Eficacia de las metodologías de evaluación temprana de atributos de calidad en la mitigación de deuda técnica
DOI:
https://doi.org/10.55204/trc.v6i2.e757Palabras clave:
Deuda Técnica Arquitectónica, Metodología PRISMA, Atributos de Calidad, ATAM, Sostenibilidad de SoftwareResumen
La Deuda Técnica Arquitectónica (ATD) representa hoy un riesgo crítico para la sostenibilidad de sistemas complejos, ya que golpea directamente la mantenibilidad, escalabilidad y fiabilidad del software. En este trabajo se realizó una revisión sistemática bajo los criterios de la declaración PRISMA 2020, analizando 30 estudios de alto impacto publicados entre 2021 y 2026. Los resultados muestran que aplicar metodologías como ATAM y ARID desde el diseño ayuda a detectar trade-offs y puntos de sensibilidad. Esto no solo frena el interés compuesto de la deuda, sino que puede recortar hasta un 30% los costos de refactorización. Se propone integrar tableros de salud arquitectónica en los pipelines ágiles. Como líneas futuras, queda pendiente estandarizar métricas de ATD para microservicios y sistemas ciberfísicos, además de investigar cómo la IA generativa podría estar creando deuda latente. En conclusión, evaluar atributos de calidad a tiempo es la vía más rentable para evitar la degradación estructural. Unir métodos cualitativos con herramientas de IA predictiva permite asegurar la sostenibilidad técnica y conectar la arquitectura con la estrategia del negocio.Descargas
Referencias
Abdulaziz, A., Sonbol, R., & Alnoukari, M. (2026a). Automated Detection of Self-Admitted Technical Debt: A Systematic Literature Review. IEEE Access, 14, 20803-20825. https://doi.org/10.1109/ACCESS.2026.3661069
Abdulaziz, A., Sonbol, R., & Alnoukari, M. (2026b). Automated Detection of Self-Admitted Technical Debt: A Systematic Literature Review. IEEE Access, 14, 20803-20825. https://doi.org/10.1109/ACCESS.2026.3661069
Abdulaziz, A., Sonbol, R., & Alnoukari, M. (2026c). Automated Detection of Self-Admitted Technical Debt: A Systematic Literature Review. IEEE Access, 14, 20803-20825. https://doi.org/10.1109/ACCESS.2026.3661069
Alkharabsheh, K., Alawadi, S., Crespo, Y., Manso, M. E., & Gonzalez, J. A. T. (2021a). Analysing Agreement Among Different Evaluators in God Class and Feature Envy Detection. IEEE Access, 9, 145191-145211. https://doi.org/10.1109/ACCESS.2021.3123123
Alkharabsheh, K., Alawadi, S., Crespo, Y., Manso, M. E., & Gonzalez, J. A. T. (2021b). Analysing Agreement Among Different Evaluators in God Class and Feature Envy Detection. IEEE Access, 9, 145191-145211. https://doi.org/10.1109/ACCESS.2021.3123123
Ardimento, P., Aversano, L., Bernardi, M. L., Cimitile, M., & Iammarino, M. (2022). Using deep temporal convolutional networks to just-in-time forecast technical debt principal. Journal of Systems and Software, 194, 111481. https://doi.org/10.1016/j.jss.2022.111481
Avgeriou, P., Ozkaya, I., Chatzigeorgiou, A., Ciolkowski, M., Ernst, N. A., Koontz, R. J., Poort, E., & Shull, F. (2023a). Technical Debt Management: The Road Ahead for Successful Software Delivery. 2023 IEEE/ACM International Conference on Software Engineering: Future of Software Engineering (ICSE-FoSE), 15-30. https://doi.org/10.1109/ICSE-FoSE59343.2023.00007
Avgeriou, P., Ozkaya, I., Chatzigeorgiou, A., Ciolkowski, M., Ernst, N. A., Koontz, R. J., Poort, E., & Shull, F. (2023b). Technical Debt Management: The Road Ahead for Successful Software Delivery. 2023 IEEE/ACM International Conference on Software Engineering: Future of Software Engineering (ICSE-FoSE), 15-30. https://doi.org/10.1109/ICSE-FoSE59343.2023.00007
Avgeriou, P., Ozkaya, I., Koziolek, H., Codabux, Z., & Ernst, N. (2025). Reframing Technical Debt (Dagstuhl Perspectives Workshop 24452). En Dagstuhl Reports (DagRep) (Vol. 14, Número 11, pp. 16-39) [Application/pdf]. Schloss Dagstuhl – Leibniz-Zentrum für Informatik. https://doi.org/10.4230/DAGREP.14.11.16
Bánsághi, B. (s. f.). How managing technical debt can lead to more sustainable software.
