El problema: mucho manual, poco tiempo
Cómo transformamos nuestro proceso de pruebas de software para ganar eficiencia y escalabilidad
El Desafío que Enfrentábamos
En GO Consultores llevábamos tiempo buscando una forma más eficiente de crear y ejecutar pruebas de software. Como muchas empresas, nos enfrentábamos a un escenario conocido: tareas manuales que consumen tiempo, herramientas con curvas de aprendizaje pronunciadas y un flujo de trabajo que, aunque funcional, no escalaba al ritmo que deseábamos.
Las pruebas E2E (End-to-End) son aquellas que simulan el comportamiento real de un usuario: hacer clic en botones, llenar formularios, navegar entre páginas. A diferencia de las pruebas unitarias que validan funciones aisladas, las E2E verifican que todo el sistema funcione correctamente de principio a fin.
Nuestro proceso habitual empezaba con un archivo de Excel que servía como base para documentar los requerimientos del proyecto. A partir de ahí, los testers tomaban cada caso, lo convertían en una prueba E2E usando Playwright, levantaban el entorno, ejecutaban las pruebas, esperaban los resultados y finalmente generaban y analizaban los reportes.
Todo este ciclo, repetido todos los días y para distintos proyectos, funcionaba… pero era extremadamente lento y dependía fuertemente del tiempo y la disponibilidad del equipo.
Los Obstáculos Principales
Tiempo Excesivo
Procesos manuales que consumían horas valiosas del equipo de testing
Curva de Aprendizaje
Playwright requería conocimiento técnico, ralentizando a testers menos experimentados
Falta de Escalabilidad
El flujo de trabajo no crecía al ritmo de nuestros proyectos y demandas
Dependencia del Equipo
Alta dependencia de la disponibilidad y experiencia de los testers
Además, el simple hecho de escribir las pruebas en Playwright requería conocimiento técnico, así que los testers menos experimentados tardaban más en producir resultados. Y aunque Playwright es una herramienta muy poderosa, dominar su estructura de archivos, sintaxis y convenciones toma tiempo, lo que añadía más fricción al proceso.
Era evidente que necesitábamos una forma más ágil y escalable de generar pruebas E2E sin sacrificar calidad, orden ni trazabilidad.
La chispa: IA y nuevos conceptos
En GO Consultores hemos apostado firmemente por la innovación de la mano de la inteligencia artificial. Hace unos meses, comenzamos a explorar conceptos que hoy abundan en blogs y plataformas de aprendizaje: MCPs, agentes, automatizaciones. Pero, ¿qué significan realmente estos términos y cómo pueden transformar nuestro trabajo?
Conceptos Fundamentales
Entendiendo las piezas del rompecabezas de la IA moderna
Agente de IA
Un agente de IA es un sistema que va más allá de simplemente responder preguntas: puede ejecutar acciones reales. A diferencia de un chatbot tradicional que solo conversa, un agente puede leer archivos, crear documentos e interactuar con herramientas externas.
MCP (Model Context Protocol)
MCP es un estándar abierto desarrollado por Anthropic que permite a los agentes de IA conectarse con herramientas externas de manera segura y estandarizada. Piensa en MCP como un "puente" entre el agente y el mundo exterior: gracias a él, el agente puede leer tu Excel, crear archivos o interactuar con aplicaciones diversas sin necesidad de integraciones personalizadas complejas.
La pregunta que lo cambió todo
¿Cómo podríamos, a través de un agente, construir pruebas E2E de manera más fácil y rápida?
El Flujo de Trabajo Completo
Un agente que escribe pruebas por nosotros
Decidimos construir un agente capaz de entender nuestras necesidades, leer nuestros casos de prueba y generar automáticamente el código en Playwright. Para lograrlo, definimos varias capacidades clave:
Capacidades del Agente
Leer el Excel que ya usábamos
No queríamos cambiar nuestro flujo, así que el agente se alimenta de la misma hoja de Excel que utilizábamos para documentar los casos.
Entender instrucciones en lenguaje natural
Al tester solo le basta decirle: "Ayúdame a escribir los casos de prueba del proyecto X".
