Lean & AI: Innovación Ágil en Moda Digital

Abstract

El presente Trabajo de Fin de Grado propone aplicar un modelo híbrido para el desarrollo de productos digitales combinando metodologías Lean Startup y Scrum. Como caso de estudio, se aborda una aplicación móvil de “armario inteligente” orientada a reducir el tiempo de decisión de vestimenta. La Fase 0 del modelo delimita el problema, la propuesta de valor y el Business Model Canvas. La Fase 1 se encarga de validar la idea haciendo uso de un MVP tipo Wizard of Oz. La Fase 2 traduce evidencias que han sido validadas anteriormente en forma de roadmap y producto backlog priorizado. La Fase 3 simula la ejecución de sprints del método Scrum en el software Jira. Finalmente, la Fase 4 esboza métricas y pautas de escalado. Los resultados muestran que el enfoque híbrido reduce el riesgo (usando TTFV como criterio de priorización), mejora la coordinación (modelo con alta trazabilidad debido a la conexión entre Épicas  User Stories  Métricas) y acelera el aprendizaje previo a inversiones de desarrollo. Se reconocen las limitaciones de la simulación y se proponen líneas futuras de validación en campo, personalización algorítmica y escalado organizativo/operativo

The present Bachelor’s Thesis proposes the application of a hybrid model for digital product development that combines the Lean Startup and Scrum Methodologies. As a case study, it focuses on a “smart wardrobe” mobile application designed to reduce the time required to decide what to wear. Phase 0 of the model defines the problem, the value proposition and the Business Model Canvas. Phase 1 is devoted to validating the idea of using a Wizard of Oz-type of MVP. Phase 2 translates previously validated evidence into a roadmap and prioritized product backlog. Phase 3 simulates the execution of Scrum sprints using Jira software. Finally, Phase 4 outlines metrics and guidelines for scaling. The results show that the hybrid approach reduces risk (using TTFV as the prioritization criterion), improves coordination (a highly traceable model thanks to the connection between Epics  User Stories  Metrics), and accelerates learning prior to development investments. The limitations of the simulation are acknowledged, and future lines of work are proposed in terms of in-field validation, algorithmic personalization, and organizational/operational scaling.