DoubleChecker - la ganancia de escala en la base de la recopilación

Dónde se frenaba la operación

El problema no era la falta de conocimiento técnico, sino el desperdicio de dicho conocimiento. Especialistas de alto desempeño estaban asignados a una rutina de verificación. Cuando los errores pasaban desapercibidos, la falla solo aparecía más adelante, durante la implementación, generando un retrabajo mayor y más costoso. El sprint acumulaba filas y perdía cadencia por depender del tiempo humano disponible.

Validación técnica exactamente en el punto de fricción

MATH desarrolló el DoubleChecker como una automatización liviana implementada mediante bookmarklet, sin necesidad de instalación de software ni aprobaciones de infraestructura. El script leía la estructura de la página en Confluence, interpretaba las tablas del mapa de tagueo y las cruzaba con las reglas ya definidas de la taxonomía y del negocio. Los errores de llenado, la ausencia de parámetros y las inconsistencias taxonómicas se destacaban visualmente en la propia interfaz. Se diseñó la arquitectura de forma modular, permitiendo su portabilidad a Confluence Cloud como una extensión de navegador o API.

Qué cambió en la práctica

La validación se redujo en un 78%. Lo que antes consumía hasta 10 horas por sprint pasó a requerir solo una parte de ese esfuerzo. La reducción del 95% en los errores de taxonomía favoreció la consistencia en la recopilación de datos antes de la implementación. Con la validación en D+0, el sprint eliminó un punto relevante de espera y todo ello se entregó sin costo adicional de licenciamiento, aprovechando la pila o stack ya existente.