Berenguer, C., Borges, A., Freire, S., Rios, N., Tausan, N., Ramac, R., Pérez, B., Castellanos, C., Correal, D., Pacheco, A., López, G., Falessi, D., Seaman, C., Mandic, V., Izurieta, C., & Spínola, R. (2021a). Technical Debt is not Only about Code and We Need to be Aware about It. Proceedings of the XX Brazilian Symposium on Software Quality, SBQS ’21, 1-12. https://doi.org/10.1145/3493244.3493285
Berenguer, C., Borges, A., Freire, S., Rios, N., Tausan, N., Ramac, R., Pérez, B., Castellanos, C., Correal, D., Pacheco, A., López, G., Falessi, D., Seaman, C., Mandic, V., Izurieta, C., & Spínola, R. (2021b). Technical Debt is not Only about Code and We Need to be Aware about It. Proceedings of the XX Brazilian Symposium on Software Quality, SBQS ’21, 1-12. https://doi.org/10.1145/3493244.3493285
Betancourt, J., Campoverde, M., Molina, J., Garzón, L., & Orellana, P. (2026). Migration Strategies from Monolithic Applications to Cloud-Native Applications: A Systematic Review. Revista Politécnica, 57, 123-138. https://doi.org/10.33333/rp.vol57n1.10
CMU, S. (2024, marzo 25). Assets Related to Technical Debt | CMU SEI. https://www.sei.cmu.edu/blog/topics/technical-debt/
Detofeno, T., Malucelli, A., & Reinehr, S. (2022a). PriorTD: A Method for Prioritization Technical Debt. Proceedings of the XXXVI Brazilian Symposium on Software Engineering, SBES ’22, 230-240. https://doi.org/10.1145/3555228.3555238
Detofeno, T., Malucelli, A., & Reinehr, S. (2022b). PriorTD: A Method for Prioritization Technical Debt. Proceedings of the XXXVI Brazilian Symposium on Software Engineering, SBES ’22, 230-240. https://doi.org/10.1145/3555228.3555238
Díaz Arrieta, R. H., Monroy, B. L. D., Heredia, L. J. C., & Cobos, A. G. V. (2025a). Global Trends and Empirical Metrics in the Evaluation of Code Smells and Technical Debt: A Bibliometric Study. IEEE Access, 13, 138143-138165. https://doi.org/10.1109/ACCESS.2025.3594657
Díaz Arrieta, R. H., Monroy, B. L. D., Heredia, L. J. C., & Cobos, A. G. V. (2025b). Global Trends and Empirical Metrics in the Evaluation of Code Smells and Technical Debt: A Bibliometric Study. IEEE Access, 13, 138143-138165. https://doi.org/10.1109/ACCESS.2025.3594657
Ernst, N. A., Awon, A. M., Hingmire, S., & Li, Z. S. (2026). The Nature of Technical Debt in Research Software (arXiv:2603.20415; Versión 1). arXiv. https://doi.org/10.48550/arXiv.2603.20415
González-Carvajal, D. Y. C. (s. f.). Universidad de Valladolid.
Hernando Brecht, R. (2021). Aplicación web como adaptación de un juego educativo sobre la gestión de la deuda técnica. https://uvadoc.uva.es/handle/10324/50091
Jiang, B., Cen, J., Zhu, E., & Wang, J. (2026). (PDF) Software technical debt prediction based on complex software networks. ResearchGate. https://doi.org/10.1371/journal.pone.0323672
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (arXiv:2506.08872; Versión 2). arXiv. https://doi.org/10.48550/arXiv.2506.08872
Lenarduzzi, V., Besker, T., Taibi, D., Martini, A., & Arcelli Fontana, F. (2021a). A systematic literature review on Technical Debt prioritization: Strategies, processes, factors, and tools. Journal of Systems and Software, 171, 110827. https://doi.org/10.1016/j.jss.2020.110827
Lenarduzzi, V., Besker, T., Taibi, D., Martini, A., & Arcelli Fontana, F. (2021b). A systematic literature review on Technical Debt prioritization: Strategies, processes, factors, and tools. Journal of Systems and Software, 171, 110827. https://doi.org/10.1016/j.jss.2020.110827
Melo, A., Fagundes, R., Lenarduzzi, V., & Santos, W. B. (2022). Identification and measurement of Requirements Technical Debt in software development: A systematic literature review. Journal of Systems and Software, 194, 111483. https://doi.org/10.1016/j.jss.2022.111483
Moreschini, S., Arvanitou, E. M., Kanidou, E.-P., Nikolaidis, N., Su, R., Ampatzoglou, A., Chatzigeorgiou, A., & Lenarduzzi, V. (2025a). The Evolution of Technical Debt from DevOps to Generative AI: A Multivocal Literature Review. Journal of Systems and Software, 231. https://doi.org/10.1016/j.jss.2025.112599
Moreschini, S., Arvanitou, E. M., Kanidou, E.-P., Nikolaidis, N., Su, R., Ampatzoglou, A., Chatzigeorgiou, A., & Lenarduzzi, V. (2025b). The Evolution of Technical Debt from DevOps to Generative AI: A Multivocal Literature Review. Journal of Systems and Software, 231. https://doi.org/10.1016/j.jss.2025.112599
