{"id":32322,"date":"2026-09-04T06:28:00","date_gmt":"2026-09-04T06:28:00","guid":{"rendered":"https:\/\/thecloud.group\/?p=32322"},"modified":"2026-09-03T01:29:18","modified_gmt":"2026-09-03T01:29:18","slug":"ia-qa-testing-software","status":"publish","type":"post","link":"https:\/\/thecloud.group\/pt\/ia-qa-testing-software\/","title":{"rendered":"La IA no elimina el QA: lo vuelve m\u00e1s importante"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
<\/div>\n\t\t\t\t\t\t
\n\t\t\t\n\t\n<\/svg>\t\t<\/div>\n\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"logo\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

La IA no elimina el QA: lo vuelve m\u00e1s importante\n<\/h1>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

4 Setembro 2026<\/h1>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Cuando el c\u00f3digo se produce m\u00e1s r\u00e1pido y parte del sistema deja de ser determinista, la verificaci\u00f3n no sobra: se convierte en la \u00fanica forma de saber si algo funciona. La intuici\u00f3n contraria \u2014\u00bbsi la IA escribe mejor c\u00f3digo, har\u00e1 falta menos QA\u00bb\u2014 confunde dos cosas distintas: la correcci\u00f3n sint\u00e1ctica de lo que se escribe y la adecuaci\u00f3n de lo que hace al negocio.<\/span><\/p>\n

Un modelo produce c\u00f3digo que compila y hace algo razonable. No sabe si ese algo es lo que tu empresa necesita, porque esa informaci\u00f3n no est\u00e1 en el c\u00f3digo: est\u00e1 en el proceso, en la normativa y en las excepciones que nadie ha escrito.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Dos tipos de verificaci\u00f3n que ahora conviven\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los sistemas actuales mezclan componentes deterministas y probabil\u00edsticos, y cada uno se verifica de forma distinta. Confundirlos es la causa de la mayor\u00eda de los sustos en producci\u00f3n.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n\n\n\n\n\n\n\n\n
\n

Aspecto<\/b><\/p>\n<\/th>\n

\n

Componente determinista<\/b><\/p>\n<\/th>\n

\n

Componente probabil\u00edstico<\/b><\/p>\n<\/th>\n<\/tr>\n<\/thead>\n

\n

Qu\u00e9 se comprueba<\/b><\/p>\n<\/td>\n

\n

Que el resultado sea el esperado<\/span><\/p>\n<\/td>\n

\n

Que el resultado sea aceptable con suficiente frecuencia<\/span><\/p>\n<\/td>\n<\/tr>\n

\n

Resultado del test<\/b><\/p>\n<\/td>\n

\n

Pasa o falla<\/span><\/p>\n<\/td>\n

\n

Distribuci\u00f3n de calidad sobre un conjunto<\/span><\/p>\n<\/td>\n<\/tr>\n

\n

Cu\u00e1ndo se ejecuta<\/b><\/p>\n<\/td>\n

\n

En cada cambio<\/span><\/p>\n<\/td>\n

\n

En cada cambio y peri\u00f3dicamente en producci\u00f3n<\/span><\/p>\n<\/td>\n<\/tr>\n

\n

Qu\u00e9 detecta<\/b><\/p>\n<\/td>\n

\n

Regresiones<\/span><\/p>\n<\/td>\n

\n

Regresiones y deriva de comportamiento<\/span><\/p>\n<\/td>\n<\/tr>\n

\n

Qui\u00e9n define el criterio<\/b><\/p>\n<\/td>\n

\n

El equipo t\u00e9cnico<\/span><\/p>\n<\/td>\n

\n

Negocio, con casos reales evaluados<\/span><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n



<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La fila m\u00e1s importante es la \u00faltima. En la parte probabil\u00edstica, el criterio de \u00abcorrecto\u00bb no lo puede fijar el equipo t\u00e9cnico solo, porque depende de qu\u00e9 considera aceptable el negocio: un resumen que omite un dato secundario puede ser perfecto en un contexto e inaceptable en otro.<\/span><\/p>\n

