Más que simples pruebas
Las cifras hablan por sí solas: las herramientas de desarrollo basadas en IA están en auge en Suiza. Lo que hace dos años era un tema especializado, ahora es habitual en muchos equipos de desarrollo. Claude Code, Cursor, GitHub Copilot, Agentic Workflows: el conjunto de herramientas crece más rápido de lo que la mayoría de los procesos de calidad pueden asimilar.
Este es precisamente el punto que nos preocupa desde hace tiempo en Infometis. Por ello, nos hemos especializado en Ingeniería de Calidad, convencidos de que la garantía de calidad del software en la era de la IA es una disciplina fundamentalmente nueva.
Qué está haciendo la IA al desarrollo de software
La IA impacta todo el proceso de desarrollo, desde la generación de ideas y la codificación hasta la entrega y la operación en producción. Algunos ejemplos concretos:
La velocidad se está redefiniendo. Las ideas ya no se acumulan en la lista de tareas pendientes de un sprint para implementarse cuatro semanas después. Hoy en día, se crean prototipos funcionales en cuestión de horas. La velocidad de los equipos aumenta significativamente. Se pueden desarrollar muchas más historias de usuario en aún menos tiempo.
El rol del desarrollador se está expandiendo. Los procesos de especificación a código permiten a los propietarios de productos, expertos en la materia y analistas de datos generar código funcional por sí mismos. Esto representa tanto una oportunidad como un desafío. Con la democratización del desarrollo de software, los responsables tradicionales de control de calidad se eliminan o se reducen significativamente a un número mucho menor de personas y agentes de IA.
La IA agente participa en todo el proceso. Desde la ideación y la gestión de proyectos hasta el desarrollo de productos: hoy en día, la IA ofrece soporte en cada fase. Los equipos ya no operan exclusivamente entre humanos; estos también coordinan agentes como miembros del equipo.
Oportunidades del desarrollo de software con soporte de IA
La reducción del tiempo de comercialización ya no es solo un eslogan publicitario. Quienes desean lanzar un nuevo servicio digital hoy en día se enfrentan a barreras de entrada significativamente menores que hace tres años. Esto abre mercados, permite ciclos de innovación más cortos y hace que los productos digitales sean accesibles a un público mucho más amplio.
Desafíos y riesgos
Como ocurre con cualquier tecnología nueva, las posibilidades y la curva de aprendizaje son igualmente pronunciadas. Por lo tanto, los riesgos siempre deben evaluarse en función de la experiencia y el uso.
Lo que actualmente consideramos importante tener en cuenta:
- La velocidad en sí misma se convierte en un factor de riesgo. Lo que se desarrolla rápidamente puede entrar rápidamente en producción, debido a la presión competitiva o a la necesidad de innovar. El ritmo de cambio aumenta exponencialmente, y con él, la necesidad de un control de calidad continuo.
- La seguridad informática y la protección de datos son cada vez más importantes. El código generado por IA no es automáticamente seguro. Se reproducen vulnerabilidades conocidas, se adoptan dependencias sin análisis crítico o resulta más difícil catalogarlas.
- La deriva arquitectónica se está convirtiendo en un verdadero desafío. Cuando los cambios se producen rápidamente, las empresas que no cuentan con una gestión de arquitectura coherente pierden el control de su propio panorama de sistemas.
- La calidad de los datos sigue siendo fundamental. Los sistemas de IA son tan buenos como los datos con los que operan. Los errores ahora llegan a producción más rápidamente y se propagan con rapidez, o pueden degradar permanentemente los conjuntos de datos.
- El comportamiento de los agentes de IA desafía el control tradicional. Estos agentes toman decisiones en tiempo real, dentro de los flujos de trabajo empresariales, la generación de código o la búsqueda de soluciones. El comportamiento del sistema puede cambiar en producción, ya sea de forma gradual o drástica. Sin una estrategia de monitorización activa, esta desviación permanece invisible.
