La cuarta ola: la IA está escribiendo el código. ¿Quién lo está probando?

El desarrollo de software agencial, al que he denominado la Cuarta Ola, se está acelerando a un ritmo imprevisible. Los avances en modelos de vanguardia, la rápida adopción empresarial y una inversión de capital aparentemente interminable han convertido a los agentes de codificación en una de las tecnologías de difusión más rápidas de la historia. Los agentes de codificación con IA (y sus copilotos) han transformado radicalmente el ritmo de la programación. En muchos entornos empresariales, entre el 40 % y el 50 % del código se genera ahora mediante IA, y su adopción en los equipos de desarrollo se acerca a la universalidad. Las tareas de codificación que antes requerían días o semanas ahora se pueden completar en horas.

Pero, como ya hemos explicado en debates anteriores sobre la Cuarta Ola, la entrega de software no es un paso único. Se trata de un sistema complejo e interconectado que abarca la planificación, la codificación, las pruebas, la seguridad, el lanzamiento y la monitorización, a menudo dentro de la empresa, con decenas de miles de personas (y ahora probablemente incluso más agentes), distribuidos globalmente y operando bajo estrictos requisitos de cumplimiento.

Y a medida que la codificación se acelera, se hace evidente una nueva limitación: el cuello de botella ha cambiado, y para muchas empresas, se ha desplazado hacia las pruebas.

Las pruebas no han seguido el ritmo del desarrollo (incluso antes de la IA).

Durante años, las organizaciones han invertido en la modernización del control de calidad. Los marcos de automatización, las canalizaciones de CI/CD y las herramientas de automatización de acceso han mejorado. Sin embargo, a escala empresarial, la realidad es mucho menos avanzada de lo que muchos suponen.

Dependiendo del sector y la complejidad del sistema, entre el 50 % y el 70 % del esfuerzo de pruebas sigue siendo manual. Sí, en la era de la IA, muchas organizaciones aún realizan pruebas manualmente. Incluso en organizaciones que han invertido mucho en automatización, las brechas de cobertura son comunes, especialmente en las pruebas móviles, web, de rendimiento y de accesibilidad.

Los datos empiezan a confirmarlo. Un análisis reciente del sector reveló que las solicitudes de extracción creadas por IA presentan, en promedio, muchos más problemas que las escritas por humanos, con errores de lógica y corrección, así como fallos de seguridad considerablemente mayores. La confianza de los desarrolladores tampoco ha ido a la par con la adopción: las encuestas muestran sistemáticamente que la mayoría de los desarrolladores no confían plenamente en la implementación de código generado por IA, y un porcentaje significativo de equipos ya ha revertido versiones por este motivo. Se está implementando más código, y con él, más problemas.

Y allí donde existe la automatización, a menudo tiene dificultades para escalar.

En todas las empresas se observa un patrón constante:

• Los conjuntos de pruebas se vuelven frágiles a medida que evolucionan las aplicaciones.
• Los scripts se desincronizan con el código base.
• Los gastos generales de mantenimiento crecen más rápido que la cobertura.

Según estimaciones del sector, entre el 40 % y el 50 % de los fallos en las pruebas automatizadas no son defectos reales, sino el resultado de cambios en la aplicación, inestabilidad del entorno o problemas con los datos de prueba.

En otras palabras, una parte importante del esfuerzo de prueba se dedica a perseguir el ruido.

La IA transforma la creación de pruebas, pero expone nuevas limitaciones.

La IA está facilitando enormemente la generación de pruebas automatizadas. Lo que antes era uno de los mayores obstáculos para la automatización —la creación de pruebas— está desapareciendo rápidamente. Pero esto no resuelve el problema; simplemente lo traslada.

A medida que se acelera la generación de pruebas, también lo hace la complejidad:

• El volumen de pruebas crece exponencialmente junto con el código generado por IA.
• Las pruebas se desincronizan más rápidamente a medida que las aplicaciones cambian con mayor frecuencia.
• Las exigencias de ejecución aumentan en todos los dispositivos, navegadores y entornos.
• Responder a la pregunta de "¿por qué falló realmente la prueba?" se vuelve aún más complejo.

Nunca ha sido tan fácil crear pruebas, y nunca ha sido tan difícil garantizar que sean realmente fiables a gran escala.

El verdadero cuello de botella: todo lo que sucede después de que se escribe el examen.