Crear y modificar archivos de prueba directamente en el proyecto
Aquí entra el MCP, que fue crucial. Gracias a este protocolo, el agente puede crear, editar o eliminar archivos con total control y siempre dentro de Playwright.
Generar las pruebas usando el estándar oficial de Playwright
Esto es muy importante. Como Playwright también provee un MCP, pudimos asegurarnos de que el código generado siguiera las convenciones recomendadas por la documentación oficial.
Estructura definida mediante un prompt interno
Dentro del agente establecimos una plantilla clara para que cada prueba generada tuviera la misma estructura, evitando variaciones o errores humanos.
El Resultado
Logramos unir dos mundos: el lenguaje humano y el código altamente estructurado.
Resultados Medibles
| Métrica | Antes (Manual) | Después (con agente) | Mejora |
|---|---|---|---|
| Tiempo para escribir 10 casos de prueba | 2-3 horas | 30 minutos | ~60% menos tiempo |
| Consistencia en estructura del código | Variable según el tester | 100% estandarizado | Código uniforme |
| Curva de aprendizaje para nuevos testers | Semanas aprendiendo Playwright | Horas aprendiendo a usar el agente | Onboarding más rápido |
Con solo declarar en Excel lo que queremos probar, el agente genera 10, 15 o más casos de prueba en cuestión de segundos, todos listos para ejecutarse y con una estructura uniforme.
¿Por qué Playwright?
Playwright es un framework de automatización de pruebas desarrollado por Microsoft. Permite controlar navegadores (Chrome, Firefox, Safari) de manera programática para simular acciones de usuario.
Lo elegimos sobre otras alternativas como Selenium o Cypress por:
Velocidad de ejecución
Pruebas más rápidas y eficientes
Soporte nativo
Para múltiples navegadores
Esperas automáticas
Mejor manejo de sincronización
Un punto clave: MCP de Playwright
Playwright expone su propio servidor MCP, lo que nos permitió construir pruebas siguiendo la estructura que recomienda su documentación oficial. Esto significa que el agente no inventa código arbitrario, sino que genera tests con las mejores prácticas del framework.
Ver repositorio oficial de Playwright MCPEmpaquetado en Docker
Toda la solución fue empaquetada en Docker para facilitar el despliegue. La imagen contiene:
El agente de IA
El núcleo inteligente del sistema: analiza instrucciones, entiende el contexto y genera código útil y estructurado sin intervención manual.
Una API para comunicarnos con él
Una interfaz REST simple y clara que permite enviar instrucciones, recibir respuestas en tiempo real y coordinar el flujo de generación de pruebas.
Un proyecto Playwright configurado
Un entorno de pruebas automatizadas listo para ejecutar, generar reportes, registrar evidencia y validar escenarios de forma consistente.
Esto nos permitió integrarlo fácilmente en nuestros pipelines, servidores y entornos de desarrollo.
¿Qué aprendimos?
Descubrimos que la inteligencia artificial no viene a reemplazar al tester, sino a amplificar sus capacidades.
Tareas Humanas
- Conocimiento del negocio
- Claridad sobre qué probar
- Análisis de resultados
- Toma de decisiones estratégicas
Tareas del Agente IA
- Escribir código de pruebas
- Generar estructura consistente
- Automatizar tareas repetitivas
- Ejecutar en segundos (no horas)
Esto libera al equipo para enfocarse en lo que realmente importa: asegurar calidad, detectar riesgos y mejorar el producto.
¿Qué sigue?
Este artículo es el primero de una serie sobre cómo estamos modernizando los procesos de QA en Go Consultores. En la siguiente entrega te contaremos cómo resolvimos otro dolor de cabeza: las pruebas de estrés.
Spoiler: ya no necesitamos coordinar a 30 personas por chat para que entren al sistema al mismo tiempo.
¿Te interesa saber más?
Si quieres conocer más sobre cómo implementamos esta solución, cómo funciona el agente o cómo podrías adaptarlo a tu propio flujo de trabajo, ¡contáctanos o déjanos un comentario! Estaremos encantados de contarte más.