Narváez-Narváez, J.-C., Pardo-Calvache, C.-J., & Orozco-Garcés, C.-E. (2023). Revista Científica. Revista Científica, 46(1), 107-121. https://doi.org/10.14483/23448350.19670
Nielsen, M. E., & Madsen, C. Ø. (2022a). Stakeholder influence on technical debt management in the public sector: An embedded case study. Government Information Quarterly, 39(3), 101706. https://doi.org/10.1016/j.giq.2022.101706
Nielsen, M. E., & Madsen, C. Ø. (2022b). Stakeholder influence on technical debt management in the public sector: An embedded case study. Government Information Quarterly, 39(3), 101706. https://doi.org/10.1016/j.giq.2022.101706
Panter, S. K., & Eisty, N. U. (2026a). Technical Lag as Latent Technical Debt: A Rapid Review (arXiv:2601.11693; Versión 1). arXiv. https://doi.org/10.48550/arXiv.2601.11693
Panter, S. K., & Eisty, N. U. (2026b). Technical Lag as Latent Technical Debt: A Rapid Review (arXiv:2601.11693; Versión 1). arXiv. https://doi.org/10.48550/arXiv.2601.11693
Pérez, B. (2023a). Deuda técnica en arquitectura: Una estrategia de identificación. Ingeniería y Competitividad, 25(3). https://doi.org/10.25100/iyc.v25i3.13071
Pérez, B. (2023b). Deuda técnica en arquitectura: Una estrategia de identificación. Ingeniería y Competitividad, 25(3). https://doi.org/10.25100/iyc.v25i3.13071
Peukert, H. (2026). Incorporating Research Software in Research Data Management Infrastructure: Architectural Design for Sustainable Scientific Software Integration.
Pina, D. D. J. (2023). Technical debt prioritization: Methods, techniques, and a large exploratory study [Doutorado em Ciência da Computação, Universidade de São Paulo]. https://doi.org/10.11606/T.45.2023.tde-11092023-221224
Royuela Pérez, E. (2024). Detección y corrección de code smells para React. https://uvadoc.uva.es/handle/10324/71622
Silveira, M. V. D., Malucelli, A., & Reinehr, S. (2025a). Agile Software Architecture: Perceptions on Quality and Architectural Technical Debt Management. Agile Software Architecture.
Silveira, M. V. D., Malucelli, A., & Reinehr, S. (2025b). Agile Software Architecture: Perceptions on Quality and Architectural Technical Debt Management. Agile Software Architecture.
Sobhy, D., Bahsoon, R., Minku, L., & Kazman, R. (2021a). Evaluation of Software Architectures under Uncertainty: A Systematic Literature Review. ACM Transactions on Software Engineering and Methodology, 30, 1-50. https://doi.org/10.1145/3464305
Sobhy, D., Bahsoon, R., Minku, L., & Kazman, R. (2021b). Evaluation of Software Architectures under Uncertainty: A Systematic Literature Review. ACM Transactions on Software Engineering and Methodology, 30, 1-50. https://doi.org/10.1145/3464305
Spadacini, D. (2026, abril 15). Clinical MLOps: A Framework for Responsible Deployment and Observability of AI Systems in Cloud-Native Healthcare | Artificial Intelligence. https://www.igminresearch.com/articles/pdf/igmin336.pdf
Tenekedjieva, S. (2026, abril 15). What Stanford’s study of 100,000 developers reveals about AI’s real impact on engineering productivity. https://proxify.io/articles/stanford-study-of-100000-developers-on-engineering-productivity
Verdecchia, R., Kruchten, P., Lago, P., & Malavolta, I. (2021a). Building and evaluating a theory of architectural technical debt in software-intensive systems. Journal of Systems and Software, 176, 110925. https://doi.org/10.1016/j.jss.2021.110925
Verdecchia, R., Kruchten, P., Lago, P., & Malavolta, I. (2021b). Building and evaluating a theory of architectural technical debt in software-intensive systems. Journal of Systems and Software, 176, 110925. https://doi.org/10.1016/j.jss.2021.110925
Waseem, M., Liang, P., Ahmad, A., Ali Khan, A., Rezaei Nasab, A., Mikkonen, T., & Abrahamsson, P. (2026, abril 15). Understanding the Issues, Their Causes and Solutions in Microservices Systems: An Empirical Studytnotemark[1]. https://arxiv.org/html/2302.01894v4
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tania Margarita Yungan Acalo, Freddy Javier Espinoza Santacruz, Byron Fernando Buñay Mendez, Carlos Enrique Novillo Yaguarshungo, Gonzalo Fabian Barrionuevo Escobar, Yulexsy Adelita Moreira Alvarado
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Tesla Revista Científica es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma. Tesla Revista Científica se compromete a no hacer uso comercial de los textos que recibe y/o publica.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
