IA aplicada a QA en 2026: qué funciona de verdad (y qué es humo)
La IA en testing pasó de promesa a herramienta diaria — pero no en todas las áreas por igual. Después de un año usándola en proyectos reales, este es nuestro mapa honesto.
Lo que ya funciona en producción
1. Generación de casos de prueba desde requisitos
Darle a un LLM una historia de usuario y pedirle la matriz de casos (felices, bordes, negativos) es probablemente el mejor retorno por minuto invertido en QA hoy. El modelo no se aburre: genera el caso 47 con el mismo rigor que el 1.
Clave: la IA propone, el QA dispone. Los casos generados son un borrador que un humano cura, no un entregable final.
2. Escribir y mantener automatización
Con contexto del proyecto (fixtures existentes, convenciones de selectores), un asistente como Claude escribe tests e2e que respetan tu arquitectura. La suite de este sitio se desarrolló así: humano define el comportamiento a cubrir, IA escribe el test, humano revisa el diff.
3. Análisis de fallos
Pegar el trace de un test rojo y preguntar "¿por qué falló?" resuelve en segundos lo que antes era media hora de leer stack traces. Especialmente potente con el trace viewer de Playwright.
4. Revisión de cobertura
"¿Qué comportamientos de este componente no están cubiertos por estos tests?" es una pregunta que los LLM responden sorprendentemente bien.
Lo que funciona a medias
Self-healing tests
Herramientas que "reparan" selectores rotos automáticamente. Útiles contra flakiness superficial, peligrosas cuando reparan un test que debía fallar. Si el botón de pago desapareció y el test se auto-repara para no encontrarlo... tienes un problema serio disfrazado de suite verde.
Agentes exploratorios
Agentes que navegan tu app buscando errores. Encuentran crashes y errores de consola reales, pero generan mucho ruido y todavía no reemplazan una sesión de testing exploratorio humano con oficio.
Lo que sigue siendo humo
- "Ya no necesitas QA, la IA prueba sola" — nadie que haya operado software en producción cree esto.
- Métricas de cobertura generadas por IA sin ejecución real — si no corrió, no está probado.
- Reemplazar el criterio de riesgo — decidir qué probar primero sigue siendo la habilidad más valiosa de un QA, y es la menos automatizable.
El perfil QA que viene
El QA 2026 no compite con la IA: la orquesta. Los perfiles que combinan fundamentos sólidos de testing con fluidez usando LLMs están cerrando las mejores posiciones del mercado.
¿Quieres desarrollar ese perfil? Mira nuestro curso gratuito de QA con IA, donde usamos Claude para generar casos, revisar suites y analizar fallos reales.