencionados con la misma fiabilidad que a los cínicos. La deriva
ocurre orgánicamente: completar tres tickets fáciles "se siente productivo"
mientras la métrica valida la sensación.

### 10.5 Cuándo la media no ponderada es defendible

La métrica es defendible **solo cuando se cumplen las cuatro condiciones**:

1. Los tamaños de tarea son aproximadamente uniformes ($CV < 0.3$)
2. No hay diferenciación de prioridad (todas las tareas igualmente importantes)
3. Cada tarea representa exactamente un cliente
4. La métrica no se usa para evaluar, recompensar ni dirigir el comportamiento

Estas condiciones rara vez se cumplen en los sistemas donde la métrica se
utiliza con mayor frecuencia.

---

## 11. Trabajo relacionado

Este artículo se sitúa en la intersección de varias literaturas que no habían
sido conectadas previamente.

### 11.1 Teoría de planificación y equidad

Smith [1] estableció el resultado de optimalidad de SPT y la regla WSJF en
1956. Conway, Maxwell y Miller [2] proporcionaron el tratamiento de libro de
texto exhaustivo. La equidad de las políticas de planificación basadas en
tamaño ha sido debatida en la planificación de sistemas informáticos: Bansal
y Harchol-Balter [22] investigaron la injusticia de SRPT; Wierman y
Harchol-Balter [23] formalizaron clasificaciones de equidad contra
Processor-Sharing; Angel, Bampis y Pascual [21] midieron la calidad de los
calendarios SPT contra criterios de optimalidad justa.

Este trabajo previo analiza la equidad en la planificación de CPUs y
servidores. El presente artículo aplica los mismos resultados matemáticos a
la *gestión organizacional de tareas*, donde el "planificador" es un equipo
humano, los "trabajos" son solicitudes de clientes con prioridades de impacto
de negocio, y la "función objetivo" es una métrica de gestión. El mecanismo
es idéntico; las consecuencias difieren porque la planificación organizacional
tiene sistemas de prioridades, relaciones con clientes y costes psicológicos
que la planificación de CPUs no tiene.

### 11.2 Disfunción de la medición

Austin [18] demostró que la medición incompleta — medir solo un subconjunto
de las dimensiones relevantes — crea incentivos para optimizar las
dimensiones medidas a expensas de las no medidas, y que este efecto no es
meramente posible sino *inevitable* cuando la medición está vinculada a
recompensas. Su enfoque de asimetría de información es estrechamente paralelo
a la Sección 7. El presente artículo proporciona el mecanismo matemático
específico (Teoremas 1–2) para el caso de la planificación de tareas, y
extiende el argumento a través de la psicología (Sección 8) para trazar la
cadena completa de daño organizacional.

Muller [19] documentó la "fijación métrica" en educación, salud, policía y
finanzas, proporcionando evidencia empírica extensa para los patrones
teorizados en la Sección 7.4. Campbell [24] formalizó el efecto corruptor de
usar indicadores como objetivos, complementando la observación original de
Goodhart [6] y la generalización de Strathern [7].

Bevan y Hood [26] documentaron empíricamente los comportamientos de
manipulación en el sistema público de salud inglés — incluyendo los patrones
exactos de "cumplir el objetivo y perder el sentido" descritos en nuestra
Sección 5.2.

### 11.3 Costes psicológicos de la disfunción métrica

La aplicación del daño moral (Shay [16], Litz et al. [17]) a entornos
empresariales tiene precedente reciente: un estudio de 2024 en el *Journal
of Business Ethics* [25] extendió explícitamente el constructo a lugares de
trabajo con fines de lucro, encontrando condiciones estructurales similares
a las descritas en la Sección 8.4. Moore [27] analizó el *desvinculamiento*
moral — la reestructuración cognitiva que posibilita el comportamiento poco
ético bajo presión organizacional. El presente artículo aborda el fenómeno
complementario: el daño a los individuos que *se niegan* a desvincularse.

### 11.4 Qué es novedoso

Los componentes individuales — la optimalidad de SPT, la Ley de Goodhart, la
disfunción de la medición, el daño moral — todos tienen precedentes. Las
contribuciones de este artículo son:

1. **La ley de conservación (Teorema 2) utilizada de forma prescriptiva** —
   como un argumento constructivo de que el tiempo de finalización ponderado
   por trabajo *no puede* ser manipulado, en lugar de como un resultado
   teórico de planificación.

2. **La demostración específica de que las clases de prioridad hacen que la
   métrica sea algebraicamente adversarial** (Teoremas 8–9) — no meramente
   empíricamente mala sino estructuralmente contradictoria, con cero
   información mutua entre el calendario y el sistema de prioridades.

