SaveLink actualiza SaveTest: trazabilidad de requisitos, análisis de ramas y planificación

La plataforma de gestión de pruebas SaveTest ha recibido cinco grupos de nuevas funciones, presentadas por la compañía SaveLink en octubre de 2026. La actualización abarca la trazabilidad de requisitos, el análisis de cambios entre ramas, los informes de defectos e inestabilidad, la planificación de distribución de ejecuciones y la ampliación de integraciones con herramientas de desarrollo populares.

Trazabilidad de requisitos y matriz de cobertura

El nuevo registro de requisitos integra datos de tres fuentes: Jira, Confluence y la adición manual de requisitos directamente en SaveTest. La matriz de cobertura visualiza los vínculos entre los requisitos y los casos de prueba, muestra los requisitos sin pruebas asociadas y despliega los resultados más recientes de las ejecuciones. Este enfoque permite monitorear la integridad de la cobertura y detectar rápidamente los vacíos. La matriz puede exportarse en formatos Excel y CSV, y puede colocarse como un widget independiente en el panel para un seguimiento constante del estado de cobertura.

Análisis del impacto de cambios entre ramas

SaveTest permite comparar los casos de prueba de dos ramas, mostrando los casos añadidos, modificados y eliminados. Para los casos modificados, el sistema muestra las diferencias en el nombre, los pasos de ejecución, las etiquetas de clasificación, los vínculos con requisitos y las iteraciones de pertenencia. Esto resulta especialmente útil para evaluar el alcance de las pruebas de regresión. A partir de los casos añadidos y modificados, el usuario puede generar y ejecutar de inmediato una ejecución de pruebas. La función es compatible tanto con proyectos clásicos como con proyectos vinculados a Git.

Informes de defectos e inestabilidad

Un nuevo informe sobre la biblioteca de casos correspondiente a un período seleccionado agrupa los resultados en tres categorías. La primera incluye los casos que detectaron defectos en el código. La segunda contiene los casos que se ejecutaron correctamente sin detectar defectos. La tercera presenta los casos inestables, cuyos resultados variaron entre éxito y fallo sin que el código en sí cambiara. Identificar las pruebas inestables es fundamental para mejorar la fiabilidad de la automatización y reducir los falsos positivos.

Planificación de la distribución de ejecuciones

Una nueva herramienta distribuye automáticamente los casos de prueba entre los ejecutores según la duración real de ejecuciones anteriores. Antes de guardar las asignaciones, el usuario puede ver el número de casos, el tiempo de ejecución estimado y la carga de trabajo prevista para cada participante. Esto permite optimizar el equilibrio del trabajo y mejorar la gestión de recursos. Tras la confirmación, las asignaciones quedan registradas en la ejecución de pruebas.

Ampliación de las funciones existentes

La importación desde Allure ha recibido varias mejoras: selección de una rama de Git para importar resultados, la opción de desactivar la carga de capturas de pantalla y registros para acelerar el procesamiento de archivos grandes, un aumento del límite de tamaño del informe, la actualización automática del conjunto de iteraciones en cada carga y la propagación de las etiquetas de la clase Python a todas las pruebas de esa clase.

En la configuración de sincronización del proyecto de Git se ha añadido una opción para especificar el directorio que contiene las pruebas.

El editor de casos de prueba ha ganado la posibilidad de pegar imágenes directamente en el texto del caso, nuevos filtros por campos personalizados y resultados asignados por IA, soporte para varias combinaciones de teclas para una misma acción, selección del formato de exportación de proyectos clásicos y acceso directo a la ejecución desde el bloque de estadísticas.

El panel permite mover los widgets y cambiar su ancho, conservando el diseño guardado. Los informes por épica ahora se generan en la página de la épica a partir de las ejecuciones que incluye.

El conjunto de escenarios MCP se ha ampliado con herramientas para trabajar con la matriz de requisitos, comparar ramas, planificar ejecuciones, analizar pruebas inestables y examinar las pruebas automáticas que fallaron. Estos escenarios permiten automatizar las operaciones habituales en la gestión de pruebas.