Las herramientas de inteligencia artificial ya pueden generar código fuente y automatizar pruebas. En los equipos de desarrollo, esto plantea una pregunta obvia: ¿la función de los ingenieros de QA — es decir, aquellos especialistas que revisan sistemáticamente el software en busca de errores y vulnerabilidades — quedará prescindible a medio plazo? Un artículo de orientación actual en Golem.de aborda precisamente esta preocupación y llega a una valoración contraria: precisamente el auge de la IA podría hacer más importante el trabajo de los especialistas en pruebas.

Para las empresas que operan sitios web, portales o aplicaciones especializadas, esto no es un debate académico. Determina cómo se distribuyen los presupuestos en los proyectos y qué garantías puede seguir ofreciendo una agencia o un equipo interno.

Qué puede lograr la automatización — y dónde termina

Las pruebas automatizadas no son nada nuevo en el desarrollo de software. Lo nuevo es la rapidez con la que hoy se pueden generar casos de prueba a partir del código existente o de descripciones de requisitos. Esto reduce el umbral de entrada: proyectos en los que antes no se realizaban pruebas por falta de tiempo llegan por fin a tener una cobertura de pruebas.

Al mismo tiempo, el problema solo se desplaza. Una prueba generada verifica en primer lugar lo que el código ya hace. Si eso es también lo que se pretendía desde el punto de vista funcional no queda establecido. Esta distinción entre corrección técnica y exactitud funcional es el núcleo del aseguramiento de la calidad — y no se puede deducir únicamente del código fuente, porque la intención funcional no está contenida por completo en él.

Más código significa más necesidad de revisión

Si la asistencia de IA aumenta la cantidad de código producido, también crece la cantidad de código que nadie ha leído en detalle. Eso genera una necesidad adicional de revisión en varios puntos:

  • ¿Tiene el cambio efectos secundarios no intencionados en módulos adyacentes?
  • ¿Se cubren casos límite que no se mencionaban en la descripción de la tarea?
  • ¿Siguen siendo correctos los derechos de acceso, los requisitos de protección de datos y la accesibilidad?
  • ¿La solución sigue siendo mantenible, o surge deuda técnica que resultará costosa más adelante?

Ninguno de estos puntos se puede responder con el mero número de ejecuciones de prueba en verde. Una alta cobertura de pruebas indica cuántas líneas de código se ejecutaron durante las pruebas — no si se plantearon las preguntas correctas.

El rol pasa de ejecutar a evaluar

El trabajo de pruebas consistió durante mucho tiempo en gran medida en repetición: las mismas secuencias de clics tras cada versión, los mismos formularios, los mismos navegadores. Precisamente esa parte es automatizable, y las herramientas de IA la aceleran aún más. Lo que queda es más exigente: evaluar riesgos, establecer prioridades, derivar casos de prueba a partir de procesos de negocio, interpretar patrones de error.

Estas actividades son menos manuales y más analíticas. Requieren que alguien entienda el dominio de la aplicación — el proceso de pedido, la lógica de subvenciones, los flujos editoriales en el sistema de gestión de contenidos. Quien conoce estas relaciones detecta desviaciones que una prueba generada nunca clasificaría como desviación, porque le falta la referencia de comparación.

Nuevas tareas de revisión por funciones de IA en el producto

A esto se suma una segunda evolución: la IA no solo está en el proceso de desarrollo, sino cada vez más en el propio producto — como función de búsqueda, sistema de asistencia o generador de texto. Tales funciones no se comportan de forma determinista, es decir, no necesariamente entregan la misma salida con la misma entrada. Las pruebas clásicas según el patrón «resultado esperado igual a resultado real» solo son aplicables de forma limitada aquí.

En estos casos, el aseguramiento de la calidad debe trabajar con rangos, muestras y criterios de evaluación en lugar de valores nominales fijos. Esto es metodológicamente nuevo y requiere personas que puedan juzgar qué respuesta sigue siendo aceptable y cuál no. Un rol que más bien se revaloriza que se reduce.

Qué significa esto para la planificación de proyectos

Desde nuestro punto de vista, de ello se derivan algunas consecuencias prácticas para los clientes:

  1. No recortar automáticamente el presupuesto de pruebas. Que las pruebas se creen más rápido no significa que se necesite menos esfuerzo de revisión. El esfuerzo se desplaza hacia la concepción y la evaluación.
  2. Fijar por escrito los criterios de aceptación. Cuanto más claramente se describa lo que el software debe lograr funcionalmente, mejor se podrán orientar tanto las pruebas automatizadas como las manuales.
  3. Involucrar a los departamentos especializados. Quien utiliza el proceso a diario detecta desviaciones más rápido que cualquier herramienta. Las fases de prueba estructuradas con usuarios reales siguen siendo valiosas.
  4. Construir pruebas de regresión. Las pruebas automatizadas que se ejecutan en cada cambio aseguran sobre todo las funciones existentes — precisamente cuando el código se genera más rápido que antes.

No es una cuestión de uno u otro

La contraposición «IA o equipo de pruebas» lleva a engaño. Más realista es una división del trabajo: las herramientas asumen la repetición, la cobertura en amplitud y los primeros borradores de casos de prueba. Las personas deciden qué debe revisarse en primer lugar, dónde está el riesgo y si un resultado es funcionalmente sostenible.

Quien considera el aseguramiento de la calidad como un mero bloque de costes tenderá a intentar sustituirlo mediante automatización. Quien lo entiende como una protección contra costosos errores en producción tenderá más bien a ampliarlo — solo que con un enfoque distinto al de hasta ahora.

Clasificación para proyectos web y de software

Para los proyectos en curso, esto significa: las ganancias de velocidad gracias a la asistencia de IA deberían revertir parcialmente en la calidad de las pruebas, en lugar de registrarse íntegramente como ahorro de tiempo.

De lo contrario, solo se desplaza el momento en que se detectan los errores — de las pruebas a la operación en vivo.Para la selección de proveedores de servicios, resulta más relevante cómo de estructurado trabaja su aseguramiento de la calidad y cómo de comprensible documentan las aceptaciones.

Fuentes