¿Qué diferencias en la forma de trabajar respecto a los tiempos pasados está ocurriendo a raíz del uso de estas herramientas según mi experiencia?
Hace una década, para considerarse ser un buen QA había que leer grandes cantidades de información y comenzar a hacer prueba y error para lograr sentirse que uno hacía un buen trabajo como certificador, lo que me tomaba a veces semanas e incluso meses.
En cambio, hoy en día las nuevas generaciones de Ingenieros/as QA tendrán que utilizar estas herramientas para acelerar su aprendizaje y lograr artefactos de calidad en tiempo record, ya que de lo contrario el que está al lado lo hará.
Esto se da porque la exigencia del mercado será de lograr un time to market lo más rápido posible y se utilizarán todas las herramientas disponibles para lograr ese objetivo, incluyendo las que contemplan la asistencia con la IA Generativa.
¿Qué desafíos quedan por resolver para el futuro de la calidad de Software amplificada por la IA Generativa?
Actualmente los modelos que utilizan estos asistentes tienen una gran capacidad de generar contenido en base a un contexto para predecir una respuesta, ya que es parte de su esencia como modelo generativo, permitiendo lograr asistir en distintas actividades de QA tales como la estrategia, diseño, scripting, gestión de datos, análisis de resultados, entre otras.
Sin embargo, su gran limitante es que estos modelos en realidad no son «inteligentes» como tal y no entienden la información que tienen, ya que realmente sólo predicen una respuesta bajo un contexto.
Por lo que, en realidad, estos asistentes, que usualmente llamamos agentes, no son «expertos» en QA, porque no entiende que es QA, sino que lo que predice, es porque está imitando lo que sería una respuesta de alguien especializado en QA.
Esto se da por las siguientes 2 razones:
❌ Estos modelos no entienden el funcionamiento del mundo real.
❌ Estos modelos no entienden la vivencia de la experiencia de usuario que tiene una persona al utilizar el sistema.
¿Cuál será el valor que tendremos que entregar como rol de QA en esta nueva era asistida por la IA Generativa?
Será tarea nuestra fortalecer el valor como humanos de mantener el ADN de un buen Ingeniero/a QA logrando:
✔ Ser curioso para tratar de explorar la mejor forma de certificar un software entendiendo el sistema a nivel de negocio y a nivel técnico.
✔ Planificar las prácticas de QA, bajo un tipo de razonamiento analítico, que permitirá tomar la decisión de qué estrategia adoptar, para garantizar la calidad de ese sistema.
✔ Considerar el funcionamiento de este sistema en el mundo real, para replicar lo que eventualmente realizaría un usuario final en la aplicación.
En definitiva, se concluye que será nuestra misión contextualizar estas herramientas de manera precisa como si fuésemos sus guías, para que te entreguen una correcta asistencia en estas prácticas de QA para lograr el mejor time to market.
¿Hacia dónde evolucionará este nivel de asistencia en el proceso de QA?
Con el pasar de los años, estas limitantes explicadas en los puntos anteriores se verán resueltas mediante modelos mejorados que permitirán desbloquear la capacidad de razonamiento, planificación y comprensión del mundo real.
Llegado a ese punto, nuestra forma de trabajo tendrá que modificarse radicalmente, ya que lo que se proyecta es que el proceso del desarrollo de software cambiará, porque seremos meros orquestadores de asistentes o agentes autónomos que podrán además de construir, también certificar y mejorar en tiempo real cada sistema, llevando a su máxima expresión un proceso de entrega continua con calidad, que permitirá lograr también un time to market nunca visto en la industria.
Autor
Rodrigo Montenegro
Product Owner IA en Tsoft