Por eso el activo m\u00e1s valioso de un proyecto de IA no es el modelo ni el prompt: es <\/span>el conjunto de casos evaluados<\/b>, con la respuesta que la organizaci\u00f3n considera correcta para cada uno. Ese conjunto sobrevive a los cambios de proveedor, permite comparar alternativas de forma objetiva y detecta si una versi\u00f3n nueva ha empeorado algo. Es la pieza que hace posible cambiar de modelo sin miedo.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Por qu\u00e9 el volumen cambia las reglas\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Cuando el equipo escrib\u00eda todo el c\u00f3digo a mano, la revisi\u00f3n entre pares cubr\u00eda buena parte de la verificaci\u00f3n. Con m\u00e1s volumen, esa cobertura se diluye: no porque los revisores sean peores, sino porque hay m\u00e1s que revisar en el mismo tiempo.<\/span><\/p>\n

El informe DORA de 2024 midi\u00f3 la consecuencia en la pr\u00e1ctica: al aumentar la adopci\u00f3n de IA, la estabilidad de entrega ca\u00eda un 7,2%, asociada al crecimiento del tama\u00f1o de los cambios. Y el 39,2% de los desarrolladores declaraba poca o ninguna confianza en el c\u00f3digo generado, lo que introduce un coste que rara vez se contabiliza: el tiempo de verificar manualmente algo que se supone que iba a ahorrar tiempo.<\/span><\/p>\n

La salida no es revisar m\u00e1s horas. Es sustituir revisi\u00f3n manual por verificaci\u00f3n autom\u00e1tica all\u00ed donde es posible, y reservar la atenci\u00f3n humana para lo que solo una persona puede juzgar: si esto es lo que el negocio necesita.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Las cinco capas de verificaci\u00f3n de un sistema con IA\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Pruebas unitarias e integraci\u00f3n.<\/b> Lo de siempre, y ahora m\u00e1s necesario porque hay m\u00e1s c\u00f3digo. Escritas o al menos revisadas por una persona: si el mismo sistema genera implementaci\u00f3n y prueba, el circuito se cierra sobre s\u00ed mismo.<\/span><\/p>\n

Conjunto de evaluaci\u00f3n del componente de IA.<\/b> Casos reales con respuesta esperada, ejecutados en cada cambio de modelo, de prompt o de configuraci\u00f3n. Sin esto no se puede saber si una actualizaci\u00f3n ha mejorado o empeorado el sistema.<\/span><\/p>\n

Pruebas de las excepciones.<\/b> Los casos raros del proceso, convertidos en pruebas. Es la forma de asegurar que el sistema escala a una persona cuando debe, en lugar de improvisar.<\/span><\/p>\n

Pruebas de seguridad espec\u00edficas.<\/b> Intentos de inyecci\u00f3n de prompt, comprobaci\u00f3n de que el componente no puede exceder sus permisos, verificaci\u00f3n de que no expone informaci\u00f3n que no deber\u00eda. OWASP recoge estos vectores en su Top 10 para aplicaciones LLM de 2025.<\/span><\/p>\n

Verificaci\u00f3n continua en producci\u00f3n.<\/b> Muestreo peri\u00f3dico de casos reales, revisados por una persona. Es la \u00fanica forma de detectar deriva: un sistema puede degradarse sin que cambie ninguna l\u00ednea de c\u00f3digo, porque cambi\u00f3 el modelo, los datos o el contexto de uso.<\/span><\/p>\n

La quinta capa es la que casi nunca existe y la que m\u00e1s incidentes evita, por la raz\u00f3n que explicamos al hablar de <\/span>observabilidad y automatizaci\u00f3n<\/span><\/a> [enlace interno]<\/span><\/i>: sin medici\u00f3n continua, la se\u00f1al de que algo va mal llega por la v\u00eda del cliente.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Lo que s\u00ed cambia en el trabajo de QA\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Esto no es un alegato conservador. El perfil de QA cambia de forma sustancial, y hacia arriba:<\/span><\/p>\n