El control de calidad verifica la calidad. La ingeniería de calidad la integra en el proceso.
El término «desplazamiento a la izquierda» lleva años circulando en la industria: la idea es integrar la calidad desde las primeras etapas del proceso, en lugar de verificarla solo al final. Este enfoque siempre ha sido fundamentalmente correcto e importante, ¡pero se queda corto! Y, sin embargo, a menudo fracasa debido a la enorme cantidad y complejidad de las tareas en los proyectos de digitalización.
La ingeniería de calidad no es un cambio, sino un enfoque integral de principio a fin. La calidad debe crearse de forma holística, continua, interconectada y dentro del propio sistema. Comienza con la definición de requisitos y se extiende hasta la operación. El monitoreo constante, las métricas y la detección de anomalías mediante la observabilidad son tan esenciales como el caso de prueba previo al inicio de la codificación.
¿Qué abarca específicamente la ingeniería de calidad?
Los requisitos como base para la calidad
Antes de escribir el código, es fundamental definir con precisión las expectativas, las restricciones y los riesgos. El enfoque se centra en la implementación estratégica y sistémica, no en el formalismo. Esto es especialmente importante porque los sistemas de IA con especificaciones incompletas pueden, sorprendentemente, incorrectos .
Requisitos no funcionales como de primera clase
El enfoque original en la corrección funcional se mantiene. Sin embargo, la seguridad, el rendimiento, la protección de datos y la accesibilidad están adquiriendo cada vez mayor importancia. En el contexto del desarrollo impulsado por IA, estas suelen ser las dimensiones de calidad más críticas. La norma ISO 25010 ofrece un marco probado en este sentido, más relevante que nunca. No obstante, en nuestra opinión, aún resulta insuficiente. Por lo tanto, priorizamos dos nuevas dimensiones como criterios de calidad adicionales en una versión mejorada de la norma ISO 25010 de Infometis:
- Gobernancia
- sostenibilidad
La gobernanza como nuevo criterio de calidad
Quienes utilizan modelos de IA de forma productiva se enfrentan a obligaciones regulatorias (según el caso de uso y el sector), algunas ya en vigor y otras inminentes. La garantía de calidad actual incluye la pregunta: ¿Cómo aseguramos que nuestros sistemas de IA se comporten de forma conforme a la normativa, trazable y justa?
Los agentes también actúan cada vez con mayor autonomía. Las decisiones se toman en tiempo de ejecución, directamente en producción. Esto difiere fundamentalmente del software tradicional, cuyo comportamiento permanece estable tras su implementación.
La Ley de IA de la UE proporciona el marco general: desde agosto de 2026, las obligaciones de alto riesgo están plenamente en vigor, con requisitos de gestión de riesgos, calidad de los datos, supervisión humana y documentación a lo largo de todo el ciclo de vida del sistema.
Lo demás que se incluye depende del sector:
- Finanzas y seguros: Con DORA (en vigor desde enero de 2025), los bancos, las aseguradoras y los proveedores de servicios de pago están sujetos a obligaciones específicas de resiliencia de las TIC. Quienes utilizan sistemas de IA para la evaluación crediticia o los modelos de riesgo operan simultáneamente bajo DORA, la Ley de IA de la UE y NIS2, cada una con sus propias obligaciones y plazos de presentación de informes.
- Infraestructuras críticas y todos los sectores: NIS2 (en vigor desde 2024) ahora abarca a muchas más empresas que su predecesora, incluidas las medianas empresas de la región DACH. La gestión y la gobernanza del riesgo cibernético se están convirtiendo en prioridades absolutas.
- Contexto suizo: La nDSG , en vigor desde septiembre de 2023) se aplica a todas las aplicaciones de IA, independientemente de la tecnología. Las obligaciones de transparencia, las evaluaciones de impacto en la protección de datos para sistemas de alto riesgo y la privacidad desde el diseño no son competencia de la UE, sino requisitos legales suizos. Para las empresas con vínculos con la UE, también se aplica el RGPD.