3. **La cadena integrada** desde la demostración matemática, pasando por la
   asimetría de información, el daño psicológico y la espiral de selección
   adversa — trazando una única métrica desde Smith (1956) hasta el vaciamiento
   organizacional.

4. **La estrategia de internalización del gerente** (Sección 9) con un
   análisis formal de teoría de juegos de su estabilidad y condiciones de
   colapso bajo competencia entre equipos.

5. **La aplicación de la teoría de planificación a la crítica de la gestión
   organizacional** — demostrando que una métrica de equipo comúnmente
   utilizada tiene patologías específicas y cuantificables, en lugar de
   argumentar desde la anécdota o el principio general.

---

## 12. Conclusión

El tiempo medio de finalización no ponderado es un **estadístico sesgado**
que:

1. **Puede ser manipulado** mediante la política de planificación (Teorema 1),
   a diferencia del tiempo de finalización ponderado por trabajo que es
   invariante respecto al calendario (Teorema 2).
2. **Incentiva la inanición** de tareas grandes (Teorema 3).
3. **Degrada la satisfacción del cliente** sin ganancia compensatoria de
   productividad (Teorema 7).
4. **Contradice activamente los sistemas de prioridad** al no contener
   información alguna sobre la clasificación de impacto de negocio
   (Teorema 9).
5. **Ignora la prioridad por completo** en su recomendación de planificación,
   produciendo un retraso ponderado por prioridad subóptimo siempre que la
   prioridad y el tamaño no estén perfectamente inversamente correlacionados
   (Teorema 10).

Una métrica que puede mejorarse reordenando el trabajo — sin realizar ningún
trabajo adicional — está midiendo la política de planificación, no la
capacidad del sistema. Cuando se combina con un sistema de prioridades,
recomienda el calendario que inflige el mayor daño al trabajo de más alta
prioridad.

Cuando la métrica se reporta a los clientes, crea una asimetría de
información (Sección 7) cuyo equilibrio de negocio es rentable pero frágil.
Cuando los miembros del equipo comprenden sus defectos, viola su motivación
intrínseca y selecciona la partida de las personas más competentes
(Sección 8). Un solo gerente informado puede mitigar parcialmente estos
efectos mediante optimización restringida (Sección 9), pero esta estrategia
cooperativa no es estable bajo competencia entre equipos.

La media no ponderada es defendible solo bajo condiciones estrechas
(Sección 10.5): tamaños de tarea uniformes, sin prioridades, correspondencia
uno a uno entre cliente y tarea, y sin influencia conductual. Estas
condiciones rara vez se cumplen.

**El tiempo medio de finalización no ponderado no es una medida justa ni
precisa del rendimiento en la ejecución de tareas. Su adopción como métrica
de equipo producirá racionalmente inanición de trabajo complejo, violación
de prioridades declaradas, resultados inequitativos para los clientes, y la
ilusión de productividad donde no existe ninguna.**

La mejor solución es la reforma métrica organizacional. La solución
accionable es un gerente que comprende esta demostración.

---

## Referencias

### Scheduling Theory

[1] Smith, W. E. (1956). Various optimizers for single-stage production.
*Naval Research Logistics Quarterly*, 3(1–2), 59–66.
doi:[10.1002/nav.3800030106](https://doi.org/10.1002/nav.3800030106)

> Origen del resultado de optimalidad de SPT (Teorema 1), la regla de tiempo
> de finalización ponderado $w_i/p_i$ descendente (WSJF, Teorema 11), y la
> técnica de demostración por intercambio de pares adyacentes (argumento de
> intercambio) utilizada a lo largo del artículo.

[2] Conway, R. W., Maxwell, W. L., & Miller, L. W. (1967). *Theory of
Scheduling*. Addison-Wesley.

> Tratamiento de libro de texto estándar de la teoría de planificación de
> máquina única, extendiendo los resultados de Smith.

[3] Little, J. D. C. (1961). A proof for the queuing formula: L = λW.
*Operations Research*, 9(3), 383–387.
doi:[10.1287/opre.9.3.383](https://doi.org/10.1287/opre.9.3.383)

> Primera demostración rigurosa de la Ley de Little. Referenciada en la
> Sección 3.2 para el contexto de la teoría de colas.

[4] Little, J. D. C. (2011). Little's Law as viewed on its 50th
anniversary. *Operations Research*, 59(3), 536–549.
doi:[10.1287/opre.1110.0941](https://doi.org/10.1287/opre.1110.0941)

> Retrospectiva que discute el alcance, las limitaciones y las aplicaciones
> erróneas comunes.

