Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAPI / Producto · Listo para usarHabr AI→ original

Claude Code y 11 agentes: cómo un equipo de QA automatizó hasta el 80 % de la rutina de pruebas

En lugar de contratar a dos testers más, un equipo de QA montó un sistema de 11 agentes sobre Claude Code. Analiza Jira y Confluence, construye escenarios según ISTQB, escribe autotests de API y UI y abre por sí solo un Merge Request. En un piloto de mes y medio, la regresión pasó de 50 a 400 casos y la verificación de nuevas funciones se redujo de días a horas.

Procesado por IA desde Habr AI; editado por Hamidun News
Claude Code y 11 agentes: cómo un equipo de QA automatizó hasta el 80 % de la rutina de pruebas
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo

Un equipo de QA ha demostrado que los agentes de IA ya pueden asumir buena parte de la rutina de pruebas: desde leer los requisitos y diseñar escenarios hasta cargar casos de prueba en un TMS y abrir un Merge Request con autotests listos. En lugar de ampliar la plantilla con dos testers más, el equipo montó sobre Claude Code un «exoesqueleto» de 11 agentes especializados y afirma que cubre hasta el 80 % del trabajo operativo de un ingeniero de QA.

Partieron de un problema típico de los equipos de producto: el desarrollo lanza nuevas funciones más rápido de lo que las pruebas logran convertir los requisitos en escenarios, datos y automatización. Según la estimación interna, cerca del 20 % del tiempo de QA se va en análisis de requisitos y diseño de pruebas, otro 15 % en crear casos en el TMS, un 10 % en preparar datos y un 25 % en automatización; después vienen las propias comprobaciones, la regresión y los informes. En total, hasta el 80 % de la carga se puede describir con reglas y dividir en etapas repetibles.

De ahí la idea: no sustituir al ingeniero, sino convertirlo en operador de un pipeline que fija la tarea, controla los artefactos e interviene solo donde al sistema le falta contexto o hay que tomar una decisión ambigua.

La arquitectura es una cadena modular de 11 skills más un orquestador independiente. Un agente extrae la tarea de Jira y los materiales relacionados de Confluence, otro descompone los requisitos en User Stories y tareas, y un tercero genera escenarios de prueba según las reglas de ISTQB. Los siguientes se ocupan de los datos que faltan, las discrepancias, los selectores DOM, los autotests de API y UI, la comparación de escenarios con el código, la carga de casos en Zephyr Scale y la creación del Merge Request en GitLab.

Como única fuente de verdad se usan escenarios en JSON con trazabilidad completa hasta los requisitos y los criterios de aceptación, y en paralelo se construye una matriz de cobertura RTM. Para la parte de frontend, el sistema consulta además Figma mediante MCP y extrae no solo capturas, sino la estructura de la interfaz, los estados y las restricciones de los elementos.

Se puso un énfasis especial en la calidad y en la protección frente a los puntos débiles habituales de los LLM. Tras generar los escenarios, el orquestador pasa puntos de control de calidad: verifica el esquema JSON, la integridad de los pasos, las prioridades, la ausencia de duplicados y la cobertura de los requisitos. Tras generar los autotests, el control se endurece aún más: se validan el código Python, las fixtures y la propia ejecución de las pruebas.

Para la depuración se aplica un esquema de dos etapas. Primero, el sistema ejecuta cada test por separado y distingue los problemas del código de prueba de los defectos reales del producto. Después entra el mutation testing: en un test que ya ha pasado se invierte el assert, y si aun así sigue en verde, se considera vacío y requiere revisión.

Otra capa importante es un protocolo de discrepancias entre Jira, Figma, el texto de los requisitos y el comportamiento real de la interfaz. Los conflictos evidentes se resuelven automáticamente según una jerarquía de prioridad de las fuentes, y los casos dudosos se elevan al ingeniero.

En la práctica, el piloto dio en mes y medio las cifras por las que suelen lanzarse estos experimentos. El número de casos de regresión creció de unos 50 a 400, el detalle de los escenarios pasó a ser completo y la cobertura de la regresión con automatización se acercó al 100 %. La propia regresión se redujo de aproximadamente un día a decenas de minutos, el camino desde el fin del desarrollo hasta la aprobación de QA pasó de varios días a unas horas, y poner en marcha las pruebas en un proyecto nuevo ahora requiere unas cuatro horas de configuración, en lugar de meses de contratación y adaptación.

Además, el sistema empezó a encontrar más contradicciones ocultas en los requisitos y más bugs que el proceso manual. La versión piloto funciona con una suscripción Claude Pro de 100 dólares al mes y, según se afirma, puede atender 2–3 proyectos con más de 100 tests al mes cada uno.

La conclusión principal del caso es que el papel de QA sí empieza a desplazarse de la ejecución manual a la gestión del contexto, las reglas y la calidad de las decisiones que toma la IA. Pero la historia solo funciona bajo varias condiciones: los requisitos deben ser razonablemente completos, el proyecto debe contar con una fuente de contexto sólida, como contratos de API y datos de prueba, y el pipeline no debe ser una «caja negra». El valor no está en una generación mágica de tests, sino en una cadena transparente de pasos que se puede relanzar, revisar y reforzar poco a poco.

Si este enfoque despega fuera de los pilotos, el mercado de las pruebas podría obtener no un sustituto de los ingenieros, sino un formato de trabajo mucho más productivo y escalable.

Historia
ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…