Canvas de Clareza: O Modelo dos 4 Fatores para Estimativas

✅ Canvas de Clareza -A Abordagem da Miro para o modelo de decomposição em quatro fatores para estimativas)

Este modelo nos ajuda a avaliar a prontidão e estimar com mais precisão olhando além do tamanho e entendendo o que pode nos atrasar.

Anote a descrição e os critérios de aceitação da história. Sem isso, nem começamos a história. Você decompõe cada história em:

🔗 1. Dependências

Essa história depende de outro time?

Ou de outra história?

Ou está aguardando um design / API / ambiente?

Exemplo de pontuação:

0 = nenhum

1 = pequena dependência (interna, fácil)

2 = dependência moderada

3 = dependência externa (plataforma, fornecedor, outro time)

🚧 2. Bloqueadores

Há algo impedindo que esta história seja iniciada?

Algo que o time não pode resolver dentro do sprint?

Pontuação:

0 = nenhum bloqueador

2 = potencial bloqueador

3 = bloqueador ativo

⚠️ 3. Riscos

Existe a chance de que não funcione conforme esperado?

Envolve áreas sensíveis do código?

Há algum impacto em performance ou segurança?

Pontuação:

0 = sem risco

1 = risco de baixo impacto

2 = risco médio

3 = item de alto risco

❓ 4. Desconhecidos

Sentimos insegurança quanto à implementação?

É necessário alguma exploração ou "picos"?

Falta clareza nos critérios de aceitação?

Pontuação:

0 = nada desconhecido

1 = desconhecido menor

2 = necessária alguma investigação

3 = desconhecido maior / critérios de aceitação pouco claros

📊 Colocando Tudo Junto: “Pontuação de Prontidão da História”

Para cada história, o time preenche uma grade de 4 caixas e atribui números.

Então pontuação total =

Dependências + Riscos + Desconhecidos + Impedimentos

Exemplo:

Dependências → 3

Desconhecidos → 1

Risco → 0

Impedimento → 3

Total = 7

🚦 Luz de Trânsito de Prontidão para o Sprint

Use a pontuação total para decidir rapidamente a prontidão da história:

🟩 0–3 → SEGURO para puxar para o sprint

Histórias são diretas, de baixo risco e com poucas dependências.

🟨 4–6 → REVISAR antes de comprometer

Essas demandas requerem uma conversa:

Podemos reduzir as dependências?

Podemos dividi-la?

Podemos remover as incertezas antes de levá-la adiante?

🟥 7+ → NÃO PRONTA (precisa de refinamento)

Essa história é um problema.

Normalmente, você verá:

Dependências em excesso

Desconhecidos que são, na verdade, bloqueadores

Faltam esclarecimentos

Isso garante que seu time pare de arrastar histórias arriscadas para o sprint e, em vez disso, as refine adequadamente primeiro.

💡 Por exemplo

Temos 3 dependências, mas 1 desconhecido que é um bloqueador → provavelmente a história não pode ser integrada ao sprint.

Convertido para o modelo:

Dependências = 3

Desconhecido = 3 (desconhecido = bloqueador)

Risco = talvez 0

Bloqueador = 3

Total = 9 →

🟥 VERMELHO → não está pronta.

🔥 Porque Funciona

• Torna a estimativa objetiva

• Ajuda o time a dizer "não" para histórias pouco claras

• Reduz surpresas no meio do sprint

• Ajuda o PO a saber exatamente o que corrigir

• Transforma o refinamento em uma conversa orientada por dados, e não em um jogo de adivinhação