[5] Reinertsen, D. G. (2009). *The Principles of Product Development
Flow: Second Generation Lean Product Development*. Celeritas Publishing.
ISBN: 978-0-9844512-0-8.

> Popularizó WSJF y "Coste de Retraso / Duración" en contextos ágiles/lean.
> La base matemática es Smith (1956) [1].

### Measurement and Incentives

[6] Goodhart, C. A. E. (1984). Problems of monetary management: The U.K.
experience. In *Monetary Theory and Practice* (pp. 91–121). Macmillan.

> Fuente de la Ley de Goodhart: "Toda regularidad estadística observada
> tenderá a colapsar una vez que se ejerza presión sobre ella con fines de
> control."

[7] Strathern, M. (1997). 'Improving ratings': Audit in the British
university system. *European Review*, 5(3), 305–321.
doi:[10.1002/(SICI)1234-981X(199707)5:3<305::AID-EURO184>3.0.CO;2-4](https://doi.org/10.1002/(SICI)1234-981X(199707)5:3%3C305::AID-EURO184%3E3.0.CO;2-4)

> Generalizó la Ley de Goodhart: "Cuando una medida se convierte en un
> objetivo, deja de ser una buena medida."

### Behavioral Economics

[8] Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of
decision under risk. *Econometrica*, 47(2), 263–292.
doi:[10.2307/1914185](https://doi.org/10.2307/1914185)

> Estableció la aversión a la pérdida. Referenciada en la Sección 4.5.

### Game Theory and Contract Theory

[9] Akerlof, G. A. (1970). The market for "lemons": Quality uncertainty
and the market mechanism. *The Quarterly Journal of Economics*, 84(3),
488–500. doi:[10.2307/1879431](https://doi.org/10.2307/1879431)

> Asimetría de información y selección adversa. El equilibrio agrupador de
> la Sección 7.5 es estructuralmente análogo.

[10] Hölmstrom, B. (1979). Moral hazard and observability. *The Bell
Journal of Economics*, 10(1), 74–91.
doi:[10.2307/3003320](https://doi.org/10.2307/3003320)

> Tratamiento formal del riesgo moral. El escenario de reporte de métricas
> de la Sección 7.5 es un problema de riesgo moral.

### Psychology

[11] Festinger, L. (1957). *A Theory of Cognitive Dissonance*. Stanford
University Press. ISBN: 978-0-8047-0131-0.

> Teoría fundacional. Referenciada en la Sección 8.2.

[12] Deci, E. L., & Ryan, R. M. (1985). *Intrinsic Motivation and
Self-Determination in Human Behavior*. Plenum Press.
ISBN: 978-0-306-42022-1.

> Tratamiento original de la Teoría de la Autodeterminación. Referenciada
> en la Sección 8.3.

[13] Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and
the facilitation of intrinsic motivation, social development, and
well-being. *American Psychologist*, 55(1), 68–78.
doi:[10.1037/0003-066X.55.1.68](https://doi.org/10.1037/0003-066X.55.1.68)

> Resumen de la Teoría de la Autodeterminación que vincula la satisfacción
> de necesidades con la motivación intrínseca y el bienestar.

[14] Seligman, M. E. P., & Maier, S. F. (1967). Failure to escape
traumatic shock. *Journal of Experimental Psychology*, 74(1), 1–9.
doi:[10.1037/h0024514](https://doi.org/10.1037/h0024514)

> Demostración original de la indefensión aprendida. Referenciada en la
> Sección 8.5.

[15] Seligman, M. E. P. (1975). *Helplessness: On Depression,
Development, and Death*. W. H. Freeman. ISBN: 978-0-7167-0752-3.

> Tratamiento extendido que conecta la indefensión aprendida con la
> depresión humana y el comportamiento institucional.

[16] Shay, J. (1994). *Achilles in Vietnam: Combat Trauma and the Undoing
of Character*. Atheneum / Simon & Schuster. ISBN: 978-0-689-12182-3.

> Introdujo el concepto de daño moral. Referenciado en la Sección 8.4.

[17] Litz, B. T., Stein, N., Delaney, E., Lebowitz, L., Nash, W. P.,
Silva, C., & Maguen, S. (2009). Moral injury and moral repair in war
veterans: A preliminary model and intervention strategy. *Clinical
Psychology Review*, 29(8), 695–706.
doi:[10.1016/j.cpr.2009.07.003](https://doi.org/10.1016/j.cpr.2009.07.003)

> Formalizó el daño moral como constructo clínico. Definición citada en la
> Sección 8.4.

