El sector tecnológico en Colombia, y a nivel global, está en una búsqueda constante de optimizar sus procesos de desarrollo y entrega de software. La velocidad de salida al mercado, la calidad y la eficiencia son factores críticos que impulsan la adopción de nuevas metodologías y herramientas. En este contexto, la Inteligencia Artificial (IA) ha emergido como un habilitador clave para transformar diversas etapas del ciclo de vida del software, especialmente en las pruebas.
Las herramientas de IA para pruebas de software en Colombia, aunque aún en fase de adopción y maduración, están ganando terreno debido a su potencial para:
La necesidad de automatizar y hacer más inteligente el proceso de pruebas es particularmente apremiante en el sector tecnológico, donde los ciclos de desarrollo son cada vez más cortos y la complejidad de los sistemas crece exponencialmente.
Siendo una de las compañías líderes en el sector, probablemente enfrentaba desafíos comunes en la gestión de sus procesos de pruebas de software, que se verían aliviados con la implementación de herramientas de IA:
Tiempos prolongados en el diseño de casos de prueba: El diseño manual de casos de prueba para cada requerimiento y funcionalidad es un proceso que consume mucho tiempo y recursos, lo que podría haber ralentizado la entrega de proyectos.
Eficiencia en la identificación de patrones y optimización de pruebas: La identificación manual de patrones en grandes volúmenes de datos o la optimización de los sets de pruebas puede ser compleja y propensa a errores.
Necesidad de mejorar la productividad del equipo de QA: La empresa buscaba maneras de hacer que su equipo de aseguramiento de calidad (QA) fuera más productivo y eficiente, liberándolos de tareas repetitivas para que se enfocaran en actividades de mayor valor estratégico.
Optimización de la calidad de los requerimientos: Una fuente común de defectos en el software se origina en requerimientos poco claros o inconsistentes. La empresa de Tecnología podría haber buscado una solución que ayudara a mejorar la calidad de estos desde el inicio.
Reducción del costo de propagación de defectos: Los defectos que se detectan tarde en el ciclo de desarrollo son exponencialmente más costosos de corregir. La empresa tenía la necesidad de identificar hallazgos en fases más tempranas.
Para abordar estas necesidades, la empresa del sector Tecnológico decidió embarcarse en un proyecto piloto con GreenSQA para implementar y evaluar las herramientas de IA «RAI» (para pruebas estáticas de requerimientos) y «MarIA» (para el diseño y aceleración de casos de prueba).
GreenSQA implementó las herramientas de IA RAI y MarIA, a través de un proyecto piloto estructurado con los siguientes pasos clave:
La implementación de las herramientas de IA de GreenSQA generó beneficios significativos:
La integración de la IA en el proceso de calidad de software demostró mejorar significativamente la productividad del equipo de QA.
La IA fue capaz de identificar patrones e indicar mejoras en los casos de prueba, optimizando su calidad.
La IA actuó como un acelerador, ayudando a identificar variables, valores y sugerir casos de prueba, cubriendo las necesidades de los requerimientos de manera más eficiente.
La identificación temprana de hallazgos en la fase de requerimientos (10 hallazgos detectados por RAI) se traduce en un ahorro significativo en el ciclo de vida del desarrollo. Se estimó un tiempo ahorrado de 140 horas por la identificación temprana de hallazgos.
Las herramientas de MarIA (Designer y Advisor) generaron un ahorro promedio del 37% en el tiempo de diseño de casos de prueba. Por ejemplo, en un caso, el tiempo de diseño se redujo de 180 minutos a 70 minutos, representando un ahorro del 61%.
El indicador IEE830 de calidad de requerimientos, aunque aún con oportunidades de mejora (20.83% de no cumplimiento), permitió identificar áreas críticas como ambigüedad y completitud.
Se identificó que la solución de IA puede adaptarse a nuevas versiones de software, herramientas y flujos de trabajo, demostrando su escalabilidad a largo plazo.
Se alcanzó un 98% de casos de prueba OK, indicando una alta fiabilidad en las pruebas realizadas con el soporte de las herramientas de IA.
El proyecto piloto con la empresa del sector tecnológico proporcionó lecciones cruciales para la implementación exitosa de herramientas de IA en el proceso de pruebas de software:
El retorno de inversión del proyecto con GreenSQA es claro, a pesar de los costos iniciales de implementación y capacitación:
Para otras compañías de tecnología interesadas en implementar herramientas de IA para agilizar el proceso de pruebas de software, este caso ofrece valiosas conclusiones:
En síntesis, este proyecto es un claro ejemplo de cómo la IA puede ser una herramienta poderosa para modernizar y optimizar el proceso de pruebas de software. Al capitalizar las capacidades de RAI y MarIA, la empresano solo agilizó sus operaciones de QA, sino que también sentó un precedente para la innovación en el sector tecnológico colombiano, demostrando que la inversión en IA para pruebas es un paso estratégico hacia una mayor eficiencia y calidad en el desarrollo de software.