- Tecnología médica y salud: Los sistemas de IA de alto riesgo en diagnóstico o apoyo a la toma de decisiones clínicas están sujetos tanto a la Ley de IA de la UE como a los (MDR), que presuponen una gestión de calidad estructurada.
La consecuencia para la ingeniería de calidad es que el cumplimiento no es un requisito legal que se verifica al final del proceso. Debe integrarse en la estrategia de calidad desde el principio y formar parte de la definición de requisitos, la especificación de pruebas y la validación durante la operación.
Calidad en tiempo real en lugar de en un informe
La calidad es un proceso continuo dentro del sistema. Por lo tanto, debe ser visible en todo momento como un estado actual, no como un informe periódico. El estado, los riesgos y el progreso están siempre presentes. Las decisiones se basan en datos y contexto. Ya no se pregunta por la calidad; se ve.
Una nueva disciplina: Pruebas LLM
Quienes utilizan modelos de lenguaje grandes en entornos de producción a menudo se adentran en un terreno desconocido desde la perspectiva de las pruebas. Los métodos de prueba tradicionales deben adaptarse por primera vez y solo son parcialmente efectivos. Novedades:
- Pruebas de alucinaciones: ¿Con qué frecuencia y bajo qué condiciones el modelo produce resultados incorrectos?
- Pruebas de responsabilidad: ¿El sistema cumple con las directrices éticas y normativas definidas?
- Métricas de evaluación: En lugar de una lógica binaria de aprobado/suspenso, se necesitan marcos de evaluación probabilísticos. Los resultados deben validarse utilizando métricas definidas, no solo comprobarse su corrección.
Esto requiere nuevas habilidades: no el clásico ingeniero de control de calidad que escribe casos de prueba, sino el arquitecto de calidadque acompaña los procesos de principio a fin, coordina equipos y agentes, y aporta tanto profundidad técnica como pensamiento sistémico.
Informática e Ingeniería de Calidad
En Infometis, adoptamos una visión holística de la calidad del software. Combinamos las tres áreas de especialización dentro de nuestras comunidades internas en un sistema cohesionado:
- Business Solutioneers : Alineamos los procesos de negocio con el valor y formulamos expectativas claras y completas.
- Embajadores de la calidad : garantizar la calidad de forma sistemática, continua y de principio a fin.
- Genio de la automatización : uso específico de la automatización automatizada y la validación mediante IA.
En el futuro, nuestras comunidades se verán cada vez más beneficiadas por agentes de IA. Coordinaremos su uso a lo largo de todo el proceso.
¿Qué ofrecemos?
Nos hemos especializado en la interacción integral de las estrategias de ingeniería de calidad porque estamos convencidos de que es uno de los desafíos más importantes en el desarrollo de software moderno.
Nuestra oferta incluye:
- Evaluaciones de ingeniería de calidad
para empresas que desean comprender su situación actual y conocer mejor su potencial. - Servicios gestionados
para equipos que buscan un socio fiable para encargarse de tareas parciales de ingeniería de calidad. - Seguimiento tecnológico:
Para ofrecer una visión general de las posibilidades tecnológicas, realizamos un seguimiento continuo del mercado y ofrecemos información basada en nuestros hallazgos.
En la era de la IA, la calidad se está convirtiendo en un factor competitivo decisivo.
¿Le gustaría saber cómo implementar la ingeniería de calidad en su empresa? Hablemos de ello. Nuestros expertos le ayudarán a desarrollar una estrategia de calidad a prueba de futuro, desde la definición de requisitos hasta la monitorización de sistemas de IA productivos.
Esperamos con interés el intercambio.
Esta fue una primera introducción. En próximas publicaciones, profundizaremos en temas como la gestión de requisitos en el contexto de la IA, los métodos de prueba LLM y el contenido específico de un marco de ingeniería de calidad moderno.