### Organizational Measurement

[18] Austin, R. D. (1996). *Measuring and Managing Performance in
Organizations*. Dorset House. ISBN: 978-0-932633-36-1.

> Demostró que la medición incompleta crea inevitablemente incentivos para
> optimizar las dimensiones medidas a expensas de las no medidas. El enfoque
> de asimetría de información es estrechamente paralelo a la Sección 7. El
> predecesor más importante del argumento de este artículo.

[19] Muller, J. Z. (2018). *The Tyranny of Metrics*. Princeton University
Press. ISBN: 978-0-691-17495-2.

> Tratamiento exhaustivo de la "fijación métrica" en educación, salud,
> policía y finanzas. Evidencia empírica extensa para los patrones
> teorizados en la Sección 7.4.

### Scheduling Fairness

[20] Coffman, E. G., Shanthikumar, J. G., & Yao, D. D. (1992).
Multiclass queueing systems: Polymatroid structure and optimal scheduling
control. *Operations Research*, 40(S2), S293–S299.

> Leyes de conservación en planificación. La invariancia respecto al
> calendario del tiempo de finalización ponderado por trabajo (Teorema 2)
> es un caso de estas leyes de conservación.

[21] Angel, E., Bampis, E., & Pascual, F. (2008). How good are SPT
schedules for fair optimality criteria? *Annals of Operations Research*,
159(1), 53–64. doi:[10.1007/s10479-007-0267-0](https://doi.org/10.1007/s10479-007-0267-0)

> Mide directamente la calidad de los calendarios SPT contra criterios de
> equidad. El predecesor más cercano en la teoría de planificación al
> análisis de equidad de la Sección 4.

[22] Bansal, N., & Harchol-Balter, M. (2001). Analysis of SRPT
scheduling: Investigating unfairness. *ACM SIGMETRICS Performance
Evaluation Review*, 29(1), 279–290.
doi:[10.1145/384268.378792](https://doi.org/10.1145/384268.378792)

> Investiga la creencia de que SRPT penaliza injustamente a los trabajos
> grandes en la planificación informática. Argumenta que la injusticia es
> menor de lo que se creía pero reconoce la tensión fundamental.

[23] Wierman, A., & Harchol-Balter, M. (2003). Classifying scheduling
policies with respect to unfairness in an M/GI/1. *ACM SIGMETRICS
Performance Evaluation Review*, 31(1), 238–249.

> Formaliza las definiciones de equidad para políticas de planificación
> mediante comparación con Processor-Sharing.

### Additional References

[24] Campbell, D. T. (1979). Assessing the impact of planned social
change. *Evaluation and Program Planning*, 2(1), 67–90.
doi:[10.1016/0149-7189(79)90048-X](https://doi.org/10.1016/0149-7189(79)90048-X)

> Ley de Campbell: "Cuanto más se utilice cualquier indicador social
> cuantitativo para la toma de decisiones sociales, más sujeto estará a
> presiones de corrupción y más propenso será a distorsionar y corromper
> los procesos sociales que pretende monitorear." Complementa la Ley de
> Goodhart [6].

[25] Ferreira, C. M., et al. (2024). It's business: A qualitative study
of moral injury in business settings. *Journal of Business Ethics*.
doi:[10.1007/s10551-024-05615-0](https://doi.org/10.1007/s10551-024-05615-0)

> Extiende el daño moral a lugares de trabajo con fines de lucro. Valida la
> aplicación de la Sección 8.4 de Shay/Litz más allá de entornos militares
> y de salud.

[26] Bevan, G., & Hood, C. (2006). What's measured is what matters:
Targets and gaming in the English public health care system. *Public
Administration*, 84(3), 517–538.
doi:[10.1111/j.1467-9299.2006.00600.x](https://doi.org/10.1111/j.1467-9299.2006.00600.x)

> Documenta empíricamente los comportamientos de manipulación, incluyendo
> "cumplir el objetivo y perder el sentido." Proporciona evidencia del mundo
> real para la contradicción métrica-prioridad de la Sección 5.2.

[27] Moore, C. (2012). Why employees do bad things: Moral disengagement
and unethical organizational behavior. *Personnel Psychology*, 65(1),
1–48. doi:[10.1111/j.1744-6570.2011.01237.x](https://doi.org/10.1111/j.1744-6570.2011.01237.x)

> Analiza el *desvinculamiento* moral — la reestructuración cognitiva que
> posibilita el comportamiento poco ético. La Sección 8 aborda el fenómeno
> complementario: el daño a los individuos que *se niegan* a desvincularse.

---

*Esta demostración fue desarrollada de forma conversacional y formalizada el 28-03-2026.*