En la Cuarta Ola, las limitaciones en las pruebas ya no radican en crearlas, sino en orquestarlas, ejecutarlas y operarlas. En las grandes empresas, se dedica una cantidad desproporcionada de tiempo no a encontrar defectos, sino a comprender los resultados de las pruebas. Estudios y comparativas del sector indican que hasta el 50 % del tiempo de control de calidad e ingeniería en entornos automatizados se emplea en clasificar fallos, respondiendo a preguntas básicas pero cruciales.

• ¿Se trata de un defecto real en la aplicación?
• ¿La prueba no está sincronizada con el código?
• ¿El entorno introdujo inestabilidad?
• ¿El problema está relacionado con los datos o con la configuración?

Este es el coste oculto de las pruebas automatizadas modernas. Y se hace aún más evidente en entornos móviles y web, donde la variabilidad es la norma. La fragmentación de dispositivos, las diferencias entre sistemas operativos, las condiciones de la red y las dependencias de terceros introducen capas de complejidad difíciles de simular, y aún más difíciles de depurar.

A gran escala, esto crea un efecto acumulativo:

Más código → más pruebas → más fallos → más tiempo dedicado al diagnóstico → entrega más lenta.

El cambio en la creación de valor

En oleadas anteriores, el valor principal de las pruebas radicaba en pasar de lo manual a lo automatizado. En la cuarta oleada, la IA está facilitando la automatización más que nunca. La nueva oportunidad de creación de valor se ha desplazado hacia un conjunto diferente de capacidades:

• Mantener la coherencia entre las pruebas y las aplicaciones en rápida evolución.
• Orquestar la ejecución de pruebas inteligentes y basadas en riesgos en flujos de trabajo complejos.
• Escalar la ejecución en entornos del mundo real que reflejen con precisión la producción.
• Acelerar el análisis de las causas raíz para reducir el tiempo perdido en la clasificación de fallos.

Aquí es donde la mayoría de las empresas se ven limitadas actualmente. Pueden construir más rápido. Incluso pueden generar pruebas más rápido. Pero no pueden validar la calidad a la velocidad del desarrollo.

Por qué esto importa ahora

La calidad ya no es un punto de control posterior. Es un factor determinante que, en última instancia, acelera el flujo de valor y, por lo tanto, cumple la promesa de la Cuarta Ola.

Cuando las pruebas no pueden seguir el ritmo:

• Release Los ciclos se ralentizan a pesar de un desarrollo más rápido.
• Los defectos se filtran a los entornos de producción.
• La experiencia del cliente se deteriora
• Aumentan los riesgos regulatorios y de cumplimiento.

Y, lo que es fundamental, los beneficios prometidos del desarrollo impulsado por la IA nunca se materializan por completo.

Argumentos a favor de las pruebas autónomas a gran escala

Por eso estamos viendo un cambio hacia plataformas de pruebas inteligentes y autónomas: soluciones diseñadas para abordar no solo la creación de pruebas, sino todo el ciclo de vida de las pruebas en un mundo impulsado por la IA.

Plataformas como Digital.ai Las pruebas se centran en los nuevos cuellos de botella:

• Mantener las pruebas sincronizadas mediante la autorreparación impulsada por IA.
• Ejecución a gran escala en dispositivos y entornos reales.
• Orquestar pruebas de forma inteligente en todos los flujos de trabajo.
• Reducción del tiempo de triaje mediante un análisis más rápido de la causa raíz del problema.

La Cuarta Ola los exige a todos.

La implicación estratégica

La Cuarta Ola está redefiniendo dónde se crea valor a lo largo del ciclo de vida del software. La codificación ya no es la principal limitación; los cuellos de botella se encuentran tanto antes como después de la codificación. En muchas organizaciones, las pruebas constituyen uno de esos cuellos de botella. No por falta de pruebas, sino por la incapacidad de gestionarlas, ejecutarlas y aprender de ellas a gran escala.

Las organizaciones que reconozcan esta innovación necesaria en las pruebas desbloquearán todo el potencial del desarrollo impulsado por la IA y prosperarán en la Cuarta Ola. Aquellas que no lo hagan se verán limitadas por cuellos de botella en la calidad, incluso a medida que su capacidad de codificación siga creciendo.

Porque en este nuevo entorno:

Programar es fácil. Lo difícil es la calidad.

Los ganadores de la Cuarta Ola no solo generarán más software, sino que también ofrecerán aplicaciones robustas y de alta calidad a la velocidad de la máquina.

Software más inteligente. Velocidad de agente. Calidad a gran escala.