• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

¿Cómo seleccionar la siguiente acción en GTD?

septiembre 9, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Una vez construido un sistema GTD este deberá contener todas las posibles tareas pendientes que debemos realizar. Cada una de ellas debe estar asociada a un contexto etiquetada con una estimación del tiempo necesario para llevarla a cabo y la energía necesaria para abordarla. En base a esta información puede surgir la duda, ¿cómo seleccionar la siguiente acción en GTD? Si el sistema está bien configurado la respuesta es sencilla, seleccionando en base al contexto, tiempo y energía disponible.

* En este artículo, nuestras recomendaciones son el resultado una evaluación rigurosa e independiente. Algunos enlaces incluidos en el texto son enlaces de afiliados, lo que significa que podemos recibir una comisión si decides realizar una compra a través de ellos. Esta comisión no afecta de ninguna manera a nuestra selección de productos ni influye en nuestra opinión sobre los mismos.

Seleccionar la siguiente acción en GTD

El proceso que se debe seguir para escoger la siguiente acción a realizar en un sistema GTD es completamente sistemático. Haciendo una selección objetiva que no debe depender de las preferencias o gustos personales. Evitando de este modo la procrastinación. Al ser el proceso sistemático, dos personas diferentes deberían llegar casi siempre a la misma conclusión.

Contexto

El primer paso para escoger la siguiente acción es seleccionar uno de los contextos disponibles. Así si nos encontramos en la oficina se puede buscar una tarea dentro de la lista Oficina. Pero en ningún caso se debería consultar las tareas de la lista Casa, ya que no sería posible llevar estas tareas a cabo por la falta de recursos. Nótese que si alguna de las tareas de la lista casa se pueden realizar en la oficina es porque la tarea se ha asignado a un contexto incorrecto o estos no se han definido correctamente. Algo que será necesario evaluar en la revisión semanal.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

En el supuesto de que no exista ninguna tarea disponible en el contexto seleccionado se deberá consultar otro contexto disponible. Algo que posiblemente requiera una revisión de los contextos. Siguiendo con el ejemplo de la oficina, es posible consultar contextos como Llamadas, posiblemente tengamos un teléfono a mano, o Agenda, es probable que alguno de los asuntos pendientes sea con algún compañero de trabajo que se puede encontrar en ese momento en la oficina.

Publicidad


Tiempo disponible

Al seleccionar un contexto el listado de las posibles siguientes acciones se debe reducir a una cantidad manejable. El segundo criterio de selección debería ser el tiempo. No es lo mismo consultar la lista cuando se tiene varias horas disponibles por delante, pudiéndose seleccionar acciones que requiere tiempo para su finalización, que tener una reunión programada en 15, por lo que solamente es posible seleccionar acciones que se puedan realizar en el tiempo disponible.

Energía disponible

Después de filtrar las acciones por contexto y tiempo, puede consultarse la energía disponible para realizar la tarea. No es lo mismo estar a primera hora de la mañana, cuando se tiene energía para abordar tareas pesadas, que a última hora del día, cuando ya no se tiene energía y lo mejor es seleccionar una tarea monótona que no requiere de un gran nivel de concentración o atención.

Prioridad

Tras haber filtrado el listado de tareas en base al contexto, tiempo y energía, la selección de la siguiente acción en GTD se puede hacer en base a la prioridad de estas. Realizando primero aquellas acciones que tienen una fecha de finalización objetiva, ordenándose en función de lo cerca que se encuentra esta fecha.

Recordemos que en GTD no se recomienda asignar una prioridad subjetiva a las diferentes tareas (por ejemplo, alta, media o baja) ya que esto suele llevar a una escalada de los niveles cuando aparecen nuevas tareas (por ejemplo, para dar más prioridad a las últimas tareas se llegan a definir niveles como muy alta, urgente o muy urgente). La prioridad es algo que se deduce de las fechas objetivas. Debido a que las fechas objetivas son aquellas en las que algo malo sucederá si no se ha completado la tarea (por ejemplo, no presentar la declaración de impuestos dentro del plazo) lo mejor es realizar estas tareas en cuanto se disponga de lo necesario. Dejando para más adelante otras tareas que no tienen una fecha objetiva.

Publicidad


Conclusiones

Seleccionar la siguiente acción en GTD es otro hábito que debemos adquirir para ser productivos. Si el procesado y organización de las tareas se lleva a cabo de forma correcta, este paso debe ser prácticamente automático y sencillo. Seleccionando en pocos segundos la siguiente tarea y dedicando toda nuestra atención a la misma.

Para profundizar más en GTD, podéis consultar la serie que se ha publicado en el blog en el que se habla de los cinco pasos de la metodología. También podéis consultar el libro “Productividad personal” de José Miguel Bolívar, posiblemente el mejor recurso para iniciarse a GTD en castellano o los libros de David Allen, el creador del método, entre los que se puede destacar “Organízate con eficacia“.

Imagen de Gerd Altmann en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Productividad Etiquetado como: GTD

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Noticias

Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring

mayo 2, 2026 Por Daniel Rodríguez

Analytics Lane

¡Analytics Lane cumple ocho años!

mayo 2, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Noticias Mejores mensajes de error en Python 3.10 publicado el octubre 11, 2021 | en Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • pandas Creación de variables dummies con Pandas (variables binarias para aprendizaje automático) publicado el junio 26, 2023 | en Python
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python) publicado el octubre 7, 2025 | en Herramientas, Productividad
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto